SandboxAQ, Claude와 연결된 물리 기반 AI 공개…자연어로 과학 시뮬레이션 실행

과학 연구에서 분자나 재료의 거동을 시뮬레이션하려면 보통 복잡한 코드, 고성능 컴퓨팅(HPC) 환경, 그리고 전문적인 계산화학 지식이 필요하다. 그런데 SandboxAQ와 Anthropic의 새로운 협업은 이 장벽을 크게 낮추는 방향으로 설계됐다.

SandboxAQ는 자사의 **Large Quantitative Models(LQM)**를 Anthropic의 AI 모델 Claude와 연결했다. 이 연결은 **Model Context Protocol(MCP)**이라는 표준을 통해 이루어지며, 연구자는 이제 코드 대신 자연어 프롬프트로 복잡한 과학 시뮬레이션을 실행할 수 있다.

즉, 대화형 AI가 실제 물리 기반 과학 모델을 실행하는 인터페이스 역할을 하게 된 셈이다.

Claude가 과학 시뮬레이션 인터페이스가 되는 방식

이번 통합의 핵심은 Claude와 SandboxAQ의 과학 모델을 **MCP(Model Context Protocol)**로 연결한 것이다. MCP는 AI 어시스턴트가 외부 도구나 데이터 시스템과 통신하도록 만든 공개 표준이다.

연구자가 예를 들어 다음과 같은 질문을 던진다고 가정해 보자.

• 특정 반응에 적합한 촉매 후보를 찾아 달라
• 특정 분자의 표면 흡착 에너지를 계산해 달라

Claude는 이 자연어 요청을 해석해 구조화된 계산 작업으로 변환하고, 이를 SandboxAQ의 모델에 전달한다. 모델이 실제 물리 기반 계산을 수행한 뒤 결과를 다시 Claude를 통해 사용자에게 전달한다.

SandboxAQ에 따르면 이 방식은 기존에 필요했던 맞춤 스크립트, 복잡한 API 연동, 전용 컴퓨팅 환경 관리 같은 과정을 크게 줄여 준다. 연구자는 인프라를 직접 관리하지 않고도 대화 형태로 고정밀 분자 시뮬레이션을 실행할 수 있다.

LQM: 일반 언어 모델과 무엇이 다른가

SandboxAQ의 **Large Quantitative Models(LQM)**은 일반적인 대형 언어 모델(LLM)과 근본적으로 접근 방식이 다르다.

LLM이 텍스트 패턴을 학습하는 모델이라면, LQM은 물리 법칙과 수학적 계산을 기반으로 실제 세계 시스템을 시뮬레이션하도록 설계된 모델이다.

이 모델들은 다음과 같은 영역을 다룬다.

• 화학 반응 시뮬레이션
• 분자 동역학
• 재료 물성 예측

SandboxAQ는 물리 기반 시뮬레이션과 머신러닝을 결합해 신약 개발이나 재료 연구의 발견 속도를 높이는 것을 목표로 하고 있다.

Claude 같은 자연어 인터페이스와 결합하면, 연구자는 복잡한 계산 모델을 마치 AI 비서에게 질문하듯 사용할 수 있다.

첫 적용 사례: 촉매 탐색 모델 ‘AQCat Adsorption Spin’

Claude 통합을 통해 처음 제공되는 도구는 AQCat Adsorption Spin이다.

이 모델은 이종 촉매(heterogeneous catalyst) 탐색을 위한 머신러닝 기반 시스템으로, 연구자가 자연어로 다음과 같은 분석을 수행할 수 있게 한다.

• 촉매 표면에서 분자의 흡착 에너지 예측
• 결합 에너지 교차점(binding-energy crossover) 분석
• 특정 화학 반응에 적합한 촉매 조성 탐색

이 시스템은 SandboxAQ의 스핀(spin) 효과를 고려한 촉매 머신러닝 엔진을 기반으로 하며, 전통적인 DFT(밀도 범함수 이론) 시뮬레이션과 유사한 통찰을 훨씬 간단한 설정으로 제공하는 것을 목표로 한다.

촉매 연구는 산업적으로도 중요한 분야다. 산업 화학 공정의 상당수가 촉매 반응에 의존하며, 관련 AI 모델 학습에는 수천만 건의 양자화학 계산 데이터가 사용된다. 예를 들어 AQCat25 데이터셋에는 약 1,100만 개 계산 데이터와 4만 개 이상의 촉매 시스템이 포함돼 있다.

다음 단계: 신약 개발 모델

SandboxAQ는 앞으로 같은 방식으로 다른 LQM 모델도 Claude와 연결할 계획이다.

특히 바이오·제약 연구를 위한 모델 두 가지가 공개됐다.

• AQPotency: 후보 약물 분자의 효능 예측
• AQCell: 세포 수준의 상호작용과 생물학적 반응 모델링

이러한 모델이 실제로 Claude 인터페이스를 통해 제공되면, 기존에는 계산화학 전문가나 전용 팀만 사용하던 도구가 더 넓은 연구자 워크플로에 통합될 수 있다는 기대가 나온다.

SandboxAQ가 말하는 ‘Quantitative AI’ 확장 전략

SandboxAQ는 이번 통합을 단순한 제품 기능 추가로 보지 않는다.

회사 측은 이를 “Quantitative AI(정량 기반 AI)”를 확산시키는 전략의 시작으로 설명한다.

지금까지 고급 과학 시뮬레이션을 실행하려면 다음 두 가지가 필요했다.

• 깊은 도메인 지식
• 복잡한 프로그래밍 및 컴퓨팅 인프라

하지만 LLM을 인터페이스 계층으로 활용하면 연구자는 코드 대신 질문으로 모델을 사용할 수 있게 된다.

SandboxAQ는 이 접근 방식이 다음 산업으로 확장될 가능성을 보고 있다.

• 바이오제약 및 신약 개발
• 에너지와 촉매 기술
• 산업 화학
• 첨단 소재 연구

핵심 아이디어는 간단하다. 연구자가 가설 → 시뮬레이션 → 결과 분석까지의 과정을 훨씬 빠르게 반복할 수 있게 만드는 것이다.

과학 연구에서 나타나는 새로운 AI 구조

이번 사례는 과학 AI에서 점점 늘어나는 구조를 보여준다.

• LLM: 사용자 인터페이스 및 작업 오케스트레이션
• 전문 모델(LQM): 실제 물리·화학 계산 수행

즉, 언어 모델이 과학을 직접 추론하는 대신 도메인 특화 계산 모델을 호출하고 조율하는 역할을 맡는다.

이런 구조가 확산되면 고급 계산 과학 도구가 더 많은 연구자에게 열릴 가능성이 있다. 프로그래밍, 시뮬레이션 파이프라인, 고성능 컴퓨팅에 대한 전문 지식이 없어도 자연어 인터페이스를 통해 실제 과학 계산을 실행할 수 있기 때문이다.