동일한 프로토콜을 원격 시설에 제출해 24시간 뒤 데이터를 받는 조건과, 현장 장비가 3분마다 측정하고 다음 조성을 고르는 조건은 같은 자동화가 아니다. 전자는 장비 소유·운영을 서비스 사업자에게 맡길 수 있지만 대기열과 지원 범위에 묶인다. 후자는 빠른 피드백을 설계할 수 있지만 로봇·안전·유지보수 책임을 직접 져야 한다.
클라우드랩에 AI 에이전트를 붙였다고 곧 Self-Driving Lab이 되는 것도 아니다. 결과를 구조화해 받는 것, 다음 실험 후보를 계산하는 것, 안전·재고·프로토콜 가능성을 검사한 뒤 실제 주문을 실행하는 것까지 닫혀야 한다. 어느 지점에서 사람이 승인하는지에 따라 자율성도 달라진다.
원격 제출 버튼 뒤의 물리 작업을 먼저 본다
프로그래머블 클라우드랩 사용자는 코드나 인터페이스로 프로토콜을 정의하고 시료·재료를 보내며, 시설이 장비 예약·준비·실행과 데이터 수집을 담당한다. Emerald Cloud Lab 공식 설명은 200개가 넘는 장비 모델을 단일 소프트웨어 인터페이스로 제어하고 원격으로 실험을 수행한다고 밝힌다. 이는 회사가 공개한 서비스 범위이며 모든 기법·국가·시료의 즉시 이용을 뜻하지 않는다.
Self-Driving Lab은 소유 형태가 아니라 폐루프다. NIST의 자율실험실 정의는 알고리즘이 다음에 만들고 측정할 샘플을 선택하고 결과가 닫힌 피드백 루프로 돌아오는 운영 패러다임을 설명한다. 자체 장비일 수도 있고 외부 시설을 호출할 수도 있다.
따라서 분류 질문은 ‘클라우드인가’가 아니라 ‘다음 실험을 누가, 어떤 정보와 제약으로 선택하며 실행 결과가 자동으로 다시 들어오는가’다. 사람이 매번 결과를 내려받고 다음 주문을 직접 작성하면 프로그래머블 원격 자동화다. 승인만 남기고 에이전트가 후보·제약검사·제출·결과 수집을 반복하면 감독형 폐루프에 가까워진다.
센서 불확실성은 원격일수록 늦게 보인다
자체 랩에서는 원시 센서, 장비 화면, 시료 모습과 환경 상태를 실시간으로 추가 확인할 수 있다. 클라우드랩에서는 계약된 데이터와 이벤트만 받는다. 온도·압력·교정·원시 이미지·실패 로그가 어느 해상도로 제공되는지에 따라 에이전트의 판단 가능 범위가 달라진다.
측정값의 불확실성뿐 아니라 대기시간도 모델 입력이다. 시설 대기열, 재료 입고, 장비 예약, 수동 단계와 재실행 승인 때문에 다음 결과가 늦어질 수 있다. 베이지안 최적화 같은 순차 알고리즘은 결과 도착 순서가 바뀌거나 여러 실험을 병렬 제출할 때 ‘보류 중’ 실험을 중복 선택하지 않도록 설계해야 한다.
서비스 화면이 성공을 표시해도 샘플 처리·측정·분석의 어느 단계가 끝났는지 구분한다. 측정 파일이 정상인지, 품질관리 플래그와 장비 교정이 유효한지 확인한 뒤에만 학습 데이터로 승격한다. 실패한 런도 원인과 함께 받아야 에이전트가 불가능 영역을 다시 주문하지 않는다.
모델은 실행 가능한 프로토콜 바깥을 제안할 수 있다
외부 에이전트는 화학적으로 흥미로운 조성을 제안해도 클라우드랩의 허용 시약, 용기, 장비 범위와 안전 규칙을 모를 수 있다. 자연어 아이디어를 곧바로 주문으로 바꾸지 않고 공급자 카탈로그, 재고, 농도·부피·온도 상한과 금지 조합을 기계 검증 가능한 스키마로 만든다.
Carnegie Mellon의 Cloud Lab 공식 발표는 대학 연구·교육을 위한 원격 제어 실험 플랫폼과 AI 기반 실험 가능성을 설명한다. 가능성 발표는 외부 에이전트의 모든 명령이 안전하고 과학적으로 타당하다는 검증이 아니다. 각 프로토콜은 시설이 실제 지원하는 작업으로 컴파일돼야 한다.
목적함수도 경계를 가진다. 수율 하나만 높이면 비용·독성·시간·재현성이 나빠질 수 있다. 에이전트에는 금지조건과 다목적 기준, 예산·실험 수, 중단 규칙을 준다. 지원되지 않는 작업을 비슷한 작업으로 임의 치환하지 않고 실행 불가 상태와 이유를 돌려받아 사람이 설계를 바꾸게 한다.
제어 응답은 API보다 계약과 승인에 묶인다
자체 SDL에서는 장비 상태를 읽고 즉시 다음 명령을 내릴 수 있지만 안전 인터록과 현장 운영 승인에 묶인다. 클라우드랩에서는 주문 API, 변경·취소 마감, 서비스 운영자의 검토와 예약 정책을 따른다. 빠른 모델이 있어도 시설이 분 단위 폐루프를 제공하지 않으면 결과 회전은 빨라지지 않는다.
자율성 단계는 세 가지로 기록할 수 있다. 1단계는 사람이 후보와 실행을 모두 승인한다. 2단계는 에이전트가 후보를 고르고 사람은 안전·비용·프로토콜을 묶음 승인한다. 3단계는 사전 승인된 탐색공간 안에서 에이전트가 자동 제출하고 예외만 사람이 처리한다. 어떤 단계에서도 공급자 안전 인터록을 우회하지 않는다.
취소도 실제 동작과 동기화해야 한다. 요청 취소가 수락됐어도 이미 시약이 투입됐을 수 있다. API 상태, 물리 실행 상태와 비용 청구 상태를 따로 읽고, 응답 손실 뒤 같은 실험을 중복 제출하지 않도록 요청 ID를 사용한다. 결과가 늦게 도착하면 캠페인 버전과 맞는지 확인한다.
물리 한계는 자유도·데이터·지원에서 갈린다
클라우드랩의 장점은 고가 장비와 표준 운영에 접근하면서 시설 구축·정비를 줄일 수 있다는 점이다. 반면 카탈로그 밖의 커스텀 장치, 특수 센서, 빠른 장비 간 핸드오프나 비공개 시료는 제한될 수 있다. 반입·보관·폐기와 데이터 위치, 지식재산·감사권을 계약에서 확인한다.
자체 SDL은 장비·센서·로봇과 프로토콜을 깊게 바꿀 수 있고 짧은 피드백을 만들 수 있다. 그 대신 장비 가동률, 안전·시설, 교정, 소모품, 소프트웨어와 야간 복구를 모두 운영해야 한다. 구매비와 구독료만 비교하지 말고 연구원·통합·정비·대기·재실험을 포함한 총비용으로 본다.
하이브리드도 가능하다. 빠르고 반복적인 스크리닝은 자체 랩에서 하고, 희귀·고가 분석이나 독립 검증은 클라우드랩으로 보낸다. 이 경우 샘플 ID, 전처리·보관 시간과 두 시설의 계측 상관이 핵심이다. 외부 결과가 늦게 와도 어느 모델·캠페인에 반영됐는지 추적해야 한다.
다섯 조건이 닫히지 않으면 자율 실행을 멈춘다
클라우드랩을 SDL의 실행기로 쓰려면 목표, 실행 가능성, 승인, 상태와 데이터가 하나의 캠페인 ID로 연결돼야 한다. 아래 조건 가운데 하나가 확인되지 않으면 에이전트가 다음 주문을 자동 제출하지 않고 보류한다.
| 시험 조건 | 클라우드랩에서 확인할 신호 | SDL 판정 | 안전한 중단 |
|---|---|---|---|
| 다음 실험 선택 | 결과·불확실성으로 후보와 이유 생성 | 사람 수동 선택이면 프로그래머블 자동화 | 후보·모델 버전 보존 후 승인 대기 |
| 실행 가능성 | 카탈로그·재고·단위·위험·비용 검증 | 검증 통과 뒤 제출돼야 폐루프 | 지원 불가 이유와 대안만 반환 |
| 상태 왕복 | 접수·예약·실행·실패·취소·완료 이벤트 | 물리 상태가 캠페인에 자동 반영 | 불명확 상태에서는 중복 제출 금지 |
| 결과 품질 | 원시 데이터·메타데이터·교정·QC·실패 로그 | 유효 결과만 학습 집합에 승격 | QC 실패 시 격리·재실행 승인 |
| 사람 경계 | 탐색공간·예산·금지조건·예외 승인 | 사전 승인 범위 안에서만 자동 반복 | 범위 이탈·위험·예산 초과 시 정지 |
데이터가 도착하지 않거나 시료 ID가 맞지 않으면 모델에 0점으로 넣지 않는다. ‘실패’와 ‘결측’을 구분하고 물리 원인을 조사한다. 민감한 데이터의 저장 위치·접근권한·반출과 삭제 증거가 계약과 맞지 않아도 자동 캠페인을 열지 않는다.
작은 병렬 캠페인으로 다시 비교한다
최종 선택 전 같은 과학 질문을 자체 랩과 클라우드랩의 작은 캠페인으로 나눠 본다. 실험 수보다 후보 도달시간, 유효 결과 비율, 사람 개입, 대기·취소, 메타데이터 완전성, 재현성과 전체 비용을 비교한다. 자동화 화학실 재현성 연구가 보여 주듯 실험 명세와 실행·데이터 포착의 추상화도 비교 대상이며, 한 시설에 유리한 프로토콜만 쓰지 않는다.
- 지원 장비·시약·용기·수동 단계와 금지조건을 현재 카탈로그·계약에서 확인한다.
- 원시 데이터, QC, 교정·환경·실패 메타데이터와 반환 지연을 샘플 ID별로 측정한다.
- 외부 에이전트의 후보를 실행 스키마로 검증하고 승인·예산·중단 규칙을 고정한다.
- 보류 중 실험과 늦게 도착한 결과를 처리해 중복 선택·캠페인 버전 혼입을 막는다.
- 응답 손실·취소·지원 불가·시료 불일치에서 자동 재제출 대신 안전 보류가 되는지 시험한다.
- 같은 의사결정 품질에 도달하는 총시간·유효 실험·개입·재실험·총비용으로 선택한다.
결론은 소유 방식이 아니라 질문의 시간척도와 자유도에 달려 있다. 표준 장비를 폭넓게 쓰고 시설 운영을 맡기려면 클라우드랩이 유리할 수 있다. 커스텀 장비와 짧은 피드백·민감한 시료가 핵심이면 자체 SDL이 맞을 수 있다. 외부 시설을 쓰더라도 선택–검증–실행–품질–학습이 닫히면 SDL이 될 수 있지만, 단순 원격 제출만으로는 아니다.
클라우드랩과 AI 에이전트의 개입·책임 경계
클라우드랩에 AI 에이전트를 연결하면 사람은 언제 개입해야 하나요?
탐색공간·예산·금지조건을 처음 승인하고, 지원 불가 프로토콜, 위험·비용 초과, QC 실패, 시료 불일치와 불명확한 실행 상태에서 개입해야 한다. 사전 승인 범위의 정상 반복은 자동화할 수 있어도 안전 인터록과 예외 승인을 없애지는 않는다.
실험이 실패하면 클라우드랩과 에이전트 개발자 중 누가 책임지나요?
시설은 계약된 장비 실행·교정·샘플 처리와 운영 로그를, 에이전트 측은 후보 선택·제약검사·중복 방지·모델·캠페인 계보를 책임지도록 나눠야 한다. 화학적 실패와 운영 실패의 분류, 재실행 비용과 데이터 권리는 계약 전에 정한다.
자료 마지막 확인: 2026년 8월 26일