Agents for self-driving laboratories applied to quantum computing

Motivation

• Known: LLM 기반 에이전트는 텍스트와 이미지 처리 능력이 우수하며, 다중 에이전트 시스템을 통해 복잡한 작업 수행이 가능하다. 기존 자동화 방식은 전문가가 실험실 지식을 수동으로 코드로 번역해야 하는 한계가 있다.
• Gap: 전유 실험실 지식의 접근 불가성, 표준 RAG 방법의 이질적이고 다중모드 실험실 지식 적용의 어려움, 장시간 다단계 작업 자동화를 위한 확장 가능한 메모리 시스템 부재가 핵심 문제이다.
• Why: 자동화된 자체 구동 실험실은 반복 작업을 감소시켜 과학적 발견을 가속화할 수 있으며, 특히 양자 컴퓨팅 같은 복잡한 실험에서 인간 수준의 성능 달성이 중요하다.
• Approach: 실험실 지식을 캡슐화하는 knowledge agents를 설계하고, execution agent가 다단계 실험 절차를 agent 기반 state machine으로 분해하여 inspection agents의 결과 분석을 통해 상태 전이를 제어하는 폐루프 피드백 구조를 도입했다.

Achievement

Figure 2: (a) Translation agents. Translation agents are responsible for translating an incoming instruction into

• k-agents 프레임워크 개발: 실험실 지식의 다중모드 특성을 처리하고 fine-tuning 없이 지식을 통합하는 확장 가능한 시스템 구축
• Execution agent 설계: 자연어 실험 절차를 agent 기반 state machine으로 자동 분해하고 단계별 실행 및 결과 분석을 통한 폐루프 제어 실현
• 양자 프로세서 자동 캘리브레이션: 초전도 양자 프로세서의 단일 및 이중 큐비트 게이트 파라미터 자동 발견 및 entangled quantum state 생성 성공
• 번역 에이전트 성능: 17개의 code translation agents로 표준 RAG 방법 대비 우수한 정확도 달성 (80개 지시문 테스트셋)

How

Figure 1: (a) Overview of the k-agents framework. Given a procedure in natural language, the execution agent first

• Knowledge agents: 실험실 작업의 개별 실험부터 복잡한 절차까지 망라하는 지식 보유 및 결과 검사 능력 제공
• Translation agents: 벡터 유사도 기반 선택적 활성화를 통해 들어오는 지시문을 executable code로 변환
• Execution agent: 절차 분해, 단계별 코드 생성, 결과 분석, state 전이 결정을 조율
• Visual inspection agents: 실험 결과 이미지를 텍스트 리포트로 변환하여 multimodal 정보 처리
• Agent-based state machine: 각 단계의 독립적 지시문 보유 및 transition rule 기반 상태 관리

Originality

• 다중모드 실험실 지식의 체계적 통합을 위해 knowledge agents의 선택적 활성화 메커니즘 도입
• 자연어 절차를 명시적 state machine 구조로 자동 변환하여 장시간 다단계 작업의 context window 제약 극복
• Vector-based agent selection 방식으로 표준 RAG 대비 이질적 에이전트 간 협업 능력 향상
• 양자 컴퓨팅 영역에 LLM 기반 자동화 에이전트를 처음 성공적으로 적용

Limitation & Further Study

• LLM의 hallucination 위험성 및 파라미터 설정 오류 가능성에 대한 견고성 검증 부재
• 지금까지 단일 실험실 환경과 특정 양자 프로세서 플랫폼에서만 검증됨
• 실험 절차 분해 및 state machine 설계의 수동 개입 필요도 존재
• 여러 실험실 환경과 학문 분야에 대한 일반화 가능성 검토 필요
• 에이전트 간 조율 오류 발생 시 자가 복구 메커니즘의 한계

Evaluation

총평: k-agents는 multimodal 실험실 지식의 체계적 통합과 장시간 자동화 실험 수행을 위한 혁신적 프레임워크를 제시하며, 양자 컴퓨팅 분야에서 인간 수준의 성능 달성으로 자동 과학 발견의 실질적 가능성을 입증했다.