Google DeepMind, Gemini Deep Think를 scientific research workflow로 확대

Google DeepMind는 February 11, 2026 공개한 연구 글에서 Gemini Deep Think가 수학 올림피아드 수준을 넘어 전문 연구 workflow로 확장되고 있다고 설명했다. 발표문 첫머리에서 회사는 expert mathematicians and scientists의 지휘 아래 Gemini Deep Think가 mathematics, physics, computer science 전반의 professional research problems를 풀고 있다고 적었다. 이는 benchmark 시연을 넘어 실제 연구 현장으로 모델을 밀어 넣으려는 단계라는 점에서 의미가 크다.

Google DeepMind가 제시한 배경도 분명하다. 2025년 여름 advanced version of Gemini Deep Think가 International Mathematics Olympiad에서 gold-medal standard를 달성했고, 이후 International Collegiate Programming Contest에서도 유사한 수준의 결과를 냈다. 이번 글은 그 다음 단계로, 지난주 발표된 두 편의 논문을 통해 science, engineering, enterprise workflow에서 더 복잡하고 open-ended한 문제를 다루는 모습을 보여준다고 설명한다.

Aletheia와 검증 중심 연구 loop

특히 눈에 띄는 부분은 수학 연구 agent Aletheia다. Google DeepMind에 따르면 Aletheia는 Gemini Deep Think를 기반으로 natural language verifier를 사용해 candidate solution의 결함을 찾아내고, 생성·수정·재검증을 반복한다. 더 중요한 점은 이 agent가 문제를 풀지 못했을 때 실패를 인정할 수 있도록 설계됐다는 것이다. 회사는 이것이 연구 효율을 높였다고 설명했다. 또한 Aletheia는 Google Search와 web browsing을 사용해 복잡한 연구 문헌을 탐색하고 spurious citation과 computational inaccuracy를 줄이도록 설계됐다.

성과 지표도 제시됐다. Google DeepMind는 January 2026 version의 Gemini Deep Think가 inference-time compute가 증가할수록 IMO-ProofBench Advanced에서 up to 90%를 기록했다고 밝혔다. 더 나아가 Aletheia는 더 낮은 inference-time compute로도 더 높은 reasoning quality를 보였다고 설명한다. 이 결과는 human experts가 평가했다고 명시돼 있다.

18개 연구 문제에서 본 활용 가능성

발표문은 또한 algorithms, ML and combinatorial optimization, information theory, economics 등 여러 분야에 걸쳐 18개 연구 문제를 전문가들과 함께 다뤘다고 적었다. 구체적 사례로는 cosmic strings에서 gravitational radiation을 계산할 때 등장하는 singularities를 다루기 위해 Gegenbauer polynomials를 활용해 infinite series를 closed-form finite sum으로 줄인 물리학 해법이 소개됐다. Google DeepMind는 이러한 결과 가운데 약 절반이 strong conference를 겨냥하고 있으며, 그중 하나는 ICLR '26 acceptance까지 확보했다고 밝혔다.

이번 연구 글이 던지는 핵심 메시지는 general foundation model이 agentic reasoning workflow와 human verification을 결합할 때 scientific companion 역할을 시작할 수 있다는 점이다. Google DeepMind는 Gemini가 knowledge retrieval과 rigorous verification을 맡아 연구자가 conceptual depth와 creative direction에 집중하도록 돕는 "force multiplier"가 될 수 있다고 본다. 아직 완성된 자동화 과학자는 아니지만, 실제 연구 병목을 줄이는 협업 도구로 AI를 재정의하려는 방향은 훨씬 더 선명해졌다.