우주 구조 시뮬레이션에 쓰인 라그랑주 신경 세포자동자, 파라미터 2381개의 실험

핵심 메시지

• 은하 분포만 보고 눈에 보이지 않는 암흑물질의 3차원 분포와 그 역사를 되짚는 것이 이 연구의 목표다.
• 정확한 다체 시뮬레이션은 슈퍼컴퓨터로도 몇 달이 걸리고, 빠른 선형 이론은 작은 규모의 뭉침을 만들어내지 못한다는 것이 출발점이다.
• 제안된 모델은 선형 이론을 바탕에 두고 그 차이만 학습하며, 이웃 연결을 고정한 채 입자만 움직이게 해 역전파를 가능하게 했다.
• 물리적 대칭성과 해석적 함수 형태를 강제한 결과, 파라미터 2381개짜리 모델이 2000만 개짜리 모델과 같은 문제를 다룬다.
• GPU 한 장으로 수 분이면 끝나는 계산으로, 다체 시뮬레이션과 같은 위치·크기의 암흑물질 뭉침을 재현했다.

쉽게 이해하기

스탠퍼드대학교에서 열린 2026 물리·AI 학회 발표 영상이다. 발표자는 현대 망원경으로 보는 수십억 개의 은하가 무작위로 흩어진 것이 아니라 훨씬 큰 구조의 흔적이라고 설명한다. 이 구조를 이루는 암흑물질은 눈에 보이는 물질보다 다섯 배가량 무겁지만 직접 관측되지 않는다. 지금까지 암흑물질에 대해 아는 것 대부분은 은하 분포의 통계량에서 나왔을 뿐, 실제 지도 자체에서 나온 것이 아니다.

연구의 목표는 은하 목록만 가지고 암흑물질 분포를 3차원으로 복원하는 것이다. 발표자는 이를 열매가 달린 위치만 보고 나무의 줄기와 가지 구조를 알아내는 일에 비유하는데, 지금 모습만이 아니라 나무가 자라온 전 과정을 알아내야 한다는 점이 어렵다. 결국 관측된 은하 분포와 최대한 정확히 맞아떨어지도록 우주의 역사를 통째로 시뮬레이션하고, 초기 조건을 조금씩 고쳐가며 수천 번 다시 돌려야 한다. 그래서 모델에는 미분 가능성, 계산 효율, 시간 연속성, 작은 규모에서의 정밀도가 동시에 요구된다.

기존 방법은 양극단에 있다. 모든 입자가 서로 힘을 주고받게 하는 다체 시뮬레이션은 가장 정확하지만, 지금 진행 중인 관측 규모에 맞추려면 수조 개 입자를 수천 단계에 걸쳐 계산해야 해서 최고 성능의 클러스터로도 몇 달에서 몇 년이 걸린다. 반대로 입자 간 상호작용을 무시하고 초기 조건만 외삽하는 선형 이론은 푸리에 변환 한 번이면 끝날 만큼 빠르고 큰 규모의 형태도 잘 맞히지만, 은하가 생겨나는 자리인 조밀한 뭉침을 만들어내지 못하고 흐릿한 덩어리만 남긴다.

제안된 모델은 선형 이론을 신뢰할 만한 바탕으로 삼고 그 차이만 학습한다. 세포자동자를 학습 가능한 형태로 뒤집은 흐름을 이어받되, 셀이 제자리에 고정되는 대신 입자가 움직이도록 일반화했다. 다만 이웃 관계를 매번 다시 계산하면 비용이 크고 역전파가 어려워지므로, 이웃 연결은 고정한 채 입자만 이동시키는 단순화를 택했다. 모델은 다음 시점의 값이 아니라 변화율을 내놓아 시간 연속성을 보장하고, 갱신 규칙은 국소 값과 최근접 이웃의 불변 특징만으로 정의해 회전과 평행이동에 대한 대칭성을 처음부터 구조에 박아 넣었다. 활성화 함수 자리에는 학습된 계수의 급수 전개를 넣어 모델 전체가 해석적인 함수가 되도록 제약했다.

결과적으로 선형 이론에 학습된 보정을 더한 쪽은 다체 시뮬레이션과 같은 위치, 같은 크기, 같은 분포로 암흑물질 뭉침을 만들어냈다. 파워 스펙트럼과 교차 스펙트럼으로 비교하면 비선형 영역까지 퍼센트 수준의 정밀도가 나왔다. 계산은 GPU 한 장으로 수 분이면 끝나, 예전이라면 클러스터를 몇 달 돌려야 했던 규모를 대체한다. 모델 파라미터는 2381개로, 같은 데이터와 같은 문제를 다룬 합성곱 계열 모델의 2000만 개와 비교하면 1만분의 1 수준이다.

주요 인사이트

• 발표자가 꼽은 한 줄 요약은 '적게 주면 더 많이 할 수 있다'는 것이다. 모델에 필요 이상의 여유를 주면 해답을 외워버리지만, 물리적으로 지켜야 할 것을 강제하면 더 견고하고 들여다볼 수 있는 결과가 나온다는 주장이다.
• 학습셋의 시뮬레이션 개수보다 파라미터 수가 적다는 사실 자체가 일반화의 근거로 쓰인다. 압축이 극단적으로 일어났다면 모델이 외운 것이 아니라 규칙을 내면화했다고 볼 수 있다는 논리다.
• 확산이나 흐름 기반 생성 모델을 쓰지 않은 이유는 결정론이다. 시뮬레이션을 한 번만 돌리고 그대로 역전파하고 싶었고, 내부를 열어 무엇이 일어나는지 확인하고 싶었기 때문이라고 설명한다.
• 이 모델은 중력을 정확히 푸는 것이 아니다. 질량과 운동량 보존, 평행이동과 회전에 대한 대칭성은 보장하지만, 중력 자체의 동역학은 근사할 뿐이며 그 여지를 남겨야 계산이 싸진다고 인정한다.
• 모든 상호작용이 국소적이라는 점은 한계이자 강점이다. 아주 작은 규모에서 정확도가 떨어지는 원인일 수 있지만, 동시에 계산을 원하는 만큼 병렬로 쪼갤 수 있게 해준다.

자주 묻는 질문

관련 AI 소식