뉴욕대·워싱턴대 연구진, 화학 문헌 통합 검색 시스템 'AskChem' 공개

팩트뉴욕대학교와 워싱턴대학교 연구진이 화학 문헌을 체계적으로 통합하고 검색하는 인프라 'AskChem'을 발표했습니다. 이번 연구에는 조경현 교수 등 저명한 연구자들이 참여했습니다.

주장기존의 화학 문헌 검색 시스템은 단순히 관련 논문 목록을 나열하는 방식에 그쳤습니다. 연구자들은 논문마다 흩어진 정보를 직접 찾아내고 검증해야 하는 번거로움을 겪었습니다.

팩트AskChem은 검색 단위를 논문 전체가 아닌 '주장(Claim)'으로 전환했습니다. 각 논문을 원자 단위의 주장으로 분해하고, 출처가 되는 디지털 객체 식별자(DOI)와 원문 인용구를 연결했습니다.

팩트AskChem은 현재 14만 7천 건의 논문에서 추출한 240만 개의 주장을 데이터베이스화했습니다. 연구진은 웹 인터페이스뿐만 아니라 REST API, SDK, MCP(Model Context Protocol)를 통해 AI 에이전트가 직접 데이터에 접근하도록 설계했습니다.

주장이번 시스템은 화학 연구의 복잡한 정보를 구조화하는 데 기여합니다. 연구진은 계층적 검색을 위한 분류 체계와 주장 간의 관계를 시각화한 증거 그래프를 도입하여 정보 탐색의 편의성을 높였습니다.

팩트AskChem-Bench를 활용한 성능 평가 결과, GPT-5.5 모델이 AskChem을 참조했을 때 DOI 식별 성공률이 100%를 기록했습니다. 검색 시스템을 사용하지 않았을 때의 88.3%보다 월등히 높은 수치입니다.

팩트또한 AskChem은 비교 대상이 된 5개의 기존 검색 시스템 중 가장 높은 인용 밀도를 기록했습니다. 이는 시스템이 제공하는 정보의 정확성과 신뢰도가 높다는 점을 시사합니다.

교차검증본 연구는 아카이브(arXiv)에 공개된 선공개 논문으로, 아직 학계의 공식적인 동료 평가(Peer Review) 과정을 거치지 않았습니다. 따라서 연구 결과의 학술적 타당성은 향후 검증이 필요합니다.

교차검증AskChem이 방대한 화학 데이터를 처리하는 과정에서 발생하는 데이터 편향성이나, 특정 분야에 치우친 정보 추출 가능성 등 기술적 한계가 존재할 수 있습니다. 또한, 시스템이 모든 화학적 맥락을 완벽하게 이해하고 재현할 수 있는지에 대한 추가적인 검증이 요구됩니다.

주장AskChem은 단순히 정보를 찾는 도구를 넘어, 과학적 원리에 기반해 논문을 배치하는 '살아있는 분류 체계'를 지향합니다. 이는 AI 에이전트가 화학 분야의 복잡한 질문에 스스로 답을 찾는 과정을 가속화할 것입니다.

주장연구진은 화학 분야를 시작으로 향후 다른 과학 분야로 이 시스템을 확장할 가능성을 열어두었습니다. 데이터 중심의 과학 연구 환경을 구축하려는 시도로 평가됩니다.

출처arxiv의 선공개 논문(https://arxiv.org/abs/2607.28618)을 참고했습니다.