서진호

3 분 소요

과학 연구용 AI 워크벤치인 Claude Science가 오늘 발표되었다. Claude Science는 기존 Claude 모델 위에 연구 도구, 데이터베이스, 코드 실행 환경, HPC 연결, 재현성 관리 기능을 추가한 형태에 가깝다.

llmd-10

Anthropic 공식 페이지에서도 Claude Science는 “새로운 모델이 아니라 public beta app”이라고 설명하고 있다. 새롭게 추가된 부분은 과학 연구 도구, 데이터베이스 연결, 컴퓨팅 환경 통합 기능이다.

일반적인 챗봇은 논문을 요약하거나 코드를 제안할 수 있다. 하지만 실제 연구 현장은 훨씬 복잡하다. 연구자는 PubMed, Jupyter, R, 클러스터 터미널, 다양한 생명과학 데이터베이스, 여러 파일 포맷, 시각화 도구 등을 오가며 작업해야 한다.

Anthropic은 Claude Science를 통해 이러한 분산된 연구 도구들을 하나의 연구 환경으로 통합하는 것을 목표로 한다. 다시 말하면 연구자가 자연어로 질문하면 Claude가 문헌을 검색하고, 데이터베이스를 조회하고, 분석 코드를 실행하고, 결과 이미지를 생성하고, 논문 초안 작성까지 하나의 흐름 안에서 이어갈 수 있도록 만드는 구조이다.

그렇다면 Claude Science의 주요 장점을 정리하면 다음과 같다.

1. 연구 재현성이 강화된다

가장 큰 장점은 연구 결과의 출처와 생성 과정을 추적하는 기능인 프로버넌스(provenance)이다.

Claude Science가 생성한 그림, 표, 노트북에는 해당 결과를 생성한 정확한 코드, 실행 환경, 대화 기록이 함께 기록된다.

따라서 몇 달이 지난 이후에도 “이 그림이 어떤 데이터와 어떤 코드로 만들어졌는가”를 다시 확인할 수 있다.

이는 과학 연구에서 매우 중요한 재현성(reproducibility)을 높이는 요소이다.

2. 오류 검증 에이전트가 포함되어 있다

Anthropic은 Claude Science에 검토 에이전트인 리뷰어 에이전트(reviewer agent)를 추가했다.

이 에이전트는 잘못된 인용, 추적할 수 없는 숫자, 코드와 일치하지 않는 그림 등을 찾아내고 수정하는 역할을 수행한다.

과학 연구에서 AI 활용의 가장 큰 위험은 “그럴듯하지만 틀린 결과”를 생성하는 것이다.

Claude Science는 단순히 답변을 제공하는 것이 아니라, 답변의 근거와 계산 과정을 다시 확인하는 구조를 적용했다.

물론 이것이 완전한 검증을 의미하는 것은 아니다.

최종적인 검증 책임은 여전히 연구자에게 있다.

하지만 AI 활용 과정에서 발생하는 주요 문제였던 환각(hallucination), 잘못된 인용, 그림과 코드 간 불일치 문제를 제품 수준에서 줄이려는 시도라는 점에서 의미가 있다.

3. HPC와 GPU 클러스터를 자연어로 제어할 수 있다

Claude Science는 macOS 또는 Linux 로컬 환경뿐 아니라 Linux 서버, HPC 로그인 노드, SSH 기반 클러스터, Modal 계정 등을 통해 실행할 수 있다.

공식 설명에 따르면 Claude Science는 배치 스크립트를 작성하고, SSH를 통해 자체 머신이나 HPC 클러스터에 작업을 제출하고 관리할 수 있다.

필요한 경우 단일 GPU 환경부터 수백 GPU 규모까지 확장할 수 있다.

생명과학 연구자는 반드시 Slurm, SSH, conda, Python/R 환경, GPU 작업 제출 방식에 익숙할 필요는 없다.

Claude Science가 이러한 과정을 계획하고 실행할 수 있다면, 비전산 전공 연구자도 복잡한 분석 파이프라인을 보다 쉽게 실행할 수 있다.

쉽게 말하면 Claude Science는 “HPC 사용 장벽을 자연어 인터페이스로 낮추는 연구용 AI 앱”이라고 볼 수 있다.

4. 데이터가 존재하는 환경에서 실행된다

Anthropic은 Claude Science가 연구실 자체 인프라, 즉 노트북, Linux 시스템, HPC 로그인 노드에서 실행되기 때문에 대용량 데이터 또는 민감한 데이터셋이 기존 시스템 외부로 이동할 필요가 없다고 설명한다.

다만 프롬프트와 모델 응답에 포함되는 데이터는 Anthropic의 표준 데이터 보존 정책에 따라 처리된다고 명시하고 있다.

5. 생명과학 도메인에 맞춰 설계되어 있다

Claude Science는 유전체학(genomics), 단일세포 분석(single-cell analysis), 단백질체학(proteomics), 구조생물학(structural biology), 화학정보학(cheminformatics) 등 생명과학 주요 분야에 맞춘 60개 이상의 curated skills와 connectors를 제공한다.

공식 페이지에서는 Claude Science가 60개 이상의 과학 데이터베이스를 조회할 수 있다고 설명한다.

예시로 다음과 같은 생명과학 리소스를 지원한다.

  • UniProt
  • PDB
  • Ensembl
  • Reactome
  • ClinVar
  • ChEMBL
  • GEO

또한 NVIDIA BioNeMo Agent Toolkit과 연결하여 Evo 2, Boltz-2, OpenFold3와 같은 생명과학 모델 및 라이브러리에 접근할 수 있다고 설명한다.

6. 기존 연구 파이프라인을 유지할 수 있다

Anthropic은 Claude Science가 기존 연구 도구를 대체하는 것이 아니라, 기존 도구들이 함께 동작하는 연구 워크벤치라고 설명한다.

사용자는 기존 Python, R, shell 기반 워크플로를 그대로 활용할 수 있다.

또한 기존에 사용하던 ELN(Electronic Lab Notebook), 내부 시스템, 검증된 분석 파이프라인도 connector 또는 skill 형태로 연결할 수 있다.

즉, 기존 연구 환경을 버리고 새로운 시스템으로 전환하는 방식이 아니라 기존 환경 위에 AI 기능을 추가하는 접근 방식이다.

7. 논문 그림과 원고 작성까지 연결된다

Claude Science는 단순한 데이터 분석 도구에서 끝나지 않는다.

분석 결과를 기반으로 figure 제작과 manuscript 작성까지 이어지는 연구 흐름을 지원한다.

공식 설명에 따르면 3D 단백질 구조, genome browser track, chemical structure 등을 기본적으로 렌더링할 수 있다.

또한 사용자가 그림에 주석을 추가하거나 자연어로 “축을 로그 스케일로 변경해줘”와 같은 요청을 하면, 에이전트가 해당 그림을 생성하는 코드를 직접 수정할 수 있다.

결론

Claude Science는 과학자가 사용하는 데이터베이스, 코드, 분석 파이프라인, HPC 환경, 시각화 도구, 논문 작성 과정, 재현성 기록 기능을 하나의 AI 연구 워크벤치로 통합했다는 점에서 의미가 있다.

기존 AI 챗봇이 지식을 제공하거나 코드를 생성하는 수준이었다면, Claude Science는 실제 연구 과정 전체를 지원하는 AI 연구 환경을 목표로 한다.

즉, Claude Science는 “질문에 답하는 AI”에서 “연구 과정을 함께 수행하는 AI 연구 파트너”로 확장되는 방향을 보여주는 사례라고 볼 수 있다.

댓글남기기