인공지능이 물질의 네 번째 상태인 상태에서 새로운 물리 법칙을 발견했습니다.

새로운 인공지능(AI) 접근 방식이 플라즈마 내 입자 상호작용을 지배하는 놀랍고도 숨겨진 규칙들을 밝혀냈습니다. 더욱 놀라운 것은, 이 접근 방식이 오랫동안 유지되어 온 가정들에 도전장을 내밀고 있으며, 과학자들이 물리학과 생물학 전반에 걸쳐 복잡한 시스템의 법칙을 발견하는 데 도움을 줄 수 있다는 점입니다. (출처: AI/ScienceDaily.com)

물리학자들은 머신러닝 접근 방식을 사용하여 복잡한 시스템에서 입자들이 상호작용하는 방식에 대한 예상치 못한 세부 사항들을 밝혀냈습니다. 그들의 연구는 한 입자가 다른 입자에 미치는 영향과 그로부터 받는 영향이 서로 다른 비상호적인 힘에 초점을 맞추고 있습니다.

PNAS 에 발표된 이번 연구 결과는 에 모리 대학교의 실험 물리학자와 이론 물리학자의 공동 연구에서 나온 것입니다. 연구팀은 맞춤형 신경망을 먼지 플라즈마에서 얻은 실험실 데이터와 결합하여 인공지능이 단순히 데이터를 분석하거나 예측하는 것 이상으로, 완전히 새로운 물리 법칙을 밝혀낼 수 있음을 보여주었습니다.

"우리는 인공지능을 이용해 새로운 물리학을 발견할 수 있음을 보여줬습니다."라고 에모리 대학교 실험물리학 교수이자 논문의 공동 저자인 저스틴 버튼은 말합니다. "우리의 인공지능 방법은 블랙박스가 아닙니다. 우리는 그 작동 원리와 이유를 이해하고 있습니다. 또한 이 방법이 제공하는 프레임워크는 보편적입니다. 따라서 다른 다체 시스템에도 적용하여 새로운 발견의 길을 열어줄 가능성이 있습니다."

먼지 플라즈마 힘에 대한 고정밀 분석

이번 연구는 먼지 플라즈마를 지배하는 물리적 현상에 대해 현재까지 가장 상세한 설명을 제공합니다. 이 시스템은 미세한 먼지 입자를 포함하여 상호 작용하는 대전 입자로 채워진 이온화된 기체로 구성됩니다.

연구진은 인공지능 모델을 사용하여 99% 이상의 정확도로 비대칭적인 힘을 설명할 수 있었습니다. 이러한 힘은 측정하고 모델링하기가 매우 어렵습니다.

"우리는 이러한 힘들을 99% 이상의 정확도로 설명할 수 있습니다."라고 이 논문의 공동 선임 저자인 에모리 대학교 이론 물리학 교수 일리야 네멘만은 말합니다. "더욱 흥미로운 점은 이러한 힘들에 대한 일반적인 이론적 가정 중 일부가 정확하지 않다는 것을 보여준다는 것입니다. 이제 우리는 매우 정밀한 세부 사항까지 관찰할 수 있기 때문에 이러한 부정확성을 수정할 수 있습니다."

연구팀은 이 방법이 상호 작용하는 여러 구성 요소로 이루어진 시스템에 광범위하게 적용될 수 있다고 믿습니다. 이러한 시스템은 페인트나 잉크와 같은 산업 재료부터 살아있는 세포 집단에 이르기까지 다양합니다.

이 연구의 제1 저자인 웬타오 유는 에모리 대학교 박사 과정 학생 시절 이 프로젝트에 참여했으며 현재 캘리포니아 공과대학교에서 박사후 연구원으로 재직 중입니다. 공동 저자인 에슬람 압델알렘 역시 에모리 대학교 대학원생 시절 이 프로젝트에 참여했으며 현재 조지아 공과대학교에서 박사후 연구원으로 활동하고 있습니다.

이 연구는 주로 미국 국립과학재단의 지원을 받았으며, 사이먼스 재단에서 추가적인 자금을 지원받았습니다.

미국 국립과학재단(NSF) 플라즈마 물리학 프로그램 책임자인 비아체슬라프(슬라바) 루킨은 "이 프로젝트는 플라즈마 물리학과 인공지능 분야의 새로운 지식 개발이 생명 시스템 연구에 더 큰 발전을 가져올 수 있는 학제 간 협력의 훌륭한 사례입니다."라고 말했습니다. "이러한 복잡한 시스템의 역학은 집단적 상호작용에 의해 좌우되는데, 새롭게 등장하는 인공지능 기술은 이러한 상호작용을 더 잘 설명하고, 인식하고, 이해하고, 심지어 제어하는 ​​데 도움을 줄 수 있습니다."

물질의 네 번째 상태에 대한 설명

플라스마는 흔히 물질의 네 번째 상태라고 불립니다. 이 상태에서 기체는 이온화되어 전자와 이온이 자유롭게 움직이며 전기 전도성과 같은 독특한 특성을 나타냅니다. 플라스마는 태양에서 뿜어져 나오는 태양풍부터 지구의 번개에 이르기까지 가시 우주의 약 99.9%를 차지합니다.

먼지 플라스마는 추가적인 대전된 먼지 입자를 포함하며 토성의 고리부터 지구의 전리층에 이르기까지 다양한 환경에서 나타납니다.

달에서는 중력이 약해서 대전된 먼지가 표면 위에 떠다닐 수 있습니다. "그래서 우주비행사들이 달 표면을 걸을 때 우주복에 먼지가 잔뜩 묻는 겁니다."라고 버튼은 설명합니다.

지구에서는 산불이 발생할 때 그을음이 연기와 섞이면서 먼지 플라즈마가 형성될 수 있습니다. 이러한 대전 입자는 무선 신호를 방해하여 소방관들의 통신을 더욱 어렵게 만듭니다.

3D 공간에서 입자의 움직임 추적

버튼 연구실은 통제된 실험을 통해 먼지 플라즈마와 유사한 물질들을 재현하여 연구합니다. 연구원들은 더 복잡한 시스템을 모사하기 위해 플라즈마로 채워진 진공 챔버에 미세한 플라스틱 입자를 현탁시킵니다. 기체 압력을 조절함으로써 실제 환경 조건을 모방하고 입자들이 다양한 힘에 어떻게 반응하는지 관찰할 수 있습니다.

이 프로젝트에서 버튼과 유는 입자의 3차원(3D) 움직임을 포착하는 단층 촬영 이미징 방법을 개발했습니다. 레이저 시트가 챔버를 통과하는 동안 고속 카메라가 이미지를 기록합니다. 이렇게 얻은 스냅샷들을 결합하여 시간에 따른 수십 개의 입자 위치를 재구성함으로써 연구원들은 입자의 움직임을 상세하게 추적할 수 있습니다.

인공지능을 활용하여 집단 운동을 이해하기

이론 생물물리학자인 네멘만은 단순한 상호작용으로부터 복잡한 시스템이 어떻게 발생하는지 연구합니다. 그는 특히 인체 내 세포의 움직임과 같은 집단 운동에 관심을 가지고 있습니다.

"작은 부분들의 상호작용으로 전체 시스템이 어떻게 형성되는지에 대한 일반적인 질문들이 매우 중요합니다."라고 네멘만은 설명합니다. "예를 들어 암의 경우, 세포들의 상호작용이 어떻게 일부 세포들이 종양에서 떨어져 나와 새로운 곳으로 이동하여 전이성 암이 되는 것과 관련되는지 이해하는 것이 중요합니다."

생체 시스템과 비교했을 때, 먼지로 뒤덮인 플라즈마는 새로운 아이디어를 시험하기에 더 단순한 환경을 제공합니다. 이러한 특징 덕분에 인공지능이 새로운 물리적 원리를 밝혀낼 수 있는지 탐구하기에 이상적인 사례가 되었습니다.

"인공지능이 과학에 혁명을 일으키고 있다는 이야기가 많지만, 인공지능 시스템이 근본적으로 새로운 것을 직접 발견한 사례는 극히 드뭅니다."라고 네멘만은 말합니다.

탐색을 위한 신경망 설계

인공지능 모델 구축에는 세심한 계획이 필요했습니다. 방대한 데이터셋으로 학습된 시스템과는 달리, 이 프로젝트는 실험 데이터가 제한적이었습니다.

"새로운 것을 탐구할 때는 AI를 훈련시킬 데이터가 많지 않습니다."라고 네멘만은 설명합니다. "즉, 적은 양의 데이터로도 새로운 것을 학습할 수 있는 신경망을 설계해야 한다는 뜻입니다."

팀은 매주 회의를 통해 1년 넘게 디자인을 다듬었습니다.

"우리는 네트워크가 필요한 규칙을 따르면서도 알려지지 않은 물리 현상을 탐구하고 추론할 수 있도록 네트워크를 구성해야 했습니다."라고 버튼은 설명합니다.

네멘만은 "이러한 주간 회의에서 1년 넘게 의견을 주고받은 끝에 마침내 올바른 네트워크 구조를 찾아냈습니다."라고 덧붙였습니다. "일단 학습에 필요한 네트워크 구조를 정하고 나니, 그 후로는 상당히 간단했습니다."

최종 모델은 입자 운동에 영향을 미치는 주요 요인 세 가지를 구분했습니다. 즉, 속도에 의한 항력, 중력과 같은 환경적 힘, 그리고 입자 간의 힘입니다.

놀라운 결과와 새로운 통찰력

3D 입자 궤적 학습을 통해 인공지능은 입자 간 비대칭적인 힘을 포함한 복잡한 상호작용을 성공적으로 포착했습니다.

연구진은 이러한 현상을 호수를 가로지르는 두 척의 배에 비유합니다. 각 배는 서로에게 영향을 미치는 파도를 만들어냅니다. 배들의 위치에 따라 이러한 파도는 배들을 서로 밀거나 당기는 힘이 다르게 작용할 수 있습니다.

"먼지가 많은 플라스마에서, 우리는 선두 입자가 뒤따르는 입자를 끌어당기지만, 뒤따르는 입자는 항상 선두 입자를 밀어내는 현상을 설명했습니다."라고 네멘만은 설명합니다. "이 현상은 일부 연구자들이 예상했던 것이지만, 이제 우리는 이전에는 존재하지 않았던 정확한 근사치를 얻었습니다."

이번 결과는 기존 이론에 이의를 제기합니다. 오랫동안 통용되어 온 이론 중 하나는 입자의 전하량이 크기에 정비례하여 증가한다는 것이었습니다. 새로운 연구 결과는 입자가 클수록 더 많은 전하를 띠는 것은 사실이지만, 그 관계는 더 복잡하며 플라즈마 밀도와 온도와 같은 요인에 따라 달라진다는 것을 보여줍니다.

또 다른 가정은 입자 사이의 힘이 입자 크기와는 무관하게 거리에 따라 지수적으로 감소한다는 것이었습니다. 하지만 AI 모델은 입자 크기가 이러한 힘이 약해지는 속도에 영향을 미친다는 것을 밝혀냈습니다.

연구팀은 추가 실험을 통해 이러한 결론을 확인했습니다.

복잡한 시스템 탐구를 위한 새로운 도구

연구진은 일반 데스크톱 컴퓨터에서 실행 가능한 물리 기반 신경망을 개발했습니다. 그들은 이 신경망이 다양한 분야에서 다체 시스템을 연구하는 데 유연한 틀을 제공할 것이라고 믿습니다.

네멘만은 조만간 독일 콘스탄츠 집단행동연구소에서 강의를 맡게 될 예정인데, 이곳의 과학자들은 새 떼부터 인간 군중에 이르기까지 다양한 시스템을 연구합니다.

"저는 전 세계 학생들에게 인공지능을 이용해 집단 운동의 물리학을 추론하는 방법을 가르칠 것입니다. 그것도 먼지로 뒤덮인 플라즈마 속이 아니라 살아있는 시스템 안에서 말이죠."라고 그는 말합니다.

이러한 발전에도 불구하고 인간의 전문 지식은 여전히 ​​필수적입니다. 과학자들은 모델을 신중하게 설계하고 결과를 해석해야 합니다.

버튼은 "과학, 기술, 인문학 분야에서 실질적인 발전을 이루는 방식으로 인공지능 도구를 개발하고 사용하려면 비판적 사고가 필요하다"고 말합니다.

그는 미래에 대해 여전히 낙관적이다.

"저는 인공지능을 스타트렉의 모토처럼 '아무도 가보지 못한 곳으로 용감하게 나아가라'는 말로 생각합니다."라고 버튼은 말합니다. "제대로 활용한다면 인공지능은 탐험할 수 있는 완전히 새로운 영역의 문을 열어줄 수 있습니다."

출처: https://www.sciencedaily.com/releases/2026/04/260422044635.htm