생성 AI와 입자물리 역문제: 파톤 분포 함수 복원에서 드러난 가짜 상관관계 문제

핵심 메시지

• 파톤 분포 함수는 양성자 같은 하드론의 운동량이 내부의 쿼크와 글루온에 어떻게 나뉘어 실리는지를 나타내는 함수로, 충돌형 가속기 실험의 예측에 빠짐없이 등장한다.
• 문제는 중심값이 아니라 불확실성이다. 데이터가 없는 영역으로 외삽하면 예측 오차가 크게 부풀고, 어떤 함수 꼴을 가정하느냐에 따라 결과가 크게 달라지는 매개변수화 의존성도 남는다.
• 이런 복원 작업은 정방향 계산은 쉬운데 역방향은 답이 여럿인 전형적인 역문제다. 발표자는 3차원 물체와 그림자의 비유로, 같은 그림자를 만드는 형태가 여럿이라는 점이 곧 불확실성의 원천이라고 설명했다.
• 변분 오토인코더에 관측량 경로를 하나 더 붙인 구조를 쓰면, 정방향 계산에서 사라진 정보가 잠재 공간에 모인다. 부호나 반지름 같은 잃어버린 정보를 되찾아 여러 해를 동시에 생성할 수 있다는 것이 이 접근의 핵심이다.
• 가장 중요한 경고는 재구성 성능이 좋아 보여도 모델이 물리를 배웠다는 뜻은 아니라는 점이다. 상관관계를 뜯어보니 있어서는 안 될 연결이 다수 나타났고, 잠재 공간을 좁히자 그 가짜 상관관계가 사라졌다.

쉽게 이해하기

아르곤 국립연구소의 브랜던 크리스텐 연구원은 고에너지 물리 이론과 하드론 구조, 기계학습이 겹치는 지점에서 일한다. 이번 발표의 주제는 파톤 분포 함수로, 하드론의 운동량이 내부 구성 입자에 어떤 비율로 실리는지를 세로 운동량 분율의 함수로 나타낸 것이다. 강한 상호작용 이론의 인수분해 정리를 통해 정의되며, 하드론을 충돌시키는 실험이라면 어디서든 필요한 재료다.

그가 강조한 것은 이 함수의 값 자체보다 불확실성이다. 데이터가 없는 극단적 에너지 영역으로 외삽하면 단면적 예측의 불확실성이 50% 가까이까지 부풀어 오르고, 이는 중성미자 망원경이 관측하는 초고에너지 사건 해석에 직접 영향을 준다. 게다가 어떤 함수 형태를 가정하고 맞추느냐에 따라 외삽 영역의 결과가 크게 갈린다는 연구도 있다. 파톤 분포 함수의 불확실성이 곧 새로운 물리를 발견할 여지를 좌우한다는 것이다.

해결 도구로 그는 생성 모델을 꺼냈다. 정방향 매핑은 잘 정의돼 있지만 역방향은 답이 여럿인 역문제 구조에서, 변분 오토인코더에 관측량이 흐르는 경로를 하나 더 둔 형태를 쓴다. y가 x의 제곱인 장난감 문제를 넣어 보면, 관측량 경로가 양수만 받아들이게 되면서 정방향에서 지워졌던 부호 정보가 잠재 공간에 남고, 주성분 분석을 하면 +1과 -1 근처에 뭉친 두 덩어리로 드러난다. 해가 무한히 많은 단위원 문제에서도 반지름과 각도 정보가 잠재 공간에 나타났다.

실제 물리 문제로 옮기면, 격자 QCD 계산에서 얻는 몇 개의 적분값만으로 원래 함수를 되살릴 수 있느냐가 관건이 된다. 이론상 완벽한 복원에는 무한히 많은 적분값이 필요하지만 격자 계산은 다섯 개 정도만 얻어도 신호가 무너진다. 연구진은 먼저 현실에 없는 32개를 가정해 실험했고 복원 결과는 정답과 잘 맞았다. 그런데 잠재 변수와 출력 사이의 선형 상관을 하나씩 확인해 보니, 물리적으로 0이어야 할 조합에서 0이 아닌 값이 여럿 나왔다.

이 대목이 발표의 핵심이다. 겉으로 드러나는 복원 곡선만 보면 모델이 물리를 학습한 것처럼 보이지만, 실제로는 정보를 엉뚱한 곳으로 옮기며 가짜 상관관계를 만들어 내고 있었고 생성 모델의 특성상 그것이 감춰진다. 반대로 잠재 공간을 좁히고 격자에서 실제로 얻을 수 있는 수준인 적분값 다섯 개만 쓰자, 제약이 오히려 모델을 물리적인 해로 몰아붙여 가짜 상관관계가 사라졌다. 이어 소개된 후속 연구에서는 같은 틀로 격자 데이터에서 글루온 분포를 뽑아내 기존 실험 기반 분석들과 견줄 만한 결과를 얻었다.

주요 인사이트

• 역문제에서 해가 여럿이라는 사실은 결함이 아니라 불확실성의 정체다. 생성 모델을 쓰는 이유도 하나의 정답을 찍기 위해서가 아니라 가능한 해들을 여러 개 만들어 내기 위해서다.
• 트랜스포머와 파운데이션 모델이 대세인 상황에서도 발표자는 오래된 변분 오토인코더 계열 구조를 택했다. 잠재 공간을 직접 들여다보고 무엇이 복원됐는지 해석할 수 있다는 점이 목적에 더 맞았기 때문이다.
• 모델의 자유도가 크면 성능은 좋아 보이지만 해석은 위험해진다. 잠재 공간을 좁히는 제약이 오히려 물리적으로 옳은 상관관계만 남기도록 강제했다는 결과는, 과학 응용에서 용량을 늘리는 것이 늘 이득은 아니라는 반례다.
• 사전 분포 선택이 결과에 흔적을 남긴다. 단위원 문제에서 균등 분포를 쓰자 잠재 공간에 빈 구멍이 생겼고, 문제의 기하 구조에 맞는 분포를 골랐다면 나타나지 않았을 현상이라는 설명이 이어졌다.
• 물리 법칙을 어떻게 지키게 할 것인가라는 질문에는, 대칭성을 만족하는 예시만 학습에 넣고 출력이 이론적 제약을 지키는지 확인하는 방식을 썼다고 답했다. 제약을 구조에 새길지 데이터로 가르칠지는 여전히 열린 선택지다.

자주 묻는 질문

관련 AI 소식