Gemini for Science: 구글이 공개한 AI 과학 연구 도구 세트

AlphaEvolve

AlphaEvolve는 복잡한 과학·공학 문제를 해결하기 위해 최적의 알고리즘을 찾는 진화형 알고리즘 에이전트다.

이 시스템은 다양한 알고리즘을 반복적으로 생성하고 테스트하면서 더 나은 해결 방법을 찾아낸다. 구글에 따르면 이미 다음과 같은 분야에서 활용 사례가 나타났다.

• DNA 시퀀싱 오류 수정 개선
• 재난 예측 정확도 향상
• 전력망 안정화 시뮬레이션 연구

이러한 접근 방식은 연구자들이 직접 설계하기 어려운 알고리즘 탐색을 자동화하는 데 목적이 있다.

ERA (Empirical Research Assistance)

ERA는 현대 과학에서 가장 시간이 많이 드는 작업 중 하나인 컴퓨팅 실험 코드 작성과 반복 실험을 자동화하는 도구다.

Gemini 모델을 사용해 과학 실험이나 시뮬레이션에 필요한 코드를 생성하고 최적화한다. 이 시스템은 연구 결과와 함께 Nature 논문으로 소개됐으며, 이를 기반으로 Computational Discovery라는 실험 플랫폼이 만들어졌다.

현재 이 플랫폼은 Google Labs의 신뢰된 테스터 프로그램을 통해 시험 운영되고 있다.

NotebookLM 기반 연구 분석 도구

Gemini for Science에는 NotebookLM 기반 워크플로도 포함된다. 이를 통해 연구자는 대량의 학술 논문을 빠르게 분석하고 구조화된 인사이트를 얻을 수 있다.

이 도구는 다음과 같은 작업을 지원한다.

• 수천 편의 논문 요약 및 비교
• 연구 트렌드 분석
• 출처 기반 연구 노트 생성

논문 데이터와 직접 연결된 형태로 연구 자료를 정리할 수 있는 것이 특징이다.

Google Labs와 Antigravity의 역할

Gemini for Science는 구글의 실험적 AI 생태계 안에서 운영된다.

먼저 여러 핵심 프로토타입 도구는 Google Labs에서 제공된다. 연구자들은 이곳에서 새로운 AI 연구 도구를 테스트하고 피드백을 제공할 수 있다.

동시에 이 시스템은 Google Antigravity와 연결된다. Antigravity는 구글이 개발 중인 에이전트 중심 개발 플랫폼으로, 단순한 챗봇형 AI에서 벗어나 실제 작업을 수행하는 AI 시스템을 목표로 한다.

여기서 제공되는 Science Skills 기능을 통해 AI 에이전트는 데이터 검색, 분석 실행, 연구 결과 생성 등을 하나의 자동화된 워크플로로 수행할 수 있다.

30개 이상의 생명과학 데이터베이스 연동

구글은 Gemini for Science가 30개 이상의 주요 생명과학 데이터베이스와 도구에 연결될 수 있다고 밝혔다.

이 연결은 Antigravity의 Science Skills 레이어를 통해 이루어지며, AI 에이전트가 다음과 같은 작업을 수행할 수 있도록 설계됐다.

• 과학 데이터베이스 검색
• 연구 데이터 분석
• 새로운 연구 가설 생성

구글은 구체적인 데이터베이스 이름이나 통합 방식은 공개하지 않았지만, 핵심 개념은 AI가 단순히 학습된 데이터가 아니라 실제 연구 데이터 소스와 직접 상호작용하도록 하는 것이다.

ERA가 보여준 초기 성과

Gemini for Science 도구 중 ERA는 이미 실제 연구 환경에서 초기 결과를 보여준 사례로 소개됐다.

구글 연구팀에 따르면 ERA는 다음 성과를 기록했다.

• 기능이 Nature 논문으로 발표
• Computational Discovery 프로토타입 구축에 활용
• Google Labs 테스터 프로그램에서 실험 운영

이는 AI가 단순한 문서 작성 도구를 넘어 실제 과학 실험 설계와 코드 작성 단계까지 참여할 수 있음을 보여주는 사례로 평가된다.

‘에이전트형 AI’ 전략의 일부

Gemini for Science는 구글이 I/O 2026에서 강조한 에이전트형(agentic) AI 전략의 한 사례다.

구글은 기존의 AI가 질문에 답하는 수준이었다면 앞으로는 외부 도구와 데이터를 활용해 실제 작업을 수행하는 AI 에이전트로 발전해야 한다고 설명했다.

Gemini for Science는 바로 이 방향을 연구 분야에 적용한 플랫폼이다. 가설 생성, 알고리즘 탐색, 실험 코드 작성 등 각각의 역할을 가진 AI 에이전트들이 협력해 연구 과정을 지원하도록 설계되어 있다.

이 접근 방식이 성공한다면 생명과학, 의학, 복잡계 과학 같은 분야에서 컴퓨팅 기반 연구의 속도 자체를 바꿀 가능성이 있다는 평가가 나온다.