Self-Driving Lab 도입 계약서에서 장비 대수보다 먼저 물어야 할 질문은 하나다. ‘이번 측정의 품질이 합격했을 때 그 결과를 누가 읽고, 허용된 후보 중 다음 실험을 누가 선택하며, 선택 오류가 생기면 누가 루프를 멈추는가?’ 답이 연구원이라면 고도 자동화일 수는 있어도 자율실험의 의사결정 고리는 아직 사람에게 열려 있다. 답이 알고리즘이라면 목표·제약·승인권·복구 책임까지 계약에 적어야 비로소 Self-Driving Lab 파일럿의 범위가 보인다.
자동 실행이 아니라 다음 실험 선택까지 닫혀야 한다
NIST의 자율실험실 정의는 고급 알고리즘이 어떤 시료를 만들고 어떻게 특성화할지 고르며, 보통 매 반복에서 얻는 지식을 키우는 닫힌 피드백 루프를 이룬다고 설명한다. 따라서 핵심 작업은 ‘레시피를 자동으로 실행한다’에서 끝나지 않는다. 실험 ID에 조성·공정조건을 붙여 실행하고, 교정 이력이 있는 측정값을 받고, 품질검사를 통과한 값으로 모델과 불확실성을 갱신한 뒤, 안전 제약 안에서 다음 후보를 고르는 데까지 이어져야 한다.
자동화 실험실은 사람이 미리 만든 100개 레시피를 밤새 정확히 실행할 수 있다. 프로그래머블 클라우드랩도 원격 사용자가 보낸 프로토콜을 표준 장비로 재현할 수 있다. 둘 다 유용하지만 결과가 다음 명령을 바꾸지 않으면 열린 순서 실행이다. 반대로 한 대의 측정기만 써도 결과에 따라 다음 측정 위치를 알고리즘이 바꾸고 그 결정을 실제 장비가 수행한다면 제한된 범위의 Self-Driving Lab이 될 수 있다. 장비 규모와 자율성은 같은 축이 아니다.
또한 ‘사람이 전혀 없다’는 조건도 정의의 출발점이 아니다. 사람은 과학적 목표, 허용 물질, 온도·압력 상한, 예산과 중단 규칙을 정할 수 있다. 중요한 구분은 사람이 매 실험을 골라 주는지, 아니면 캠페인 경계를 정한 뒤 시스템이 관측 결과에 맞춰 그 안에서 다음 실험을 선택하는지다. 후자는 사람 감독이 있는 제한 자율성이고, 전자는 의사결정 지원형 자동화다.
현장이 준비됐는지는 다섯 개의 연결점으로 판정한다
자율실험은 로봇 셀 한 개를 들여놓는 공사가 아니라 시료·장비·데이터·모델·안전 상태를 서로 읽을 수 있게 만드는 통합 작업이다. NIST의 모듈형 자율실험 생태계 표준화 자료는 표준화가 필요한 영역을 시료 관리, 기기 제어·통신, 데이터·지식 관리, 알고리즘·모델 통합의 네 묶음으로 제시한다. 현재 완성된 단일 표준을 뜻하는 것이 아니라, 산업 도입을 막는 상호운용성 공백을 NIST가 어떻게 분류하는지 보여 주는 자료다.
| 연결점 | 파일럿 전에 확인할 상태 | 열려 있으면 생기는 오류 | 증거 |
|---|---|---|---|
| 시료 | 고유 ID, 현재 위치, 용기 변경과 폐기 이력 | 측정값이 다른 시료에 붙음 | 바코드 스캔과 위치 이벤트 |
| 장비 | 명령 수락·완료·고장·교정 상태를 기계가 읽음 | 끝나지 않은 실험을 완료로 처리 | 상태 API와 고장 주입 기록 |
| 데이터 | 단위·온도·원시 파일·분석 버전이 함께 저장됨 | 서로 다른 조건을 같은 값으로 학습 | 스키마 검사와 원본 해시 |
| 모델 | 입력 범위·불확실성·획득 규칙·버전이 고정됨 | 학습 범위 밖 후보를 과신 | 결정 로그와 재현 실행 |
| 안전 | 금지 조합·설비 한계·사람 승인 조건이 실행 전에 적용됨 | 좋은 점수의 위험한 실험을 실행 | 하드 인터록과 승인 기록 |
현장 준비 완료는 모든 장비가 최신이라는 뜻이 아니다. 낡은 분석기도 명령 결과와 시료 ID를 안정적으로 내보내면 쓸 수 있다. 반대로 새 로봇이라도 사람이 화면을 보고 성공 여부를 수기로 입력해야 한다면 무인 회차의 증거가 약하다. 파일럿 범위에는 자동화하기 어려운 한 단계보다, 그 단계에서 상태가 끊겨 잘못된 다음 실험을 만드는지부터 표시한다.
첫 파일럿은 좁은 목표와 네 단계 자율성으로 설계한다
처음부터 ‘신소재 발견’을 목표로 잡으면 성공과 실패의 분모가 흐려진다. 조성 변수 세 개, 측정 지표 한 개, 장비 경로 한 개처럼 경계를 줄이고 사람이 이미 수행한 기준 캠페인과 비교한다. NIST Autonomous Formulation Lab은 AI 실험계획, 로봇 혼합, 유동 셀 측정과 결과 학습을 닫힌 루프로 연결한다고 공개한다. 이 사례가 모든 분야의 설계 정답은 아니지만, 계획–시료 준비–측정–학습을 하나의 시험 가능한 경로로 잡는 방법은 참고할 수 있다.
- 1단계 자동 실행: 사람이 모든 레시피와 순서를 정하고 시스템은 반복 실행한다.
- 2단계 의사결정 지원: 알고리즘이 다음 후보를 추천하지만 사람이 매 회차 승인한다.
- 3단계 제한 자율: 사람이 목표·금지 조건·예산을 승인하면 시스템이 그 범위에서 후보를 고르고 실행한다.
- 4단계 감독 자율: 시스템이 이상을 분류하고 허용된 복구까지 수행하되, 경계 이탈과 새로운 위험은 사람에게 넘긴다.
이 네 단계는 법령이나 국제표준의 공식 등급이 아니라 파일럿 책임을 분명히 하기 위한 운영 분류다. 단계가 높다고 항상 좋은 것도 아니다. 독성 물질, 고압 반응, 값비싼 시료처럼 한 번의 잘못된 선택 비용이 크다면 회차별 사람 승인을 유지하는 편이 합리적이다. 반대로 저위험 측정 위치 탐색은 목표와 장비 한계만 고정하고 제한 자율로 돌릴 수 있다.
파일럿 계약에는 ‘알고리즘을 사용한다’보다 입력과 출력을 쓴다. 입력은 허용 후보군, 목적함수, 안전 제약, 실험 예산, 초기 데이터다. 출력은 다음 실험, 선택 이유, 예상 개선량 또는 정보가치, 불확실성, 중단 판단이다. 장비 오프라인이나 품질검사 실패 때 후보를 다시 고를지, 같은 실험을 반복할지, 사람을 호출할지도 미리 정한다.
성공률보다 루프의 무결성을 먼저 측정한다
Self-Driving Lab의 가치는 더 좋은 후보를 찾는 데 있지만, 파일럿 인수는 우연히 좋은 결과 하나가 나온 것으로 끝내면 안 된다. 동일한 데이터와 모델 버전에서 같은 결정이 재현되는지, 품질이 나쁜 측정이 학습에서 빠지는지, 허용 영역 밖 후보가 실행 직전에 막히는지부터 확인한다. 최적값은 과학 문제에 따라 달라지지만 루프 무결성은 시스템 공통 조건이다.
| 인수 항목 | 분모 | 합격 증거 | 확대 중단 신호 |
|---|---|---|---|
| 추적성 | 전체 실행 회차 | 시료·명령·원시자료·모델 결정이 한 ID로 연결 | 수기 병합이나 고아 파일 발생 |
| 측정 품질 | 완료로 보고된 회차 | 교정·대조군·반복성 규칙 통과 뒤에만 학습 | QC 실패값이 모델에 입력 |
| 제약 준수 | 제안된 전체 후보 | 금지 조합과 설비 한계 위반 0건 | 소프트웨어 점수만으로 인터록 우회 |
| 복구 | 주입한 고장 시나리오 | 안전정지·상태 보존·중복 없는 재개 | 원인 미상 자동 재시작 |
| 과학 효율 | 같은 실험 예산 | 기준 전략보다 목표 도달 또는 불확실성 감소 | 유리한 회차만 골라 비교 |
마지막 행의 효율은 프로젝트별 추정치다. 후보 공간과 잡음, 초기 데이터가 다르면 개선 폭도 달라지므로 ‘자율실험이 항상 몇 배 빠르다’는 보편 수치를 두지 않는다. 같은 예산과 같은 중단 규칙으로 무작위·격자·전문가 전략을 재실행하거나 시뮬레이션해 비교하고, 실제 장비 시간과 사람 개입 시간도 함께 센다.
지원 계약은 멈춘 뒤의 상태를 다뤄야 한다
일반 자동화에서는 장비를 고쳐 다시 시작하면 될 때가 많다. 닫힌 루프에서는 고장 직전 결과가 모델에 들어갔는지, 후보가 예약만 됐는지 실제 시료가 만들어졌는지까지 복원해야 한다. 같은 후보를 두 번 만들거나 실패 측정을 정상값으로 넣으면 이후의 모든 선택이 달라질 수 있다. 그래서 장비 공급자는 물리 상태를, 통합자는 이벤트와 재시도 의미를, 모델 담당자는 학습 데이터와 결정 상태를 각각 복구할 책임을 가져야 한다.
자동 복구를 허용할 범위도 좁혀 쓴다. 일시적 통신 끊김처럼 시료 상태가 변하지 않은 고장은 상태 조회 뒤 재시도할 수 있다. 투입량 불확실, 용기 손상, 교정 만료, 센서 포화처럼 결과의 의미가 바뀐 사건은 회차를 격리하고 사람이 판정한다. ‘재시도 세 번’ 같은 횟수 규칙만 두면 위험한 동작을 반복할 수 있으므로 고장 종류와 물리 상태가 기준이 되어야 한다.
지원 응답시간도 연구실 운영과 맞춰야 한다. 모델 서버 복구가 빨라도 반응 중인 시료를 되돌릴 수 없고, 야간 캠페인에서 원격 지원자가 장비 내부를 볼 수 없을 수 있다. 중지 상태에서 에너지와 시료를 안전하게 유지하는 시간, 로그 보존 기간, 현장 호출 조건, 재개 승인자를 인수 문서에 넣는다.
확대 결정은 자율성 단계와 위험을 함께 올린다
한 공정에서 통과했다고 곧바로 다른 재료·장비·목적함수로 넓히지 않는다. 첫째, 같은 장비에서 변수 범위를 확장한다. 둘째, 새 분석기를 연결한다. 셋째, 야간 무인 운전을 늘린다. 넷째, 회차별 사람 승인을 목표·제약 승인으로 바꾼다. 변화마다 새 실패 모드가 하나씩 생기므로 한 번에 하나의 축만 넓히는 편이 원인 추적에 유리하다.
확대 조건은 좋은 후보 수가 아니라 검증된 운영 구간이다. 정해진 회차 동안 ID 단절과 안전 제약 위반이 없고, 주입 고장에서 상태를 잃지 않고, 과학 효율이 기준 전략보다 나쁘지 않으며, 사람 개입의 이유와 시간이 허용 범위 안에 있어야 한다. 이 조건을 충족하지 못하면 장비를 더 사는 대신 데이터 계약이나 복구 절차부터 고친다.
Self-Driving Lab은 로봇이 있는 장소의 이름이 아니라 책임이 연결된 피드백 구조다. 사람이 목표와 한계를 정해도 된다. 다만 시스템이 그 경계 안에서 측정 결과를 해석하고 다음 실험을 선택해 실제로 실행하며, 품질·안전 실패 때 스스로 멈출 수 있어야 ‘닫힌 루프’라는 표현이 기술적으로 의미를 갖는다. 이 경계는 피지컬 AI의 뜻과 범위에서 설명하는 감지–판단–행동–피드백 구조를 실험실 작업으로 좁혀 읽으면 더 선명하다.
파일럿 기간과 사람 승인 시점은 무엇으로 정하나
Self-Driving Lab 파일럿은 몇 주 동안 해야 하나요?
고정된 주수보다 정상 회차와 고장 회차를 충분히 모았는지가 중요하다. 최소한 기준 전략과 같은 예산의 정상 캠페인, 교정 만료·통신 끊김·QC 실패·위험 후보 같은 주입 시험, 중지 후 재개까지 포함한다. 실험 주기가 길다면 주수는 늘어나고, 짧은 측정이라도 실패 시나리오를 한 번도 겪지 않았다면 인수 근거가 부족하다.
사람이 매 실험을 승인하지 않아도 되는 시점은 언제인가요?
허용 후보와 안전 제약이 기계 판독 가능하고, 측정 QC와 불확실성 기준이 검증됐으며, 경계 위반이 하드 인터록에서 막히고, 실패 시 상태 보존과 사람 호출이 반복 시험에서 확인된 뒤다. 처음에는 저위험 범위만 제한 자율로 전환하고 새로운 물질·장비·목표는 다시 승인 구간으로 돌린다.
자료 마지막 확인: 2026년 8월 26일