연구진은 LLM 에이전트가 과학적 머신러닝(SciML)에서 서로게이트 모델을 발견하고 자동으로 점수를 매기는 과정에서 물리 법칙 위반 가능성을 해결하기 위해 Physics-Audited Agentic SciML(PA-SciML) 워크플로우를 제안했어요.
PA-SciML는 점수 평가 이전에 검증을 우선시하며, 검토 가능하고 기계 검사 가능한 물리 요구 사항을 도출하고, 각 후보 모델의 출력 결과를 검사하며, 고위반 사례를 별도로 검색해요.
실험 결과, PA-SciML은 기존 방식보다 낮은 검증 오류를 가진 서로게이트 모델을 선택하고, 인과성 검증에 실패하는 문제를 해결하며, 모델링 변경 사항을 기록하여 재사용 가능성을 높였어요.