[논문 리뷰] Agentic AI and Machine Learning for Accelerated Materials Discovery and Applications

Jihua Chen, Panagiotis Christakopoulos외 3명|arXiv (Cornell University)|2026. 01. 13.

Machine Learning in Materials Science인용 수 0

한 줄 요약

본 논문은 agentic AI와 ML을 활용한 재료 발견의 가속화를 조사하며, 핵심 개념, 효율성 필요성, 그리고 flow chemistry, biosensors, batteries의 예를 강조하고 large language models에 초점을 맞춘다.

ABSTRACT

Artificial Intelligence (AI), especially AI agents, is increasingly being applied to chemistry, healthcare, and manufacturing to enhance productivity. In this review, we discuss the progress of AI and agentic AI in areas related to, and beyond polymer materials and discovery chemistry. More specifically, the focus is on the need for efficient discovery, core concepts, and large language models. Consequently, applications are showcased in scenarios such as (1) flow chemistry, (2) biosensors, and (3) batteries.

연구 동기 및 목표

• 재료 발견에 중점을 두고 화학, 헬스케어, 제조 분야에서 AI agents의 역할과 진전을 평가한다.
• 재료 과학에서 효율적인 발견을 위한 도전과제와 요구사항을 식별한다.
• 이 분야에서의 agentic AI의 핵심 개념과 large language models의 역할을 논의한다.
• flow chemistry, biosensors, and batteries의 실용적 응용 사례를 보여준다.

제안 방법

• Agentic AI 및 ML을 재료 과학 및 관련 분야의 기존 문헌을 검토한다.
• AI agents의 효율적인 발견 워크플로우 및 의사 결정 과정을 이론적으로 논의한다.
• 재료 발견 작업을 위한 large language models의 관련성과 능력을 강조한다.

실험 결과

연구 질문

• RQ1 What are the current advances and limitations of agentic AI in accelerated materials discovery?
• RQ2 How can large language models and AI agents be leveraged to improve discovery workflows in materials science?
• RQ3 What practical applications (e.g., flow chemistry, biosensors, batteries) illustrate the potential of agentic AI in this domain?

주요 결과

• AI agents와 ML은 생산성을 높이기 위해 재료 발견 및 관련 영역에 점차 더 많이 응용되고 있다.
• 효율적인 발견 워크플로우와 핵심 개념이 성공적인 agentic AI 구현의 기반이다.
• Large language models는 재료 발견에서 추론, 계획, 데이터 상호작용을 가능하게 하는 중심 초점이다.
• 응용 사례는 flow chemistry, biosensors, 그리고 batteries와 같은 시나리오에서 시연된다.