AI로 우주 시뮬레이션 30밀리초 만에… 기존 대비 1000배 빠르고 정확도 2.8%

첫 AI 우주 시뮬레이터 'D3M', 속도·정확도 동시 달성

우주 진화를 설명하기 위해 과학자들은 하늘 관측에서 정보를 추출하기 위해 수많은 시뮬레이션이 필요합니다. 이 과정은 정확한 물리 모델로 수십억 입자를 거대한 부피에서 수십억 년 동안 평가하는 것을 포함합니다.

천체물리학자들은 보통 N-바디 시뮬레이션이라 불리는 접근법으로 우주 구조 형성을 예측합니다. 하지만 이 방법은 계산 비용이 매우 큽니다.

이제 미국 연구팀이 N-바디 시뮬레이션의 대안인 새로운 모델을 개발했습니다. 딥러닝 기법을 사용해 훨씬 더 정확한 결과를 훨씬 더 짧은 시간에 출력하는 복잡한 3D 우주 시뮬레이션을 생성합니다.

딥 덴시티 디스플레이스먼트 모델(D3M)

D3M(Deep Density Displacement Model)이라 명명된 신경망은 단일 우주론적 매개변수 세트로 훈련됐습니다.

빠르고 정확한 결과 제공뿐 아니라, 특정 매개변수가 변경됐을 때(예: 우주 암흑 물질 양) 우주가 어떻게 보일지 정확히 시뮬레이션할 수 있습니다. 이는 모델이 해당 매개변수가 변하는 데이터로 훈련된 적이 없음에도 가능합니다.

D3M은 우리 우주에 미치는 중력(가장 중요한 힘)의 효과를 모델링합니다. 우주 진화 전체에 걸쳐 수십억 개별 입자가 이 힘에 어떻게 이동하는지 계산합니다.

참고: PNAS | DOI:10.1073/pnas.1821458116 | 사이먼스 재단

연구자들은 가장 정밀한 기존 모델에서 약 8,000가지 시뮬레이션으로 D3M을 훈련시켰습니다. D3M을 구동하는 심층 신경망은 점차 더 정확한 결과를 더 짧은 시간에 내놓는 법을 배웠습니다.

모델 훈련 완료 후, 천체물리학자들은 가로 6억 광년 정사각형 우주 시뮬레이션을 실행했습니다. 그런 다음 결과를 기존 최첨단 모델과 비교했습니다.

새 모델(D3M)과 2차 라그랑주 섭동 이론(2LPT)으로 생성된 N-바디 시뮬레이션 정확도 비교. 그리드 다른 색상은 평균 변위 오차(백만 광년 단위) 표시.

정확하지만 느린 방법은 우주 시뮬레이션에 수백 시간이 걸렸고, 빠른 접근법은 몇 분이 걸렸지만, D3M은 단 30밀리초 만에 시뮬레이션을 실행했습니다.

기존 빠른 접근법의 상대 오차 9.3%와 비교해 D3M은 2.8% 상대 오차로 더 정확한 결과를 냈습니다.

이 모델을 정말 특별하게 만드는 것은 훈련 데이터셋에 포함되지 않은 우주론적 매개변수 변화를 처리하는 탁월한 능력입니다.

다음 연구에서 연구자들은 유체역학 등 다른 힘도 모델링하려 시도할 것입니다. 더 고해상도 시뮬레이션을 추가해 모델 복잡성을 더욱 개선할 수 있습니다.

또한 D3M의 작동 메커니즘을 분석해 왜 그렇게 잘 외삽(extrapolate)하는지 알아볼 것입니다. 이는 머신러닝 방법 발전에 큰 도움이 될 수 있습니다.