물리적 현상 예측

물리적 현상을 예측하기 위해 전문가들은 일반적으로 슈퍼컴퓨터를 사용한 시뮬레이션에 의존한다. 시뮬레이션은 물리 법칙에 기반한 수학적 모델을 사용하지만 모델이 의심스러운 경우 결과를 신뢰할 수 없다. 이것이 현상에 대한 관찰 데이터로부터 신뢰할 수 있는 모델을 생성하는 방법을 갖는 것이 중요한 이유이다.  

새로운 연구는 관찰 데이터에서 새로운 운동 방정식을 발견하는 방법을 개발했다. 이전 연구는 데이터에서 운동 방정식을 찾는 데 중점을 두었지만 일부에서는 데이터가 적절한 형식이어야 했다. 문제는 전문가들이 가장 적합한 데이터 형식을 몰라서 현실적인 데이터를 적용하기 어려운 경우가 많다는 점이다.

알려지지 않은 기하학적 속성 조명하기

연구원들은 현상 이면의 알려지지 않은 기하학적 특성을 조명하여 이 문제를 해결했다. 이를 통해 데이터에서 이러한 기하학적 속성을 찾을 수 있는 AI를 개발할 수 있었다. AI가 데이터에서 운동 방정식을 추출할 수 있다면 방정식을 사용하여 물리 법칙을 따르는 모델과 시뮬레이션을 만들 수 있다. 

물리적 시뮬레이션은 일기 예보, 약물 발견 및 자동차 설계와 같은 분야에서 발생한다. 그러나 일반적으로 광범위한 계산이 필요하다. AI가 특정 현상의 데이터에서 학습하고 새로운 방법을 사용하여 소규모 모델을 구성할 수 있다면 계산을 단순화하고 속도를 높이며 물리 법칙에 충실할 수 있다.

이 방법은 물리학과 무관한 영역에도 적용할 수 있어 이전에는 설명이 불가능하다고 여겨졌던 현상에 대한 물리학 지식 기반 조사와 시뮬레이션이 가능하다. 그러한 예 중 하나는 개인 수의 변화를 보여주는 동물 개체군 데이터에서 숨겨진 운동 방정식을 찾는 데 사용할 수 있다는 것이다. 이는 생태계 지속 가능성에 대한 통찰력을 제공하는 데 도움이 될 수 있다.

연구팀에는 Yaguchi Takaharu 부교수와 Ph.D. 고베 대학의 Chen Yuhan 학생과 오사카 대학의 Matsubara Takashi 부교수가 있다.

이 연구는 지난달 제35차 신경정보처리시스템 컨퍼런스(NeurlPS2021)에서 발표됐다.