딥마인드, Argon 과학 연구 성과 공개

구글 딥마인드가 10월 14일 새 프론티어 모델 Gemini 4 Argon으로 양자컴퓨팅, 핵융합, 단백질 설계 분야에서 낸 과학 연구 성과를 공개했다. 딥마인드는 공식 X 계정에 "Gemini 4 Argon이 이미 양자컴퓨팅, 핵융합, 단백질 설계 등에서 새로운 과학적 돌파구를 열고 있다"고 밝혔다. 근거는 하루 전인 10월 13일 코레이 카북추오글루 구글 딥마인드 수석부사장 겸 최고 AI 설계책임자가 정식 출시 글에 적은 네 가지 사례다. 구글은 같은 날 과학자 1만 명에게 개발 환경 구글 안티그래비티의 최고 사용 등급을 6개월 동안 무료로 열어 주겠다고 발표했다.

메탈은 구글 딥마인드가 10월 1일 Gemini 4 Argon을 공개했다고 보도한 바 있으며, 13일 발표는 그 모델을 개발자와 기업, 유료 구독자에게 전 세계 동시에 연 정식 출시다. 모델은 API와 AI 스튜디오, 안티그래비티, 제미나이 앱, 검색의 AI 모드로 배포된다. 입력과 출력을 합쳐 최대 100만 토큰을 다룬다. 메탈은 같은 모델을 로봇 시뮬레이션에 쓴 사례도 보도했다.

가장 큰 숫자는 양자컴퓨팅에서 나왔다. 최근 양자 시뮬레이션 알고리즘의 기본 부품인 아크사인 서브루틴을 Argon이 새로 짰고, 이 구현은 수학 증명 검사 도구 린(Lean)으로 형식 검증을 거쳤다. 구글에 따르면 공개된 양자 CORDIC 기준 구현보다 시공간 비용이 100배 넘게 줄었다. 시공간 비용은 연산에 드는 하드웨어 규모와 실행 시간을 함께 잰 값이다. Argon은 오류 정정 쪽에도 손을 댔다. 기계학습 기반 양자 오류 정정 디코더 알파큐빗의 내부 버전을 하나의 최적화된 하드웨어 커널로 옮겨 추론 처리량을 두 배 가까이 끌어올렸다. 디코더가 양자 하드웨어의 실시간 속도를 따라가야 더 큰 장치로 넓힐 수 있다는 것이 구글의 설명이다.

핵융합에서는 59년 묵은 수학 가설이 대상이었다. 스텔러레이터는 뒤틀린 3차원 자기장으로 뜨거운 플라스마를 가두는 핵융합 장치인데, 1967년부터 이어진 그래드 추측은 이 자기장의 정확한 수학 해를 찾을 수 없다고 봤다. 최근 메릴랜드대 매트 랜드리먼 교수 등이 반례를 찾아냈고, 구글 연구팀은 랜드리먼 교수와 함께 더 넓은 범위의 반례 집합을 발견했다. 구글은 이 해들이 스텔러레이터 설계에 쓰는 시뮬레이션 코드를 시험할 믿을 만한 기준점이 된다고 밝혔다.

생명과학 사례는 두 갈래다. 가모 랩스 연구진은 희귀 발달성 폐질환을 앓는 신생아의 비식별 유전체를 Argon으로 분석했고, 한 사례에서 일반 분석 소프트웨어가 수년 동안 놓친 염색체 재배열을 짚어 내고 왜 그동안 잡히지 않았는지까지 설명했다. 가모 랩스 내부 평가에서 Argon은 희귀질환 진단 보조 벤치마크 레어벤치 57%, 실험실 추론 평가 랩벤치 52.2%로 1위를 기록했다. 효소 설계에서는 에스터 결합을 끊는 세린 에스테라아제를 만들었다. 결합이 끊기면 자외선 아래에서 빛나는 표준 분자 4MU 아세테이트를 표적으로 삼아, Argon은 몇 시간 만에 데이터를 모으고 모델을 조정하고 생화학 기반 필터를 골라 새 설계안 5개를 내놨다. 이후 실험실 시험에서 다섯 설계 모두 촉매 활성이 확인됐다. 보통 수개월의 모델 조정과 후보 선별이 드는 작업이다.

연구 소프트웨어 자체도 빨라졌다. 구글 연구진은 분자의 3차원 구조를 예측해 신약·소재 후보를 거르는 오픈소스 양자화학 패키지 xTB를 안티그래비티 안에서 Argon으로 손봐 구조 예측을 최대 2.3배, 이형태체 탐색을 1.8배 빠르게 만들었고 수정 사항을 공식 저장소에 기여했다. 에이전트 개발 키트(ADK) 작업에서는 Argon이 약 800개 파일, 20만5000줄 규모 코드베이스를 11시간 동안 홀로 살펴 최적화 6건을 제안했고, 사람 검토를 거쳐 2건이 반영됐다. 긴 세션의 메모리 내 준비 시간은 40% 줄고 콜드 임포트는 21% 빨라졌다.

외부 연구 조직의 평가도 출시 글에 함께 실렸다. 알렉스 카브레라 액시엄 바이오 창립 엔지니어는 "세포 이미징부터 질량 분석까지 복잡한 실험 데이터를 추론하고, 전통적으로 전문 과학자가 있어야 찾던 미묘한 발견을 해내는 것을 봤다"고 말했다. 자율 AI 연구자 퀄리아를 운영하는 쿼드릴리언의 트렌턴 창 수석과학자는 Argon이 동급 모델보다 평가를 1.5배 빠르게, 과제당 비용 4분의 1로 마쳤다며 "새로운 아이디어를 내고 문제에 대한 뻔하지 않은 통찰을 찾는 데 뛰어났다"고 평가했다.

메탈이 확인한 Gemini 4 Argon 모델 카드 원문은 Argon을 대규모 희소 전문가 혼합(MoE) 트랜스포머 구조로 설명하고, 지식 기준 시점을 2026년 3월로 적었다. 구글이 모델 카드에 실은 과학·수학 평가에서 Argon은 생물학 연구 과제 벤치마크 LABBench 2에서 88.8%, 수학 추론 평가 RiemannBench에서 76.0%로 비교 대상 GPT-6 Astra와 Claude Fable 5.1, Claude Opus 5.5를 모두 앞섰다. 과학 터미널 과제를 재는 Terminal-Bench Science 0.1에서는 57.6%로 GPT-6 Astra의 68.1%와 Claude Opus 5.5의 63.3%에 뒤졌다. 구글은 출시 글에서 외부 생물 분야 레드팀이 시험 대상 생물 하위 과제의 1% 미만만 풀어낼 수 있었다고 밝혔다. 모델 카드는 환각 같은 기반 모델의 일반적 한계를 보일 수 있다고 적었다.

AI 엔지니어의 눈으로 보면 네 사례의 공통점은 모델이 답을 내는 데서 멈추지 않고 검증 단계까지 들어갔다는 점이다. 아크사인 구현은 린 증명으로, 효소는 실험실 활성 시험으로, 그래드 추측 반례는 외부 교수와의 공동 연구로 확인 절차를 거쳤다. 구글이 과학자 1만 명에게 최고 사용 등급을 내주는 이유도 여기에 있다. 모델의 가치를 벤치마크 점수가 아니라 연구실이 줄인 실험 시간으로 증명하겠다는 것이고, 그 시험대는 이제 구글 밖의 연구자들에게 넘어갔다.