소재 분야에서는 후보 물질의 난이도가 매우 들쑥날쑥하므로, 모든 조성에 동일한 시뮬레이션 횟수나 동일한 LLM 추론 횟수를 쓰는 대신 적응형 배분을 시험해볼 수 있습니다. 예를 들어 대리모델의 예측 분산, 앙상블 불일치, 혹은 초기 스크리닝 점수를 불확실성 신호로 삼아 다음 계산 예산을 배정하는 식입니다.
이 접근은 후보 랭킹, 합성 가능성 검토, 실험계획 생성, 혹은 대규모 문헌 검토와 같이 비용이 다른 단계가 섞인 파이프라인에서 특히 유용할 수 있습니다. 다만 불확실성 신호가 실제 난이도를 잘 대변하는지 먼저 확인해야 하므로, 작은 데이터셋에서 비용 대비 성능 곡선을 비교하는 것이 좋습니다.