AI는 혼돈을 꿰뚫어 보고 물리학이 허용하는 한계에 도달합니다.

구(위)를 흐린 유리판(가운데) 위에 배치하여 구에서 나오는 빛이 스크린(아래)에 복잡한 패턴을 형성하도록 했습니다. 인공지능을 이용하여 이미지 데이터를 분석하여 구의 위치를 ​​파악할 수 있습니다. 위치 결정의 정밀도는 본 연구에서 결정된 최종 해상도 한계에 매우 가깝습니다. 출처: oliver-diekmann.graphics / TU Wien

어떤 이미지도 무한히 선명할 수는 없습니다. 150년 동안, 현미경이나 카메라를 아무리 기발하게 만들어도 원칙적으로 넘을 수 없는 근본적인 분해능 한계가 있다는 것이 알려져 왔습니다. 입자의 위치는 무한한 정밀도로 측정될 수 없으며, 어느 정도의 흐릿함은 불가피합니다. 이 한계는 기술적 약점 때문이 아니라, 빛의 물리적 특성과 정보 전달 자체에서 비롯됩니다.

따라서 빈 공과대학교(비엔나), 글래스고 대학교, 그르노블 대학교는 다음과 같은 질문을 던졌습니다. 광학적 방법으로 가능한 정밀도의 절대적인 한계는 어디일까요? 그리고 이 한계에 어떻게 최대한 근접할 수 있을까요? 실제로 국제 연구팀은 이론적으로 달성 가능한 정밀도의 최저 한계를 명시하고, 적절한 훈련 후 이 한계에 매우 근접하는 신경망용 AI 알고리즘을 개발하는 데 성공했습니다. 이 전략은 이제 의학 분야에서 사용되는 영상 처리 과정에 적용될 예정입니다.

정밀도에 대한 절대적인 한계

"불규칙하고 흐린 유리창 뒤에 있는 작은 물체를 보고 있다고 가정해 봅시다."라고 빈 공과대학 이론물리학 연구소의 슈테판 로터 교수는 말합니다. "우리는 물체의 이미지만 보는 것이 아니라, 밝고 어두운 여러 빛의 조각으로 구성된 복잡한 빛 패턴을 봅니다. 이제 질문은 이 이미지를 바탕으로 물체의 실제 위치를 얼마나 정확하게 추정할 수 있는가입니다. 그리고 이러한 정확도의 절대적인 한계는 어디일까요?"

이러한 시나리오는 예를 들어 생물물리학이나 의료 영상 분야에서 중요합니다. 빛이 생물학적 조직에 의해 산란되면 더 깊은 조직 구조에 대한 정보가 손실되는 것처럼 보입니다. 하지만 이러한 정보 중 얼마나 많은 부분을 이론적으로 복구할 수 있을까요? 이 질문은 단순히 기술적 측면의 문제일 뿐만 아니라, 물리학 자체도 근본적인 한계를 제시합니다.

이 질문에 대한 답은 이론적 척도, ​​즉 피셔 정보 (Fisher information)에 의해 제공됩니다 . 이 척도는 광 신호가 물체 위치와 같은 미지의 매개변수에 대해 얼마나 많은 정보를 포함하고 있는지를 나타냅니다. 피셔 정보가 낮으면 신호를 아무리 정교하게 분석하더라도 정확한 측정이 불가능합니다. 연구팀은 이 피셔 정보 개념을 바탕으로 다양한 실험 시나리오에서 이론적으로 달성 가능한 정밀도의 상한선을 계산할 수 있었습니다.

신경망은 혼돈스러운 빛 패턴으로부터 학습한다

빈 공과대학(TU Wien) 팀이 이론적 자료를 제공하는 동안, 그르노블 대학교(F)의 도리안 부셰(Dorian Bouchet)와 글래스고 대학교(UK)의 일리아 스타르시노프(Ilya Starshynov), 다니엘레 파치오(Daniele Faccio)는 이에 상응하는 실험을 설계하고 구현했습니다. 이 실험에서는 탁한 액체 뒤에 있는 작고 반사되는 물체에 레이저 빔을 조사하여, 기록된 이미지는 매우 왜곡된 빛 패턴만 나타내도록 했습니다. 측정 조건은 탁도에 따라 달랐으며, 따라서 신호로부터 정확한 위치 정보를 얻는 것도 어려웠습니다.

"사람의 눈에는 이러한 이미지들이 무작위 패턴처럼 보입니다."라고 이 연구의 저자 중 한 명인 막시밀리안 바이마르(TU Wien)는 말합니다. "하지만 각각의 물체 위치가 알려진 이러한 이미지들을 신경망에 여러 개 입력하면, 신경망은 어떤 패턴이 어떤 위치와 연관되는지 학습할 수 있습니다." 충분한 학습 후, 신경망은 새롭고 알려지지 않은 패턴이 있더라도 물체의 위치를 ​​매우 정확하게 파악할 수 있었습니다.

거의 신체적 한계에 다다랐다

특히 주목할 점은 예측 정확도가 피셔 정보를 사용하여 계산된 이론적으로 달성 가능한 최대값보다 약간 낮았다는 것입니다. "이는 저희 AI 지원 알고리즘이 효과적일 뿐만 아니라 거의 최적이라는 것을 의미합니다."라고 슈테판 로터는 말합니다. "물리 법칙이 허용하는 정확도에 거의 근접합니다."

이러한 실현은 광범위한 결과를 가져옵니다. 지능형 알고리즘의 도움으로 의료 진단부터 재료 연구, 양자 기술에 이르기까지 광범위한 분야에서 광학 측정 방법이 크게 개선될 수 있습니다. 연구팀은 향후 프로젝트에서 응용 물리학 및 의학 분야의 파트너들과 협력하여 이러한 AI 기반 방법을 특정 시스템에 어떻게 적용할 수 있는지 연구할 계획입니다.

출처: https://www.sciencedaily.com/releases/2025/06/250610112446.htm