자연어 프로토콜을 로봇 실험 플랫폼용으로 교차 모델 검증하여 번역하는 이중 에이전트 프레임워크

생물학 실험 프로토콜은 자연어(Natural Language)로 작성되는 반면, 자동화 시스템은 미리 정의된 제어 명령(Control Commands)에 의존하기 때문에 자율적인 실행을 제한하는 의미론적 격차(Semantic Gap)가 발생합니다. 마이크로플레이트(Microplate) 기반의 자동 실험은 웰 매핑(Well mapping), 시료-시약 조합, 반복 배치, 병렬 분주(Parallel dispensing)를 동시에 제어해야 하므로 특히 까다롭습니다. 본 연구는 자연어 기반의 마이크로플레이트 프로토콜을 로봇 실험 플랫폼을 위한 실행 가능한 제어 명령으로 변환하는 에이전트 기반 프로토콜 번역 프레임워크를 제안합니다. 파서 에이전트(Parser Agent)는 자연어 프로토콜을 구조화된 표현으로 정형화하며, 규칙 기반 매핑 엔진(Rule-based mapping engine)은 로봇 실험 플랫폼의 운영 제약 조건을 결정론적으로 통합하여 장치 수준의 제어 명령을 생성합니다. 이기종 LLM 검증 에이전트(Heterogeneous LLM Validation Agent)는 완전성, 파라미터 정확도, 실행 순서를 검증하며, 오류가 감지되면 구조화된 피드백과 함께 자기 수정 루프(Self-correction loop)를 트리거합니다. 무작위로 선택된 ELISA 프로토콜에 대해 7개의 파서(Parser)와 3개의 검증기(Validator)를 포함하는 스윕(Sweep) 테스트를 수행하여, 교차 모델 검증 환경에서 모델 규모와 검증기 유형이 번역 정확도 및 통과율에 미치는 영향을 평가합니다. 또한, 제안된 프레임워크의 규칙 기반 매핑을 LLM 엔드투엔드(End-to-end) 직접 매핑과 비교함으로써 정확도-지연 시간(Accuracy-latency) 트레이드오프를 추가로 검증합니다. 마지막으로, 마이크로플레이트를 이용한 Bradford assay 기반 단백질 정량을 로봇 실험 플랫폼에서 시연함으로써, 자연어 프로토콜부터 실제 실험에 이르기까지의 엔드투엔드 자율 실행을 입증했습니다. 제안된 프레임워크는 자연어 프로토콜과 마이크로플레이트 기반 자율 주행 실험실(Self-driving laboratories) 사이의 의미론적 격차를 좁히는 유연한 접근 방식을 제공합니다.