이온 액체(Ionic Liquids, ILs)의 새로운 발견은 성질 예측에 있어 데이터 부족, 모델 정확도 저하, 작업 흐름의 단절이라는 중대한 도전에 직면해 있다. 대규모 언어 모델(Large Language Models, LLMs)의 강력한 능력을 활용하여, 본 연구에서는 최초로 IL 발견을 위한 LLM 에이전트인 AIonopedia를 소개한다. 이 모델은 IL 전용 다중 모달 도메인 기반 모델과 LLM을 결합한 기반 기술을 바탕으로 하며, 정확한 성질 예측을 가능하게 하고, 분자 선별 및 설계를 위한 계층적 탐색 아키텍처를 통합하고 있다. 새로 구축하고 종합적으로 정제한 IL 데이터셋을 기반으로 훈련 및 평가한 결과, 본 모델은 뛰어난 성능을 발휘하였다. 이를 보완하여 문헌에 보고된 시스템에 대한 평가에서도, 에이전트가 효과적인 IL 변형을 수행할 수 있음을 확인하였다. 오프라인 테스트를 넘어서 실제 실험실 환경에서의 검증을 통해 실용적 효용성이 추가로 입증되었으며, 특히 분포 외(out-of-distribution)의 도전적인 과제에서도 뛰어난 일반화 능력을 보여주어, 실제 IL 발견 과정의 가속화 가능성을 입증하였다.