KAIST 수학과 김재경 

-------------

[논문 요약] 오늘 읽은 논문 중 가장 인상 깊었던 결과입니다. 소름이 돋은...


우주 물리학의 복잡한 현상을 이해하기 위해, 인공지능이 단순히 데이터를 맞추는 도구를 넘어 물리 법칙 자체를 수식으로 복원하는 단계에 도달했음을 보여준 연구입니다. 칭화대 연구팀(교신 저자 중 한분은 필즈메달리스트 심퉁야우 교수님) 개발한 PhyE2E는 관측 데이터를 입력으로 받아, 케플러나 패러데이가 그랬듯 자연이 작동하는 방식을 명시적인 수학적 문장으로 표현해냅니다.


Nature Machine Intelligence에 게재된 이 연구는, 인간 물리학자들이 오랜 시간 축적해 온 관측과 가설을 바탕으로 이해해 온 복잡한 우주 현상들을 간결하고 일관된 symbolic formula로 압축해낼 수 있음을 실증했습니다. 기존에도 symbolic regression이나 물리 법칙 발견을 시도한 AI 연구는 있었지만, 이처럼 실제 관측 데이터에 대해 해석 가능하고 물리 단위까지 일관된 수식을 안정적으로 도출한 사례는 매우 드뭅니다.


AI가 발견한 다섯 가지 대표적 물리 법칙


1. 태양 활동의 장기 주기 구조 공식화

지난 400년간의 흑점 데이터를 분석해 하나의 통합 수식을 도출했으며, 그 결과 10.91년, 59.27년, 204.93년의 세 가지 주기 성분이 자연스럽게 분리되었습니다. 특히 약 60년 주기는 고대 동아시아 천문 주기와 일치해 흥미로운 해석 가능성을 제시합니다.


2. 근지구 플라스마 압력 감쇠 법칙 단순화

플라스마 압력이 지구 중심으로부터의 거리의 제곱에 반비례하여 감소함을 보여주는 간결한 수식을 도출했습니다. 이는 기존의 복잡한 지수형 경험식보다 단순하면서도 독립적인 위성 관측과 더 잘 부합합니다.


3. 극소수 데이터로 태양 극지 회전 예측

관측이 거의 불가능한 태양 극지방의 회전 속도를 단 14개의 데이터만으로 안정적으로 예측했으며, 슈퍼컴퓨터 기반 시뮬레이션 결과와도 매우 높은 일치도를 보였습니다.


4. 태양 코로나 방출선 기여 함수의 구조적 분해

온도와 전자 밀도의 역할이 분리된 형태의 기여 함수 수식을 도출함으로써, 기존에 물리학자들이 가설적으로 제시해 온 코로나 플라즈마의 특성을 명시적으로 확인했습니다.


5. 달 조석력에 따른 자기권 전기장 신호 공식화

달의 위치가 지구 자기권 전기장에 미치는 영향을 lunar local time, magnetic local time, L-shell을 포함한 하나의 수식으로 표현해냈으며, 낮과 밤의 비대칭적 특성까지 자연스럽게 포착했습니다.


PhyE2E가 기존 AI와 본질적으로 다른 이유


PhyE2E의 핵심은 문제를 푸는 방식에 있습니다.


1. LLM 기반 물리적 상상력

대규모 언어 모델을 활용해 실제 물리 법칙과 통계적 구조가 유사한 수십만 개의 합성 수식을 생성하고, 이를 통해 데이터 부족 문제를 해결했습니다.


2. Hessian 행렬 기반 분할 정복 전략

신경망의 2차 미분 정보를 활용해 변수 간 비선형 상호작용을 식별하고, 복잡한 문제를 독립적인 하위 문제로 분해합니다. 이 과정이 전체 프레임워크의 결정적 핵심입니다.


3. 트랜스포머 기반 수식 번역

분해된 하위 문제들을 트랜스포머 모델이 직접 수학 기호와 물리 단위를 포함한 수식으로 변환하며, 단위 일관성까지 동시에 검증합니다.


4. MCTS와 유전 알고리즘을 통한 정교한 정제

몬테카를로 트리 탐색과 유전 알고리즘을 결합해 수식 구조와 상수를 정밀하게 다듬습니다.

이 연구는 단순히 예측 정확도를 높이는 데서 그치지 않고, 관측 데이터 속에 숨어 있던 물리적 구조를 인간이 해석 가능한 수식 언어로 복원할 수 있음을 실증한 사례라 할 수 있습니다.


물리학에서 ‘이해’란 결국 좋은 수식을 갖는 것이라면, 인공지능이 그 언어를 배우기 시작한 시점에 우리는 이미 도달해 있는지도 모르겠습니다.