분자 역학 (Molecular Dynamics, MD)은 제1원리 물리학 (first-principle physics)으로부터 분자의 거동을 시뮬레이션하는 원자 단위 분자 과학의 표준적인 인실리코 (in-silico) 방법입니다. 새로운 시스템을 위한 MD 파이프라인을 설계하려면 상당한 전문가 지식이 필요합니다. 단 하나의 분자에 대해서도 실행 비용이 많이 들기 때문에 시행착오 (trial-and-error) 방식은 배제됩니다. 우리는 LLM 에이전트를 통해 이러한 전문가의 파이프라인 설계 과정을 자동화합니다. 미리 정의된 도구 세트를 조율하는 기존의 MD 에이전트와 달리, 우리는 파이프라인 설계를 에이전트의 행동이 언어적 보상 (verbal reward)을 통해 온라인상에서 재형성되는 개방형 코드 생성 (open-ended code generation)으로 취급합니다. 구체적으로, 우리는 물리학 전문가들 사이의 다중 에이전트 토론 (multi-agent debate)을 통해 인컨텍스트 업데이트 규칙 (in-context update rule)이 희소한 보상 (sparse reward)을 밀집화하는 LLM 에이전트인 MDForge를 구축합니다. 세 가지 SAMPL 호스트-게스트 결합 자유 에너지 (host-guest binding free-energy) 벤치마크에서 MDForge는 인간 전문가와 경쟁할 수 있는 MD 파이프라인을 자동으로 설계합니다. 학습되지 않은 후보 게스트 라이브러리에 배포했을 때, MDForge의 CB[7] 파이프라인은 실험실 경쟁 NMR이 고친화성 피코몰 (picomolar) CB[7] 결합제임을 확인한 새로운 결합제를 발견했습니다. 우리의 데이터와 코드는 https://github.com/Zehong-Wang/MDForge 에서 확인할 수 있습니다.