천체물리학자가 Codex를 활용하여 블랙홀 시뮬레이션에 도움을 받다

Codex는 Chi-kwan Chan이 블랙홀 주변에서 전하와 이온의 움직임을 시뮬레이션하는 알고리즘을 개선하고 테스트하는 데 도움을 줍니다.

블랙홀 주변의 중력은 너무나 극단적이어서, 빛조차도 충분히 가까워지면 탈출할 수 없습니다. Chi-kwan Chan과 같은 천체물리학자들은 컴퓨터 시뮬레이션과 관측을 통해 블랙홀을 연구합니다. 하지만 현재의 알고리즘과 컴퓨팅 파워는 이러한 시뮬레이션이 얼마나 현실적일 수 있는지에 한계를 둡니다.

Chan은 애리조나 대학교(University of Arizona)와 Steward Observatory의 연구원으로서 Codex를 활용하여 이 문제에 접근하고 있습니다.

그는 블랙홀이 아인슈타인의 일반 상대성 이론(general theory of relativity)을 테스트하기에 가장 좋은 장소 중 하나라고 말했습니다. 이 이론은 현재 우리가 중력에 대해 가진 최고의 설명입니다: 중력은 물체를 서로 끌어당기는 힘이라기보다는, 질량과 에너지가 시공간의 구조를 휘게 만드는 결과물입니다.

Chan은 2019년 블랙홀의 첫 이미지를 발표한 국제 사건지평선 망원경(Event Horizon Telescope, EHT) 협력팀의 일원입니다. 이 팀은 현재 M87 은하 중심에 있는 초대질량 블랙홀의 첫 비디오를 제작하기 위해 관측 데이터를 수집하고 있습니다.

하지만 관측을 과학적 이해로 전환하는 과정에는 엄청난 양의 데이터 처리, 대규모 컴퓨팅 워크플로우(large-scale computing workflows), 그리고 우주에서 가장 극단적인 물리학 중 일부를 모델링할 수 있는 시뮬레이션이 필요합니다.

빛은 블랙홀에서 탈출할 수 없기 때문에, 과학자들은 대신 사건의 지평선(event horizon)이라고 불리는 주변 영역을 연구하는데, 이곳은 물질이 빠져나갈 수 없는 경계입니다. Chan은

EHT가 2019년에 공개한 이미지는 사건의 지평선 근처에서 빛나는 플라스마 속에 박혀 있는 블랙홀의 그림자를 보여주었습니다. Chan은 팀이 관측 결과를 해석하는 데 사용한 시뮬레이션 및 컴퓨팅 도구 개발을 도왔습니다. 그 이후로도 Chan과 그의 동료들은 팀이 정지 이미지에서 비디오로 이동함에 따라 기기와 관측 능력을 계속 개선해 왔습니다.

[IMG:N] 은하계 중심의 블랙홀 주변 플라스마 움직임을 보여주는 슈퍼컴퓨터 시뮬레이션으로 생성된 짧은 영상입니다.

출처: EHT 이론 워킹 그룹 / CK Chan

나선형 문제 해결하기

Chan과 그의 팀에게 가장 큰 장애물 중 하나는 블랙홀 주변 플라스마를 모델링하는 것입니다. 플라스마는 전하를 띤 전자와 이온으로 이루어진 초고온 물질입니다.

많은 시뮬레이션에서 과학자들은 플라즈마를 유체처럼 취급하여, 잘 알려진 방정식을 사용하여 블랙홀 주변의 움직임을 모델링함으로써 이를 단순화합니다. 이는 전자와 이온이 서로 끊임없이 충돌하는 더 밀도가 높은 플라스마에서는 비교적 잘 작동합니다.

하지만 Chan과 그의 동료들이 연구하는 초대질량 블랙홀 근처에서는 일부 영역이 너무 뜨겁고 희박해져서 입자들이 거의 서로 마주치지 않습니다. 그는 “그들은 실제로 서로 충돌하지 않는다”라고 말했습니다. 대신, 입자들은 대부분 자기장 선을 따라 나선형으로 움직입니다.

그러한 행동을 정확하게 모델링하려면 연구원들이 수조 개의 전자와 이온이 블랙홀 주변을 빠르게 코르크스크류처럼 휘감아 도는 것을 추적해야 합니다. 표준 시뮬레이션은 모든 작은 회전을 계산해야 하므로, 컴퓨터가 극도로 짧은 시간 간격(timestep)을 사용하도록 강제합니다.

결과적으로, 세계에서 가장 빠른 슈퍼컴퓨터조차도 과학자들이 실제로 연구하고 싶어 하는 더 큰 행동을 시뮬레이션하는 대신, 이러한 미세한 입자 운동을 계산하는 데 대부분의 시간을 할애할 수밖에 없습니다.

Chan은 “수십 년 동안 이것이 우리가 블랙홀 플라스마를 얼마나 현실적으로 시뮬레이션할 수 있는지에 제한을 가해왔다”라고 말했습니다.

더 나은 디지털 트윈 구축을 위한 AI 활용

Chan은 새로운 수학적 기법이 이러한 한계를 우회하는 데 도움을 줄 수 있을 것이라고 의심했습니다. 기본적인 아이디어는 시뮬레이션이 입자 운동을 추적하는 방식을 수학적으로 변경하여 컴퓨터가 더 이상 모든 작은 나선을 직접 따라갈 필요가 없게 하는 것이었습니다.

“하지만 이 모든 수학적 가능성을 손으로 탐구하는 것은 엄청난 시간이 걸렸을 것입니다,”라고 Chan은 말했습니다. 그래서 그는 Codex를 활용하여 후보 알고리즘을 도출하고 알려진 해답과 비교하여 테스트하도록 했습니다.

Codex는 많은 잠재적인 접근 방식을 생성했지만, 그중 모두가 정확한 것은 아니었습니다. “하지만 괜찮습니다,”라고 Chan은 말했습니다. “대부분의 과학적 아이디어는 실패합니다. 중요한 것은 이 알고리즘들이 테스트 가능하다는 것입니다. 일단 작동하는 것을 찾으면, 이전에는 불가능했던 시뮬레이션을 잠재적으로 해제할 수 있습니다.”

일부 AI 시스템은 결론을 도출하는 데 사용한 단계를 보여주지 않고 결과를 반환할 수 있습니다. 하지만 Chan의 그룹은 Codex를 사용하여 검사하고, 테스트하며, 물리적으로 이해할 수 있는 수치적 방식(numerical schemes)을 제안하고 구현합니다.

대규모 언어 모델(LLM)은 여전히 실수를 하며, 많은 과학자들은 연구에 AI를 사용하는 것에 대해 신중한 태도를 유지하고 있습니다. 하지만 Chan은 과학이 오늘날의 AI 시스템을 사용할 수 있는 가장 좋은 용도 중 하나가 될 것이라고 믿는데, 그 이유는 과학적 아이디어는 엄격하게 테스트될 수 있기 때문입니다.

“우리는 어떤 아이디어가 Einstein에게서 왔는지, 똑똑한 학생에게서 왔는지, 아니면 AI 모델에서 왔다는 이유만으로 받아들이지 않습니다,”라고 그는 말했습니다. “반복적인 테스트를 거친 후에야 그것을 받아들입니다.”

Chan은 AI를 연구자들이 더 많은 아이디어를 탐색하고, 이를 더 빠르게 테스트하며, 검증과 재현성(reproducibility)에 기반하면서 발견을 가속화하는 데 도움을 줄 수 있는 도구로 보고 있습니다.

만약 Chan이 Codex와 함께 테스트하는 접근 방식들이 성공한다면, 새로운 알고리즘들은 궁극적으로 과학자들이 블랙홀 주변의 수조 개의 입자를 시뮬레이션할 수 있도록 할 것입니다. 이는 연구자들이 수십 년 동안 손에 닿지 않았던 물리학을 연구할 수 있게 해줄 것입니다.

• 2026