천체물리학자가 코덱스를 활용해 블랙홀을 시뮬레이션하는 방법

출처: OpenAI Blog

블랙홀 주변의 중력은 너무 극단적이라 빛조차도 충분히 가까이 가면 탈출할 수 없습니다. 차이콴 찬(Chi‑kwan Chan) 같은 천체물리학자들은 컴퓨터 시뮬레이션과 관측을 통해 블랙홀을 연구합니다. 하지만 현재 알고리즘과 컴퓨팅 파워는 이러한 시뮬레이션이 얼마나 현실적으로 구현될 수 있는지를 제한하고 있습니다.

코덱스(Codex)를 활용해, 애리조나 대학교와 스튜어드 천문대의 연구원인 찬은 이 문제에 도전하고 있습니다.

“블랙홀은 아인슈타인의 일반 상대성 이론을 시험할 수 있는 최고의 장소 중 하나입니다.”라고 그는 말합니다. 이 이론은 현재 중력을 가장 잘 설명하는 이론으로, 물체를 끌어당기는 힘이 아니라 질량과 에너지가 시공간의 구조를 휘게 만든 결과라고 설명합니다.

찬은 2019년에 최초의 블랙홀 이미지를 공개한 국제 이벤트 호라이즌 텔레스코프(EHT) 협력팀의 일원입니다. 현재 팀은 M87 은하 중심에 있는 초대질량 블랙홀을 대상으로 최초의 동영상을 만들기 위해 관측 데이터를 수집하고 있습니다.

하지만 관측 결과를 과학적 이해로 전환하려면 방대한 양의 데이터 처리, 대규모 컴퓨팅 워크플로, 그리고 우주의 가장 극한 물리 현상을 모델링할 수 있는 시뮬레이션이 필요합니다.

빛이 블랙홀을 빠져나갈 수 없기 때문에 과학자들은 대신 사건의 지평선(event horizon)이라 불리는, 물질이 탈출할 수 없는 경계 주변을 연구합니다. “돌아올 수 없는 표면이라고 할 수 있죠.”라고 찬은 말합니다. 이 경계 바로 바깥에서 물질이 소용돌이치며 방출하는 빛을 천체물리학자들은 관측하고 측정하며 시뮬레이션합니다.

EHT가 2019년에 발표한 이미지는 사건의 지평선 근처에서 빛나는 플라즈마 속에 자리 잡은 블랙홀의 그림자를 보여줍니다. 찬은 관측을 해석하기 위해 팀이 사용한 시뮬레이션 및 컴퓨팅 도구 개발에 참여했습니다. 그 이후 찬과 동료들은 정지 이미지에서 동영상으로 전환하기 위해 장비와 관측 능력을 지속적으로 개선해 왔습니다.

은하수 중심 블랙홀 주변 플라즈마 움직임을 초고성능 컴퓨터 시뮬레이션으로 만든 짧은 영상.

제공: EHT Theory Working Group / CK Chan

소용돌이 문제 해결

찬과 그의 팀이 직면한 가장 큰 난관 중 하나는 블랙홀 주변 플라즈마를 모델링하는 것입니다. 플라즈마는 전하를 띤 전자와 이온으로 이루어진 초고온 물질입니다.

많은 시뮬레이션에서 과학자들은 플라즈마를 유체처럼 취급하고, 잘 알려진 방정식을 사용해 블랙홀 주변 흐름을 모델링합니다. 이는 전자와 이온이 서로 자주 충돌하는 밀도가 높은 플라즈마에서는 어느 정도 잘 작동합니다.

하지만 찬과 동료들이 연구하는 초대질량 블랙홀 근처에서는 일부 영역이 너무 뜨겁고 희박해 입자 간 충돌이 거의 일어나지 않습니다. “입자들이 서로 충돌하지 않아요.”라고 그는 말합니다. 대신 입자들은 주로 자기장 라인을 따라 소용돌이치듯 움직입니다.

이러한 행동을 정확히 모델링하려면, 연구자들은 수조 개의 전자와 이온이 블랙홀 주위를 빠르게 나선형으로 회전하는 모습을 추적해야 합니다. 기존 시뮬레이션은 모든 미세한 회전을 계산해야 하므로 컴퓨터가 매우 짧은 시간 간격으로 연산을 수행해야 합니다.

그 결과 세계에서 가장 빠른 슈퍼컴퓨터조차도 실제로 연구자가 알고 싶어 하는 큰 규모의 현상을 시뮬레이션하기보다, 이 미세한 입자 움직임을 계산하는 데 대부분의 시간을 소비합니다.

“수십 년 동안 이 때문에 블랙홀 플라즈마를 현실감 있게 시뮬레이션하는 데 한계가 있었습니다.”라고 찬은 말합니다.

AI를 활용한 디지털 트윈 구축

찬은 새로운 수학적 기법이 이러한 제한을 어느 정도 극복할 수 있을 것이라고 의심했습니다. 기본 아이디어는 시뮬레이션이 입자 움직임을 추적하는 방식을 수학적으로 바꾸어, 컴퓨터가 모든 작은 나선을 직접 따라갈 필요가 없게 만드는 것이었습니다.

“하지만 모든 수학적 가능성을 손으로 탐색하려면 엄청난 시간이 걸렸을 겁니다.”라며 찬은 코덱스에 후보 알고리즘을 도출하고 알려진 해와 비교 테스트하도록 요청했습니다.

코덱스는 많은 잠재적 접근법을 생성했으며, 그 중 모두가 올바른 것은 아니었습니다. “괜찮아요.”라고 찬은 말합니다. “대부분의 과학적 아이디어는 실패합니다. 중요한 것은 이 알고리즘들이 검증 가능하다는 점입니다. 하나가 작동하면 이전에는 불가능했던 시뮬레이션을 열 수 있죠.”

일부 AI 시스템은 결론을 도출한 과정을 보여주지 않고 결과만 반환합니다. 그러나 찬의 그룹은 코덱스를 이용해 물리적으로 검증하고, 테스트하고, 이해할 수 있는 수치 스킴을 제안하고 구현합니다.

대형 언어 모델은 여전히 실수를 저지르며, 많은 과학자들이 연구에 AI를 활용하는 데 조심스러워합니다. 하지만 찬은 오늘날 AI 시스템이 과학적 아이디어를 엄격히 테스트할 수 있기 때문에 과학이 AI 활용에 가장 적합한 분야 중 하나라고 믿습니다.

“우리는 아이디어가 아인슈타인, 뛰어난 학생, 혹은 AI 모델에서 나왔다고 받아들이지 않습니다.”라며 그는 강조합니다. “반복적인 테스트를 거친 뒤에만 받아들입니다.”

찬은 AI를 연구자들이 더 많은 아이디어를 탐색하고, 더 빠르게 테스트하며, 검증과 재현성을 기반으로 발견을 가속화할 수 있게 돕는 도구로 보고 있습니다.

만약 찬이 코덱스로 시험하고 있는 접근법이 성공한다면, 새로운 알고리즘은 궁극적으로 과학자들이 블랙홀 주변의 수조 개 입자를 시뮬레이션할 수 있게 할 것입니다. 이는 수십 년 동안 접근할 수 없었던 물리 현상을 연구할 수 있는 길을 열어줄 것입니다.