MolRSI, 연구 워크플로 자체를 탐색 대상으로 삼다: 항균 스크리닝 습식 실험 적중률 15.9%, 전문가 공정 대조군 8.7%
머신하트가 보도한 MolRSI는 경험 기반 트리 탐색으로 분자 스크리닝과 단백질 설계 워크플로를 자동으로 조합하며, 항균 습식 실험 적중률은 자체 보고 기준 15.9%, 전문가의 비에이전트 공정 대조군은 8.7%다. pMHC 결합 단백질 특이적 적중은 8 대 0이다.
주요 변화
머신하트가 2026년 11월 14일 보도한 바에 따르면(원문은 논문 제목을 MoLRSI: A Recursive Self-Improving AI agent for Molecular Discovery로 표기하고 arXiv 번호와 프로젝트 페이지를 제시), 연구팀은 분자 발견에서 공정 설계 자체를 탐색 대상으로 삼았다. MolRSI는 먼저 논문과 코드에서 방법을 정리해 실행 가능한 스킬로 변환한 뒤, 경험 기반 몬테카를로 트리 탐색으로 워크플로를 조합·테스트·수정한다. 각 후보 공정이 하나의 노드이고, 그에 대한 수정이 분기를 이룬다. 계획 메모리, 개선 메모리, 실행 메모리가 각각 공정 성능, 수정 효과, 실행 경험을 저장하며, 내부 루프는 현재 작업을 최적화하고 외부 루프는 경험을 후속 작업으로 이어간다. 보도에 따르면 먼저 25개의 분자 성질 예측 및 세포독성 작업에서 경험을 축적한 뒤, 경험 풀에 들어가지 않은 6개의 항균 예측 작업에 적용했을 때 6개 작업 모두 평균 테스트 AUPRC가 향상됐다. 출처 작업 풀을 2개에서 25개로 확장하면 회고적 분석에서 전이 가능한 공정의 평균 테스트 AUPRC가 약 0.32에서 약 0.37로 올라, 사전 경험 없이 20라운드 체계적 탐색을 한 0.361을 넘어섰다. 항균 작업에서 최종 공정은 먼저 구조 신규성 필터링을 하고, 세 가지 인체 세포독성을 예측한 뒤, 두 가지 MiniMol 방식과 LANTERN–RADR 앙상블을 55%, 30%, 15% 가중치로 순위화하고, 마지막으로 구조 클러스터링 샘플링으로 다양성을 유지해 약 1210만 개 화합물 중 107개를 실험에 보냈다. MSSA MIC가 32 μg/mL 이하인 기준으로 17개가 적중했다. 인간 전문가가 설계한 비에이전트 공정은 동일한 훈련 데이터와 스크리닝 라이브러리에서 241개를 측정해 21개가 적중했으며, 적중률은 8.7% 대 15.9%다. 단백질 설계 측에서는 MolRSI가 먼저 평가 공정(ESMFold2-Fast 구조 예측에 8개 동등 가중 점수, 목표와 비목표 쌍 비교로 선택성 구현)을 고정한 뒤 이를 이용해 생성 방안을 탐색했고, 두 차례 파지 디스플레이 후 MART-1과 SARS-CoV-1 두 타깃에서 특이성 기준을 충족하는 적중 8개를 얻었다고 보도됐다. 같은 조건의 대조군 Claude Science는 0이라고 한다. 순위화 단계를 제거하면 평가 가능한 설계 479개 중 적중이 하나도 없었다.
개발자에게 미치는 영향
에이전트 워크플로를 만드는 개발자에게 이 보도에서 볼 점은 특정 점수가 아니라 '공정'을 탐색 가능한 대상으로 삼고, 작업 간 경험을 명시적으로 저장해 재사용한다는 것이다. 이는 세 가지 엔지니어링 결정에 직접 영향을 준다. 첫째는 메모리의 경계다. 보도에서의 이득은 거의 모두 작업 간 경험 상속에서 나왔고, 무경험군도 현재 작업 내 메모리 갱신은 유지했으므로 수익은 '한 작업에서 다른 작업으로의 전이' 구간에 집중된다. 에이전트가 작업 유형별로 한두 번만 호출된다면 경험 라이브러리가 쌓일 시간이 없어 트리 탐색의 추가 비용을 회수하기 어렵다. 같은 분야에서 구조가 비슷한 작업이 반복될 때만 계획 메모리와 수정 메모리가 의미를 갖는다. 둘째는 평가기 우선이다. pMHC 부분은 평가 공정을 먼저 고정하고 생성을 최적화했으며, 순위화 단계를 없애자 적중이 0이 됐다. 이는 보도에서 가장 강한 소거 신호로, 생성 단계의 상한이 '어떤 후보를 실험에 보낼 가치가 있는지 판단하는' 단계에서 자주 막힌다는 점을 시사한다. 순위화기와 임계값 설계는 최종 적중률 하나로 요약하지 말고 별도로 평가해야 한다. 셋째는 지표의 층위 구분이다. AUPRC, 농축 계수, 습식 실험 적중률, 특이성 기준은 서로 다른 네 가지 양이며, 보도 자체도 '동일 테스트셋에서의 예측기 비교'와 '두 공정이 각각 고른 실험 후보의 적중률'을 구분했다. 출처가 다른 숫자를 한 열에 놓고 비교하면 잘못된 결론에 이른다. 또한 보도는 현재 전략 개선이 주로 계산 탐색에서 나오며 습식 실험 피드백은 아직 루프에 들어오지 않았다고 명시한다. 이는 아직 진정한 폐루프 실험 에이전트가 아니라는 뜻이며, 'AI가 스스로 실험한다'고 외삽해서는 안 된다.
연동 및 평가 제안
다음은 보도에 근거한 조건부 제안이며 검증된 결론이 아니다. 첫째, 공정에 다중 모델 가중 앙상블(보도의 55/30/15 삼중 조합 등)이 있다면 같은 홀드아웃 세트로 '고정 가중치 대 탐색된 가중치' 비교를 먼저 하라. 평가지표는 AUPRC와 top-k 농축을 쓰고, 조건은 홀드아웃 세트와 훈련 세트에 겹치는 화합물이 없어야 한다. 탐색된 조합이 여러 홀드아웃 폴드에서 고정 가중치를 안정적으로 넘을 때만 가중치를 탐색 공간에 넣어야 하며, 그렇지 않으면 탐색은 노이즈에 과적합할 뿐이다. 둘째, 작업 간 경험 재사용은 '탐색 제로' 기준선을 먼저 두어야 한다. 출처 작업의 최적 구성을 추가 탐색 없이 그대로 전이한 뒤 전체 트리 탐색과 비교하되, 조건은 대상 작업과 출처 작업의 데이터 모달리티와 라벨 정의가 일치해야 한다. 보도의 AUPRC 약 0.32에서 0.37로의 회고 곡선은 경험 풀 규모가 결론을 바꾼다는 것을 보여준다. 따라서 경험 풀 규모(출처 작업 2개, 10개, 25개)를 가로축으로 두고 이득이 현재 규모에서 이미 나타나는지 관찰하라. 출처 작업 5개 이내에서 향상이 보이지 않으면 경험 라이브러리에 엔지니어링 비용을 투입할 필요가 없다. 셋째, 선택성 작업(목표와 비목표가 소수 잔기만 다른 경우)에서는 '목표 점수가 비목표보다 높음'을 소프트 페널티가 아닌 하드 임계값으로 만들고, 쌍 비교 통과율을 독립 지표로 삼되 조건은 신뢰할 수 있는 비목표 집합이 있어야 한다. 보도에서 순위화를 제거하자 적중이 0이 된 점은 이 단계를 생성 모델과 함께 조정하지 말고 별도로 소거 실험할 가치가 있음을 시사한다. 넷째, 접속 전에 어떤 구성 요소를 확보할 수 있는지 확인하라. 보도는 MiniMol, LANTERN–RADR, ESMFold2-Fast, SolubleMPNN 등을 언급하지만 각각의 라이선스와 실행 가능성은 직접 확인해야 하며, 보도는 이 구성 요소들의 공개 범위를 밝히지 않았다.
제한과 확인할 사항
위 숫자는 모두 머신하트 보도에서 나온 것이며 독립적으로 재현되지 않았다. MolRSI는 연구 시스템이지 공개 배포된 모델이 아니며, 기존 정보는 가중치, 코드, API의 대외 공개 여부를 밝히지 않고 논문과 프로젝트 페이지만 제시한다. 현재 KimiSeek 온라인 카탈로그에도 MolRSI나 보도에서 언급된 위 구성 요소가 없으므로, 관련 가용성은 논문 저자와 프로젝트 측의 성명에만 근거할 수 있다. 항균 적중률은 두 공정이 각각 고른 실험 후보에서 나왔고 표본 크기는 각각 107과 241이므로, 단일 실험의 백분율 차이를 안정적 효과로 보아서는 안 된다. 작업 간 경험의 이득은 일부가 회고적 분석에서 나왔으며 저자들도 이를 회고적 증거로 규정한다. pMHC의 특이성 기준은 목표 농축 log2FC가 4보다 크고 측정된 비목표 최댓값보다 높다는 것이며, 보도는 정량 친화도와 더 넓은 교차 반응은 후속 측정이 필요하다고 명시한다. 대조군 Claude Science의 0 적중 역시 보도 기준이며, 그 대조군 실행 세부 사항은 이 글에서 다루지 않았다. 또한 습식 실험 피드백은 아직 개선 루프에 들어오지 않았으므로, 이 시스템의 자기 개선은 현재 계산 탐색 수준에 한정되며 이를 근거로 실험 설계 폐루프를 자율적으로 완수한다고 추론할 수 없다.