인공 지능, 입자 물리학 연구 속도 향상

MIT의 연구진은 최근 입자와 핵 물리학 이론의 일부를 시뮬레이션하기 위해 인공 지능을 사용하면 더 빠른 알고리즘이 가능하다는 것을 보여주었으며, 따라서 이론 물리학에 대한 발견이 더 빠르게 이루어질 수 있다고 밝혔다. MIT 연구 팀은 이론 물리학을 인공 지능 모델과 결합하여 중성자, 양성자, 핵 간의 상호 작용을 시뮬레이션하는 샘플의 생성을 가속화했다.

우주는 중력, 전자기력, 약한 힘, 강한 힘의 네 가지 기본 힘에 의해 지배된다. 강한 힘, 약한 힘, 전자기력은 입자 물리학을 통해 연구된다. 입자 상호 작용을 연구하는 전통적인 방법은 입자 간의 상호 작용에 대한 수치 시뮬레이션을 실행하는 것이며, 이는 일반적으로 프로톤의 1/10 또는 1/100 크기에서 발생한다. 이러한 연구는 제한된 컴퓨팅 파워로 인해 오랜 시간이 걸릴 수 있으며, 물리학자들은 이론적으로는 해결할 수 있지만 컴퓨팅 제한으로 인해 해결할 수 없는 많은 문제가 있다.

MIT 물리학 교수 피알라 샨한(Phiala Shanahan)은 기계 학습 모델을 사용하여 입자 물리학 연구를 가속화할 수 있는 새로운 알고리즘을 생성하는 연구 그룹을 이끌고 있다. 물리학 이론 내에서 발견되는 대칭(물리 시스템의 특성은 조건이 변경되더라도 일정하게 유지되는 특성)을 기계 학습 알고리즘에 통합하여 입자 물리학 연구에 더 적합한 알고리즘을 생성할 수 있다. 샨한은 기계 학습 모델이大量의 데이터를 처리하는 데 사용되지 않고, 입자 대칭을 통합하는 데 사용된다고 설명했다. 이러한 속성이 모델에 포함되면 계산을 더 빠르게 수행할 수 있다.

연구 프로젝트는 샨한이 주도했으며, NYU의 이론 물리학 팀과 Google (GOOGL ) DeepMind의 기계 학습 연구자들이 참여했다. 최근의 연구는 기계 학습의 힘을 활용하여 현재 현대적인 계산 체계로 해결할 수 없는 이론 물리학 문제를 해결하기 위한 일련의 연구 중 하나이다. MIT의 대학원생인 구르테즈 칸워(Gurtej Kanwar)에 따르면, 기계 학습으로 강화된 알고리즘이 해결하려고 하는 문제는 과학자들이 입자 물리학에 대해 더 많이 알 수 있도록 도와줄 것이며, 이러한 문제는 대규모 입자 물리학 실험(예: CERN의 대형 하드론 충돌기에서 수행되는 실험)과 비교할 때 유용하다. 대규모 실험의 결과와 기계 학습 알고리즘을 비교하면 과학자들이 물리학 모델이 어떻게 제한되어야 하는지 그리고 모델이 어떻게 깨지는지에 대해 더好的 아이디어를 얻을 수 있다.

현재, 과학자들이 입자 물리학의 표준 모델을 연구할 수 있는 유일한 방법은 진공에서 발생하는 변동의 샘플/스냅샷을 취하는 것이다. 연구자들은 입자와 그 충돌에 대한 속성을 알 수 있다. 그러나 이러한 샘플을 취하는 것은 비싸며, AI 기술이 샘플링을 더 저렴하고 효율적인 프로세스로 만드는 데 도움이 될 수 있다. 진공의 스냅샷은 컴퓨터 비전 AI 모델의 이미지 훈련 데이터와 유사하게 사용될 수 있다. 양자 스냅샷은 더 효율적인 방식으로 샘플을 생성할 수 있는 모델을 훈련하는 데 사용된다. 이는 쉽게 샘플링할 수 있는 공간에서 샘플을 취하고 샘플을 훈련된 모델을 통해 실행함으로써 달성된다.

연구진은 물리학 대칭을 기반으로 하는 기계 학습 모델을 생성하기 위한 프레임워크를 만들었다. 이 프레임워크는 이미 더 단순한 물리학 문제에 적용되었으며, 연구 팀은 현재 접근 방식을 최신 계산과 함께 확대하려고 시도하고 있다. 칸워는 Phys.org를 통해 설명했다:

“나는 지난 1년 동안 물리학 지식과 기계 학습 기술을 결합하는 데 많은 약속이 있음을 보여주었다고 생각한다. 우리는 우리의 접근 방식을 사용하여 대규모 시뮬레이션을 수행하는 데 방해가 되는 남은 장벽을 해결하는 방법에 대해 적극적으로 생각하고 있다. 나는 향후 2년 내에 이러한 방법을 대규모 계산에 적용하는 첫 번째 적용을 보기를 바란다.”