일본, 과학 연구 전 과정에 AI 도입하는 ARiSE에 320억 엔 투입

과학 연구 방식 재설계할 31개 프로젝트 선정

일본의 새 ARiSE 사업은 인공지능을 활용해 가설을 세우고 실험을 설계·수행하며, 결과를 분석하고 다음 연구 주제를 결정하는 과학 연구에 320억 엔을 투입한다. 일본과학기술진흥기구(JST)는 203건의 신청 가운데 31개 프로젝트를 선정했다. 지원 기간은 2026년 10월부터 2029년 3월까지 약 2년 반이다.

JST의 9월 29일 선정 발표에 따르면 전략목표 부문에서 12개, 국제·융합 부문에서 19개 프로젝트가 선정됐다. 서류 심사와 면접에는 자문위원 82명이 참여했다. 연구는 발표일에 자동으로 시작되는 것이 아니라 계약과 기타 준비가 완료된 뒤 착수할 예정이다.

ARiSE는 ‘AI to Redesign Scientific Exploration’의 약자로, 과학 탐구를 재설계하는 AI를 뜻한다. 이 사업의 목표는 AI로 데이터 세트를 처리하거나 과학 논문을 요약하는 데 그치지 않는다. 실험 결과를 바탕으로 AI가 더 나은 가설과 설계를 내놓는 반복적인 순환 구조를 만들어 디지털 추론과 실제 실험을 연결하는 데 있다.

전체 선정률은 신청 203건 가운데 31건이 선정된 것을 기준으로 약 15.3%다. 전략목표 부문은 70건 가운데 12건이 선정돼 약 17.1%, 국제·융합 부문은 133건 가운데 19건이 선정돼 약 14.3%였다. 이 수치는 선정 경쟁의 정도를 보여주지만, 개별 프로젝트의 순위나 최종 지원금 배분을 나타내지는 않는다.

사업 총괄책임자는 도호쿠대 집행부총장인 다카후미 아오키다. 국립정보학연구소(NII)의 사다오 구로하시 소장이 전략목표 부문을, 이화학연구소(RIKEN) 첨단지능프로젝트센터의 슌이치 우에다 부센터장이 국제·융합 부문을 맡는다.

국가 전략 구체화

ARiSE는 문부과학성이 2026년 3월 31일 채택한 과학을 위한 AI(AI for Science) 추진 전략에 따라 마련됐다. JST는 일본의 과학적 강점이 국제 경쟁력 있는 성과로 이어질 수 있는 분야에 투자를 집중하고, 해외 유수 연구자와의 협력을 지원하는 대표 사업으로 ARiSE를 설명한다.

문부과학성 연구진흥국은 2026년 4월 16일 ARiSE 기본 방침 페이지를 공개했다. 해당 페이지에는 262KB 분량의 방침 문서가 연결돼 있지만, 문서의 세부 조항을 본문에 싣지는 않았다.

정책 수립부터 프로젝트 선정까지의 일정은 비교적 촘촘하게 진행됐다.

• 2026년 3월 31일: 문부과학성, 과학을 위한 AI 추진 기본 전략 채택
• 2026년 4월 16일: 연구진흥국, ARiSE 기본 방침 페이지 공개
• 2026년 5월 12일~6월 30일: JST, 연구 제안서 접수
• 2026년 9월 29일: JST, 선정 프로젝트 31개 발표
• 2026년 10월 2일: 도호쿠대, 선정 프로젝트 3개 발표
• 2026년 10월 13일: JST, 사업 배경과 운영 계획을 설명하는 브리핑 개최
• 2029년 3월: 현재 연구 지원 기간 종료 예정

하시모토 가즈히토 JST 이사장은 일본이 투자 규모만으로 미국과 중국을 따라잡을 수는 없다고 주장해 왔다. 대안은 일본이 가치 있는 과학 데이터와 전문 지식, 실험 역량, 로봇 기술을 축적해 온 분야에 집중하는 것이다.

그가 우려하는 또 다른 문제는 의존성이다. 일본 연구자들이 해외에서 개발한 AI만 사용하면 기반 기술과 컴퓨팅 자원이 다른 나라의 통제 아래 놓일 수 있다. 이에 따라 ARiSE는 국내 모델 개발과 국제 협력을 상충하는 선택지로 보지 않고 함께 추진한다.

역할이 다른 두 가지 지원 부문

전략목표 부문은 재료과학과 생명과학, 대형 연구시설·장비 분야의 대규모 연구팀을 지원한다. 선정된 12개 프로젝트는 재료과학 6개, 생명과학 4개, 대형 시설·장비 관련 2개로 구성된다.

재료과학 프로젝트는 세 가지 목표로 나뉜다. 목표 1-1과 1-2에서는 각각 1개 프로젝트가 선정됐으며, 프로젝트당 지원 한도는 약 30억 엔이다. 목표 1-3에서는 4개 프로젝트가 선정됐고, 각각의 지원 한도는 약 10억 엔이다. 생명과학과 대형 시설 프로젝트의 지원 한도는 프로젝트당 약 20억 엔이다. 이는 지원 한도이며 모든 연구팀에 확정된 지원금은 아니다.

국제·융합 부문은 모든 과학 분야에 열려 있다. 과학 이론과 법칙, 구조적 지식을 AI에 접목하는 연구를 지원하며, 프로젝트당 지원금은 통상 2억 엔이다. 목표 달성에 필요할 경우 최대 6억5,000만 엔까지 신청할 수 있다.

모든 제안은 AI 연구자와 해당 과학 분야 연구자가 공동 책임자로 참여해야 한다. 연구팀은 컴퓨팅 수요를 초기부터 계획하고 국제 협력을 추진하며, 데이터 공유·보호 규칙을 마련하고 연구 보안 문제도 다뤄야 한다. 이러한 요건은 AI 모델을 선택한 뒤 과학 전문성과 인프라 계획을 덧붙이는 것이 아니라, 연구 설계의 일부로 삼도록 한다.

공유 연구 플랫폼으로 발전하는 재료 데이터

주요 재료과학 프로젝트는 일본이 축적한 재료 데이터를 국내 대규모 언어 모델 및 전문 AI와 연결하는 것을 목표로 한다. 물질·재료연구기구(NIMS)를 중심으로 구축된 데이터와 연구 자원을 활용해 국가 차원의 재료 AI 플랫폼을 만들 계획이다.

제안된 플랫폼은 서로 연결되는 여러 층위로 구성된다. AI가 활용할 수 있도록 정비된 데이터와 분석 도구, 재료 기반 모델, 발견과 설계를 지원하는 AI 에이전트, 첨단 실험 장비가 포함된다. 기반 모델은 폭넓은 데이터로 학습해 여러 연구 과제의 출발점으로 활용할 수 있는 모델이다. AI 에이전트는 도구를 사용하고 특정 목표를 향해 여러 단계를 조율할 수 있다.

구상 중인 연구 순환은 AI가 재료나 실험 조건을 제안하는 데서 시작한다. 연결된 장비가 실험을 수행하고, 결과는 다음 설계에 반영된다. 목표는 AI 전문성이 높은 소수 연구팀에만 이 역량을 한정하지 않고 재료 연구자들이 폭넓게 활용하도록 하는 것이다.

도호쿠대의 프로젝트 3개 선정은 이 국가 차원의 사업이 구체적인 연구 프로그램과 어떻게 연결되는지를 보여준다. 구마가이 유 교수는 미야모토 고로 교수, 시가 모토키 교수와 공동 연구책임자로 AI를 활용해 벌크 경질 재료를 개발하는 플랫폼을 이끈다.

도호쿠대의 두 번째 프로젝트는 사람과 AI의 협력을 통해 자성 재료를 자율적으로 만들고 그 작동 메커니즘을 규명하는 연구다. 히로하타 다카후미 교수가 연구를 이끌며, NIMS의 이와사키 유마와 오사카대 오노 간타 교수가 공동 책임자로 참여한다.

도호쿠대의 세 번째 선정 과제인 쓰나미 월드 모델은 국제·융합 부문에 속한다. 고시무라 슌이치 교수가 이누이 겐타로 교수, 방재과학기술연구소의 우스다 유지로와 함께 연구를 이끈다. 이 과제는 ARiSE가 실험실의 재료·생물학 연구를 넘어선다는 점을 보여주지만, 대학 발표에는 모델의 구체적인 활용 능력이 설명돼 있지 않다.

실패한 실험에서 배우는 게놈 모델

생명과학 프로그램에는 식물과 동물, 인간, 미생물을 대상으로 하는 약 40억 개 매개변수 규모의 게놈 언어 모델이 포함된다. 단어를 학습하는 일반적인 언어 모델과 달리 게놈 언어 모델은 DNA 서열의 패턴을 학습해 생물학적 기능과 게놈 설계 연구를 지원한다.

매개변수는 모델이 학습 과정에서 조정하는 수치다. 개발 예정 모델은 약 70억 개 매개변수로 구성된 기존 모델을 기반으로 한다. 이 수치는 모델의 크기를 나타낼 뿐, 새 모델이 이전 모델보다 뛰어나다는 증거는 아니다. 과학적 가치는 모델에 적용되는 생물학 데이터와 실험, 학습 과정에 달려 있다.

이 프로젝트는 설계(Design), 구축(Build), 시험(Test), 학습(Learn) 순환 구조를 활용한다. 연구자가 서열이나 가설을 설계하고 실제로 만들어 실험한 뒤 그 결과를 모델에 반영한다. 성공한 결과와 실패한 실험, 유전 자원 모두 후속 학습에 활용될 예정이다. 실패 사례를 포함하는 것은 성공하지 못한 실험도 어떤 설계나 조건이 효과가 없는지 파악하는 데 도움이 되기 때문이다.

이 모델은 생명과학 연구자들이 공동으로 활용할 수 있는 자원으로 개발되며, 바이오-어자일 컨소시엄을 통해 실제 활용을 추진할 계획이다. 생물보안과 모델 안전성도 명시적으로 연구 범위에 포함됐다. 생물학적 설계를 지원할 수 있는 도구에는 예측 능력 향상과 함께 안전장치가 필요하다.

자동화 장비에서 자율 연구시설로

무인 연구시설 개발 프로젝트에는 도쿄과학대와 이화학연구소(RIKEN), 에피스토라가 참여한다. 에피스토라의 프로젝트 발표에 따르면 도쿄과학대 간다 겐키 교수가 연구를 이끈다. 공동 책임자는 RIKEN 과학 기반 모델 개발 프로그램의 프로젝트 디렉터인 다카하시 고이치와 에피스토라 최고경영자 오자와 요스케다.

이 프로젝트는 대형 연구시설의 운영 최적화와 자동화, 자율 운영, 실험 계획·데이터 분석 개선을 다루는 전략목표 3에 속한다. 연구 계획과 실험 장비, 그 결과로 생성되는 데이터를 연결하는 AI 에이전트와 기반 모델을 개발하고 시연할 예정이다.

자동화 장비와 자율 연구시설의 차이는 실무적인 문제에서 드러난다. 로봇이 실험 하나를 수행하더라도 장비 준비와 시료 이동, 소모품 보충, 장비 일정 관리, 중단 상황 복구는 여전히 사람이 맡아야 할 수 있다. ARiSE는 실험 자체뿐 아니라 주변 업무도 해결하려 한다.

제안된 시설은 서로 연결되는 세 요소로 구성된다. 정보 시스템은 연구 목표와 가설, 실험 계획, 분석, 후속 실험 결정을 다룬다. 운영 시스템은 장비와 시간, 재료를 배분한다. 물리 시스템은 운반과 보충, 복구를 자동화한다.

사람은 개별 단계를 일일이 관리하기보다 전체 과정을 감독하게 된다. 이 시설은 암과 면역, 백신, 노화, 재생의학 연구를 지속적으로 지원하도록 설계됐다. 에피스토라는 유도만능줄기세포를 망막색소상피세포로 분화시키는 조건 최적화 연구 등 AI와 로봇공학을 활용한 약 10년의 연구 경험을 갖췄다고 밝혔다. 망막색소상피세포는 망막을 지지하는 세포다.

구로하시 소장은 AI와 로봇공학이 발전하면서 이러한 시설이 실현될 시점에 대한 전망이 2050년경에서 2040년, 다시 2030년경으로 앞당겨졌다고 설명했다. 이는 계속 바뀌는 전망이지, ARiSE 지원 기간이 끝나는 2029년 3월 전에 완전 자율 연구시설이 가동될 것이라는 보장은 아니다.

과학 이론을 AI에 반영

국제·융합 부문은 과학 AI의 역량을 높이기 위해 다른 접근법을 택한다. 우에다 부센터장의 접근법은 이론을 기존 모델의 제약 조건으로만 활용하지 않고, 과학 이론을 모델 구조와 표현 방식, 학습 원리에 반영한다.

관련 지식에는 대칭성과 불변성, 인과관계, 경계조건, 스케일링 법칙이 포함된다. 쉽게 말해 이 개념들은 시스템이 변해도 유지돼야 하는 관계와 원인·결과의 연결 방식, 과학 모델이 적용되는 조건을 나타낸다. 이런 지식을 AI에 반영하면 데이터가 부족하거나 학습 때와 다른 조건에서 추론 능력을 높일 수 있을 것으로 기대된다.

선정된 프로젝트 중 하나는 수리물리학과 AI를 결합해 과학적 가설을 만들고 수학·물리 이론으로 타당성을 검증한다. 그럴듯한 주장을 내놓는 것과 그 주장이 옳은지 입증하는 것 사이의 간극을 줄이는 것이 목표다. 자율 검증은 연구 목표이며, 이 사업에서 이미 실현된 능력은 아니다.

또 다른 프로젝트는 금속유기골격체(MOF)에 초점을 맞춘다. MOF는 가스 흡착과 분리 등에 활용하기 위해 연구되는 다공성 재료다. 합성법과 실험 조건에 따라 특성이 달라질 수 있다. 이 프로젝트는 변화하는 과학적 표현 방식과 반사실적 추론, 연구자 피드백을 결합해 조건을 바꾸면 결과가 어떻게 달라질지 살펴본다.

반사실적 추론은 기존 관측 자료의 패턴만 파악하는 것이 아니라, 다른 조건이었다면 어떤 결과가 나왔을지를 묻는 방식이다. 연구자들이 가설과 추론을 평가하고 그 판단을 AI에 다시 반영한다. 따라서 이 프로젝트에서는 연구자가 직접 참여하는 반면, 무인 연구시설 프로젝트는 훨씬 높은 수준의 운영 자율성을 추구한다.

패턴 인식을 넘어서는 암 연구

별도의 암 연구 프로젝트는 조직 구조와 세포 형태, 유전자 발현, 암세포·면역세포·주변 세포 간 상호작용을 결합한다. 암과 관련된 특징을 인식하는 데 그치지 않고 질병 메커니즘을 추론하는 모델을 구축하는 것이 목표다.

연구는 두 가지 관찰 수준을 연결한다. 조직의 구성에서 개별 세포의 행동을 추론하고, 세포의 행동을 바탕으로 조직 상태가 어떻게 변하는지 예측한다. 시간에 따른 변화와 공간적 구조를 함께 살펴보면 주변 생물학적 환경에서 암이 어떻게 발달하는지 연구하는 데 도움이 될 수 있다.

예상되는 활용 분야에는 질병 메커니즘 규명과 예후 예측, 치료법 탐색이 포함된다. 이는 제안된 연구 성과다. ARiSE에 선정됐다고 해서 임상 효과가 입증되거나 환자에게 사용할 진단·치료 도구가 준비됐다는 뜻은 아니다.

컴퓨팅 접근성과 공유가 성과 좌우

모델 학습과 실행에는 연구비 중 상당 부분이 들어갈 수 있어 ARiSE는 제안 단계부터 컴퓨팅 계획을 요구한다. JST는 대학과 공공 연구기관, 기업, RIKEN의 자원을 결합하고, 적절한 경우 해외 상용 컴퓨팅 자원도 활용할 계획이다.

검토 중인 RIKEN AI 슈퍼컴퓨터의 명칭은 자료에 따라 다르다. 한 자료에서는 ‘RIKEN’으로, 10월 브리핑 자료에서는 ‘理究’로 표기됐다. 두 자료 모두 다른 자원과 함께 국내 컴퓨팅을 활용하려는 계획을 공통으로 언급한다. 프로젝트별 컴퓨팅 자원 배분은 아직 확정되지 않았다.

사업은 유용성이 폭넓은 모델과 에이전트, 도구, 평가 방법을 선정 팀 밖으로 확산하는 것도 목표로 한다. JST는 NII의 학술 네트워크 SINET과 연구 데이터 인프라 NII RDC를 연계할 계획이다. 이를 통해 일본 전역의 연구자들이 성과를 활용하고 재료과학·생명과학·시설 프로젝트 사이의 교류를 지원할 방침이다.

공유한다고 해서 모든 것을 공개하는 것은 아니다. 경쟁력이나 보안상 보호가 필요한 데이터와 결과는 비공개로 유지할 수 있다. 연구 보안 요건은 선정 이후부터 적용되며, 게놈 프로젝트에는 생물보안과 모델 안전성에 관한 별도 책임도 부과된다.

프로그램 담당자는 진행 상황을 검토하고 연구 과제 확대와 국제 협력자 추가, 공동 행사 개최 등 조정을 지원할 예정이다. 이는 2026년에 고정한 계획이 2029년에는 시대에 뒤처질 위험에 대응하기 위한 것이다. 현재 공개된 정보에는 개별 계약의 시작일과 최종 지원금, 컴퓨팅 자원 배분, 모델 공개의 구체적인 일정이 나와 있지 않다.

핵심 과제는 일본의 과학 자산을 제대로 작동하는 AI 시스템, 재현 가능한 실험, 다른 연구자들이 실제로 활용할 수 있는 자원과 연결하는 것이다. ARiSE는 그 방향을 제시했지만, 약속한 발견과 자율 기능, 공동 플랫폼은 앞으로 개발하고 입증해야 한다.

핵심 내용

• ARiSE는 2026년 10월부터 2029년 3월까지 약 320억 엔을 지원한다.
• JST는 신청 203건 가운데 31개 프로젝트를 선정했으며 선정률은 약 15.3%다.
• 전략목표 부문에 12개, 국제·융합 부문에 19개 프로젝트가 선정됐다.
• 주요 사업에는 재료 AI 플랫폼과 약 40억 개 매개변수 규모의 게놈 모델, 무인 연구시설이 포함된다.
• 선정 연구는 수리물리학과 MOF, 암 메커니즘, 쓰나미 월드 모델도 다룬다.
• 국내 컴퓨팅 자원과 공동 연구 인프라를 우선하되 적절한 경우 해외 자원도 활용한다.
• 개별 착수일은 계약과 준비 상황에 따라 결정되며 자율 연구시설과 과학적 활용은 개발 목표로 남아 있다.