[논문] 사양에서 실행까지: AI 보조 과학 워크플로우 관리
Overview
과학 워크플로우 관리 시스템(WMS)은 복잡한 파이프라인의 확장 가능하고 재현 가능한 실행을 지원하지만, 워크플로우 설계, 구현 및 디버깅은 대부분 수동적이며 상당한 전문 지식이 필요합니다. 최근 대용량 언어 모델(LLM)을 활용한 접근법은 자연어에서 워크플로우를 생성하는 데 유망함을 보여주고 있지만, 대부분 직접 코드 생성을 의존하여 투명성, 재현성 및 워크플로우 시스템과의 통합을 제한합니다. 우리는 사양 기반 워크플로우 생성, 자동 디버깅, 분산 실행을 결합한 과학 워크플로우 관리에 대한 AI 보조 접근법을 제시합니다. 이 방법은 workflow 의도, 설계 및 구현을 구분하는 구조화된 사양 단계를 도입하여 코드 생성 전 검증을 가능하게 합니다. 또한 LLM 기반 디버깅 에이전트를 개발하여 여러 시스템 레이어에서 발생하는 실패를 진단하고 해결합니다. 분산 실행 및 사용자 인터랙션 지원을 위해 널리 사용되는 WMS인 Pegasus와 모델 컨텍스트 프로토콜(MCP) 계층을 통합하여 워크플로우 제출, 모니터링, 제어에 대한 통합된 인터페이스를 제공합니다. 우리는 병렬, 반복적이며 의존성이 많은 구조를 가진 의료 이미징을 위한 연ederated learning 워크플로우를 활용하여 이 접근법을 평가했습니다. 시스템은 수천 개의 작업을 포함하는 대규모 워크플로우를 생성하고 실행했으며, 디버깅 노력을 줄이고 비전문가 사용자가 전문 수준의 설계 패턴으로 워크플로우를 구성할 수 있게 했습니다. 이러한 결과는 엔드투엔드 AI 보조 워크플로우 생성 및 실행을 가능하게 하며, 과학 워크플로우 라이프사이클 관리를 위한 AI 기반 플랫폼으로의 전환을 시사합니다.
Key Contributions
본 논문은 다음 분야를 다루고 있습니다:
- cs.SE
- cs.AI
- cs.DC
Methodology
자세한 방법については 전체 논문을 참고하십시오.
Practical Implications
이 연구는 cs.SE의 발전에 기여합니다.
Authors
- Komal Thareja
- Hamza Safri
- Rajiv Mayani
- Anirban Mandal
- Ewa Deelman
Paper Information
- arXiv ID: 2606.18425v1
- 분류: cs.SE, cs.AI, cs.DC
- 발행일: June 16, 2026
- PDF: Download PDF