Towards autonomous biology: Compiler-Verified Protocols as a Foundation for Real World AI Execution

Motivation

• Known: 자연어 프로토콜은 모호한 수량, 일관되지 않은 용어, 암시적 가정 등으로 인해 재현성이 낮으며, 기존 형식(BioCoder, Autoprotocol, Antha 등)은 표현력, 이식성, 검증, 사용성 중 일부만 해결한다.
• Gap: 기존 DSL 형식들이 부분적 해결만 제공하며, 자연어 SOP에서 실행 가능한 프로토콜로의 변환, compile-time 물리 검증, 하드웨어 무관 이식성, 자동화된 생성 파이프라인을 동시에 달성하는 통합 솔루션이 부재하다.
• Why: 생물학 분야의 자동화 AI 에이전트가 계산 추론에서 물리 실행으로 안정적으로 변환되지 못하고 있으며, 프로토콜의 재현성 문제는 개별 랩을 넘어 협업 과학의 기초를 약화시킨다.
• Approach: 6계층 구조의 BPL을 설계하여 (1) 선언부와 프로토콜 블록, (2) 12개 기본 차원과 40개 실험실 단위의 타입 시스템, (3) 14개 고수준 의도(transfer, incubate, run_pcr 등), (4) 용기 상태 추적 엔진, (5) 신뢰도 3계층 모델, (6) 조건부/반복 제어 흐름을 구현하고, BPL-COGEN은 자연어를 정규화하여 BPL로 변환하고 compiler 진단으로 반복 수정한다.

Achievement

Fig. 4. Wet-lab validation of BPL-COGEN protocols. (a) Overview of the experiment workflow. To validate both

Nature Protocols 벤치마크 검증: 300개 논문에서 95.1 ± 8.3% 전체 충실도 달성. 습식 실험 검증: GFP 발현 라이브러리 구성에서 수동 및 liquid handler 보조 실행 모두에서 재현 가능한 결과 생성. 장비 간 이식성: HPLC-to-UHPLC 방법 변환에서 single BPL source가 다양한 실행 맥락에서 비교 가능한 분석 결과 생성. 형식 검증: 물리 불가능한 연산(부피에 질량 더하기)이 compile time에 거절되므로 프로토콜 정확도 보장.

How

Fig. 3. Compiler-driven diagnostics and repair loop performance. (a) Frequency of diagnostic categories

• BPL의 6계층 아키텍처로 선언부(시약, 저장액, 용기, 실행 목표)와 번호 매김된 프로토콜 블록(실험실 의도) 인코딩
• 12개 기본 차원과 40개 실험실 단위를 포함한 biology-native 타입 시스템으로 compile-time 차원 분석 수행
• 각 작업에서 용기 부피, 농도, 내용물, 최대 용량 추적하는 container state engine
• Declared, Calibrated, Verified 3계층 신뢰도 모델로 GLP/GMP 준수 맥락 지원
• Natural-language SOP를 local resource 카탈로그에 대해 정규화 후 BPL로 변환하는 BPL-COGEN 파이프라인
• Fine-tuned 30B language model과 deterministic compiler를 closed generate-validate-repair 루프로 결합하여 compiler 진단으로 반복 수정

Originality

• 생물학 분야에 물리 단위 기반 형식 타입 시스템을 도입한 첫 시도(Verilog, VHDL 등과 유사하지만 생물학 특화)
• LLM과 deterministic compiler를 closed loop로 결합하여 자동 프로토콜 검증 및 수정 파이프라인 개발
• Container state tracking과 3계층 신뢰도 모델로 규제 준수와 재현성을 동시에 해결
• Hardware-agnostic 이식성과 human-machine interoperability를 동시에 달성하는 첫 통합 솔루션

Limitation & Further Study

• 벤치마크 스케일: 300개 Nature Protocols 논문으로 검증했으나 더 광범위한 프로토콜 도메인(약학, 화학공학 등)의 검증 필요. 자동 생성의 한계: 95.1% 충실도는 5% 오류 여전히 존재함을 시사하며, 복잡한 분기 로직이나 비표준 장비의 처리 능력 불명확. LLM 의존성: Fine-tuned 30B 모델의 규모, 학습 데이터, 일반화 능력에 대한 상세 정보 부족. 후속 연구: 부분 실패 시 repair 전략의 한계, 규제 승인 프로세스 통합, 다양한 생물학 분야(합성생물학, 단백질공학)의 확장 검증 필요.

Evaluation

총평: BPL과 BPL-COGEN은 생물학 프로토콜의 형식화, 검증, 자동 생성에 대한 근본적 해결책을 제시하며, 습식 실험과 cross-platform 이식성을 입증해 자율 생물학의 핵심 기반을 마련한 중요한 기여이다. 다만 벤치마크 확장, repair 루프의 한계 분석, 규제 준수 프로세스 통합이 실제 배포를 위해 필요하다.