BRICKS: Compositional Neural Markov Kernels for Zero-Shot Radiation-Matter

요약

본 논문은 핵공학, 우주 공학 등 다양한 분야의 핵심 과제인 방사선-물질 상호작용 시뮬레이션을 위한 새로운 구성적 신경 대리(compositional neural surrogates) 전략을 제시합니다. 이 모델은 입자 상호작용의 국소성과 마코프 성질을 활용하여, 하이브리드 이산-연속 트랜스포머 기반의 '다음 입자 예측' 커널을 생성합니다. 특히, 미분 가능하도록 설계되어 있어 기존 기계적 시뮬레이터보다 계산 속도가 빠르며, 0-shot 방식으로 대규모 물질 분포를 효율적으로 시뮬레이션할 수 있는 이점을 가집니다.

핵심 포인트

• 방사선-물질 상호작용을 위한 구성적 신경 모델(BRICKS)을 제안함.
• 입자 상호작용의 국소성 및 마코프 성질을 활용하여 하이브리드 트랜스포머 기반 '다음 입자 예측' 커널을 생성함.
• 모델이 미분 가능하도록 설계되어 있어 다운스트림 애플리케이션에 적합하며, 계산 속도가 기존 기계적 시뮬레이터보다 빠름.
• 0-shot 방식으로 대규모 물질 분포의 방사선 상호작용을 효율적으로 시뮬레이션할 수 있음.
• 새로운 20M 이벤트 규모의 방사선-물질 상호작용 데이터셋을 공개함.