물리 법칙을 '미리 외우고' 시작하는 AI… 양자컴퓨터 개발이 10배 빨라졌다 🧠⚡

디지털 슈퍼브레인

AI를 가르치는 가장 흔한 방법은 데이터를 잔뜩 던져주는 거죠. "이런 경우엔 이렇게 된다"를 수만 번 보여주면서 스스로 규칙을 깨치게 하는 겁니다. 그런데 스웨덴 찰머스공대 연구진이 발상을 바꿨어요. 규칙(물리 법칙)을 처음부터 AI에게 그냥 알려주고 시작하게 한 거죠. 결과는? 작업 시간이 무려 10분의 1로 줄었습니다. 흥미로운 이야기라 풀어볼게요.

먼저, 이들이 뭘 연구하나: 나노포토닉스

배경부터 짚을게요. 타신 교수팀의 분야는 나노포토닉스, 쉽게 말해 아주 작은 규모에서 빛을 다루는 기술입니다.

신기한 점이 있어요. 빛이 자기 파장보다 더 작은 구조물과 만나면, 평소와는 전혀 다르게 행동하거든요. 이걸 잘 활용하면 굉장한 걸 만들 수 있어요. 더 가볍고 얇은 카메라·안경 렌즈는 물론, 양자컴퓨터끼리 정보를 주고받는 핵심 부품까지요. 실제로 이 팀은 스웨덴 최초의 대형 양자컴퓨터 개발팀과 협력해, 빛의 움직임을 정밀하게 제어하는 나노 소재를 연구하고 있습니다.

문제는 자연에 있는 평범한 광학 소재로는 빛을 다루는 데 한계가 있다는 거예요. 그래서 연구진은 컴퓨터 시뮬레이션으로 인공 광학 소재를 설계합니다. 자연에 없으면 직접 만드는 거죠.

"전자기학을 가르치는 나보다 AI가 낫다"

여기서 타신 교수의 솔직한 고백이 인상적이에요. 그는 전자기학 방정식을 속속들이 알고 학생들에게 가르치는 전문가인데도 이렇게 말합니다.

"나는 전자기학을 가르치지만, 여전히 신경망이 끌어내는 모든 결론을 내가 직접 이끌어낼 수는 없어요. 물리가 워낙 복잡해서 소재를 그냥 보기만 해선 그 특성을 알 수 없는데, 컴퓨터는 알거든요."

전문가조차 한눈에 못 보는 복잡한 물리 관계를, AI는 데이터를 통해 파악해낸다는 거죠. 그래서 이 분야에서 머신러닝은 거의 필수 도구가 됐습니다.

그런데 진짜 골칫거리는 '데이터 준비'였다

AI가 똑똑한 건 좋은데, 한 가지 큰 걸림돌이 있었어요. 바로 신경망을 훈련시킬 데이터를 만드는 데 시간이 어마어마하게 든다는 점입니다.

숫자를 보면 실감 나요. 데이터 한 개 만드는 데 10분에서 1시간이 걸리고, 필요한 시뮬레이션은 최대 4만 번에 달할 수 있습니다. 박사과정생 빅토르 릴리아의 푸념이 와닿아요. "신경망 훈련에 쓸 데이터를 만드는 데만 한 달이 걸릴 수 있어요. 그러다 '아, 이것도 추가해야겠다' 싶으면 또 한 달이 가는 거죠."

데이터 준비에 한 달, 수정에 또 한 달. 연구 속도가 날 수가 없었던 겁니다.

핵심 아이디어: "이미 아는 걸 왜 또 배우게 해?"

연구진의 발상 전환이 바로 여기서 빛납니다. 이들은 단순한 사실에 주목했어요. "광학 부품은 어차피 항상 물리학·전자기학 법칙을 따른다."

그렇다면 굳이 AI가 그 법칙을 데이터로 힘들게 재발견하도록 둘 필요가 있을까요? 이미 인류가 다 아는 법칙인데 말이죠. 그래서 연구진은 법칙 자체를 신경망에 직접 집어넣었습니다.

비유하자면 이래요. 기존 방식은 신입사원에게 회사 규정집을 안 주고 수만 건의 사례를 보며 알아서 규칙을 터득하게 한 거예요. 새 방식은 그냥 규정집을 먼저 읽히고 일을 시작하게 한 거죠. 당연히 후자가 훨씬 빠르겠죠. AI가 매번 같은 물리 관계를 바닥부터 다시 배울 필요가 없어진 겁니다.

결과: 30일 → 3일, 그리고 1밀리초의 예측

성과는 극적이었어요. 30일 걸리던 작업이 약 3일로 줄었습니다. 신경망이 훈련을 시작하기도 전에 핵심 물리 원리를 이미 이해하고 있으니까요.

게다가 재미있는 비하인드가 있어요. 사실 이 아이디어는 처음엔 다른 목적에서 출발했대요. 신경망의 예측을 사람이 더 쉽게 해석하게 만들려고, 익숙한 방정식을 모델에 심어본 거였거든요. 그런데 시험해보니 뜻밖에도 신경망이 훨씬 더 유능해지고 필요한 데이터도 확 줄어드는 걸 발견한 거죠. 의도치 않은 선물이었던 셈입니다.

릴리아의 말이 이 기술의 위력을 보여줘요. "일단 훈련을 마치면, 어떤 구조든 던져주고 그 광학적 특성을 1밀리초 만에 얻을 수 있어요." 1,000분의 1초 만에 답이 나온다니, 설계 속도가 비교가 안 되겠죠.

정리하며

요약하면, 찰머스공대 연구진이 ① 빛을 다루는 나노포토닉스 소재 설계에서 ② 데이터 준비에 한 달씩 걸리던 병목을 ③ '물리 법칙을 AI에 미리 내장하는' 방식으로 ④ 작업 시간을 10분의 1로 줄였다는 이야기였습니다.

개인적으로 이 연구의 메시지가 참 좋았어요. 요즘 AI는 무조건 데이터를 더 많이, 더 크게 밀어 넣는 방향으로만 가는 경향이 있잖아요. 그런데 이 연구는 정반대로, **'이미 인류가 아는 지식을 잘 활용하면 데이터가 훨씬 적게 든다'**는 걸 보여줬거든요. 무작정 더 많이가 아니라, 똑똑하게 시작하기. 어쩌면 AI의 다음 진화는 이런 방향에 있을지도 모르겠네요. 해당 연구는 학술지 레이저 앤드 포토닉스 리뷰스에 게재됐습니다. 🔬

#인공지능 #머신러닝 #신경망 #나노포토닉스 #양자컴퓨터 #물리법칙 #광학소재 #찰머스공대 #AI연구 #과학블로그