논문 검색은 연구자들이 수행하는 중요한 활동으로, 특정 주제에 대한 설명을 포함한 질의(query)를 통해 관련 논문을 찾는 과정을 의미한다. 연구가 심화될수록 논문 검색 요구사항은 더욱 유연해지며, 일반적인 주제 수준을 넘어서 모듈 구성과 같은 구체적인 세부 정보를 포함하는 경우도 발생한다. 그러나 기존의 논문 검색 시스템은 이러한 유연한 세부 수준의 검색 요구를 충족하기 어렵다. 이는 기존 시스템이 주로 논문 초록을 수집하여 문서 코퍼스의 인덱스를 구축하기 때문이며, 이 방식은 세부적인 질의에 대한 검색을 지원하기 위한 충분한 세부 정보를 포함하지 못하기 때문이다. 본 연구에서는 오프라인 계층적 인덱싱과 온라인 적응형 검색을 결합한 PaperRegister를 제안한다. 이는 기존의 초록 기반 인덱스를 계층적 인덱스 트리로 전환함으로써 다양한 세부 수준의 질의를 지원할 수 있도록 한다. 다양한 세부 수준에서 수행한 논문 검색 실험 결과, PaperRegister는 최신 기술 수준(SOTA)의 성능을 달성하였으며, 특히 세부적인 검색 시나리오에서 뛰어난 성능을 보여, 실제 응용에서 유연한 세부 수준의 논문 검색을 위한 효과적인 솔루션으로서 큰 잠재력을 보여준다. 본 연구의 코드는 다음 링크에서 확인할 수 있다: https://github.com/Li-Z-Q/PaperRegister.