한 천체물리학자가 Codex로 블랙홀을 시뮬레이션하는 방법

블랙홀 주변의 중력은 너무나 강력해서, 일정 거리 안으로 다가가면 빛을 포함한 그 무엇도 빠져나올 수 없습니다. 치콴 찬과 같은 천체물리학자들은 컴퓨터 시뮬레이션과 관측을 통해 블랙홀을 연구합니다. 하지만 현재의 알고리즘과 컴퓨팅 성능으로는 시뮬레이션이 현실을 재현하는 데 한계가 있습니다.

애리조나 대학교와 스튜어드 천문대의 연구원인 찬은 Codex를 활용해 이 문제를 해결하고 있습니다.

찬은 블랙홀이 아인슈타인의 일반 상대성 이론을 검증하기에 가장 좋은 장소 중 하나라고 말합니다. 일반 상대성 이론은 현재 중력을 가장 잘 설명하는 이론입니다. 이 이론에 따르면 중력은 물체가 서로를 끌어당기는 힘이 아니라, 질량과 에너지가 시공간을 휘게 하면서 나타나는 현상입니다.

찬은 2019년 최초의 블랙홀 이미지를 공개한 국제 공동 연구팀인 사건의 지평선 망원경(EHT) 프로젝트에 참여하고 있습니다. 연구팀은 현재 초대질량 블랙홀의 첫 영상을 제작하기 위해 M87 은하 중심에 있는 블랙홀에 초점을 맞춰 관측 자료를 모으고 있습니다. 

하지만 관측 자료를 바탕으로 과학적 이해를 얻으려면 방대한 양의 데이터 처리, 대규모 컴퓨팅 워크플로, 그리고 우주에서 가장 극한적인 물리 현상까지 모델링할 수 있는 시뮬레이션이 필요합니다.

블랙홀에서는 빛이 빠져나올 수 없기 때문에, 과학자들은 대신 그 주변의 ‘사건의 지평선’이라 불리는 영역을 연구합니다. 사건의 지평선은 물질이 한번 넘어가면 빠져나올 수 없는 경계입니다. 찬은 “한번 넘으면 돌아올 수 없는 경계면이죠”라고 설명합니다. 이 경계 바로 바깥에서 소용돌이치는 물질은 빛을 방출하며, 천체물리학자들은 이를 관측하고 측정하고 시뮬레이션할 수 있습니다. 

EHT가 2019년에 공개한 이미지에는 사건의 지평선 근처에서 빛나는 플라스마에 둘러싸인 블랙홀의 그림자가 담겨 있었습니다. 찬은 연구팀이 관측 자료를 해석하는 데 사용한 시뮬레이션 및 컴퓨팅 도구 개발에 기여했습니다. 그 이후 연구팀이 정지 이미지에서 영상으로 나아가는 동안, 찬과 동료들은 관측 장비와 역량을 꾸준히 개선해 왔습니다.

나선 운동이 안겨준 난제 풀기

찬과 연구팀이 마주한 가장 큰 걸림돌 중 하나는 블랙홀 주변의 플라스마를 모델링하는 일입니다. 플라스마는 전하를 띤 전자와 이온으로 이루어진 초고온 물질입니다.

과학자들은 많은 시뮬레이션에서 플라스마를 유체로 간주해 단순화하고, 잘 알려진 방정식을 사용해 블랙홀 주변에서의 움직임을 모델링합니다. 이 방식은 전자와 이온이 끊임없이 서로 충돌하는 밀도 높은 플라스마에서는 꽤 잘 작동합니다. 

하지만 찬과 동료들이 연구하는 초대질량 블랙홀 근처에는 온도가 너무 높고 밀도가 너무 낮아 입자들이 거의 서로 마주치지 않는 영역이 있습니다. 찬은 “입자들이 서로 거의 충돌하지 않아요”라고 말합니다. 대신 입자들은 대부분 자기력선 주위를 나선형으로 회전합니다. 

이 움직임을 정확히 모델링하려면 연구자들은 블랙홀 주변에서 빠르게 나선 운동을 하는 수조 개의 전자와 이온을 추적해야 합니다. 일반적인 시뮬레이션은 아주 작은 회전까지 하나하나 계산해야 하므로, 컴퓨터가 극도로 짧은 시간 간격으로 계산을 수행해야 합니다.

그 결과 세계에서 가장 빠른 슈퍼컴퓨터조차 과학자들이 실제로 연구하고자 하는 거시적 움직임을 시뮬레이션하기보다는, 이 미세한 입자 운동을 계산하는 데 대부분의 시간을 쓸 수 있습니다.

찬은 “이 문제 때문에 수십 년 동안 블랙홀 플라스마를 사실적으로 시뮬레이션하는 데 한계가 있었습니다”라고 말합니다.

AI로 더 정교한 디지털 트윈 만들기

찬은 새로운 수학적 기법을 활용하면 이러한 한계를 일부 우회할 수 있을 것으로 생각했습니다. 기본 아이디어는 시뮬레이션이 입자 운동을 추적하는 수학적 방식을 바꿔, 컴퓨터가 더 이상 미세한 나선 운동을 일일이 직접 따라가지 않아도 되게 하는 것이었습니다.

찬은 “하지만 수학적으로 가능한 모든 방법을 일일이 손으로 탐색했다면 엄청난 시간이 걸렸을 겁니다”라고 말합니다. 그래서 찬은 Codex의 도움을 받아 후보 알고리즘을 도출하고, 이미 알려진 해와 비교해 검증했습니다.

Codex는 다양한 접근법을 제시했지만, 모두가 올바른 것은 아니었습니다. 찬은 “그래도 괜찮습니다”라고 말합니다. “과학적 아이디어는 대부분 실패합니다. 중요한 건 이 알고리즘들을 검증할 수 있다는 점입니다. 제대로 작동하는 알고리즘을 하나만 찾아도, 이전에는 불가능했던 시뮬레이션이 가능해질 수 있습니다.” 

일부 AI 시스템은 결론에 이르는 과정을 보여주지 않고 결과만 내놓기도 합니다. 하지만 찬의 연구팀은 직접 살펴보고 검증하며 물리적으로 이해할 수 있는 수치 계산 기법을 제안하고 구현하는 데 Codex를 활용합니다.

대규모 언어 모델은 여전히 실수를 하며, 많은 과학자가 연구에 AI를 사용하는 데 신중한 태도를 보입니다. 하지만 찬은 과학적 아이디어를 엄밀하게 검증할 수 있다는 바로 그 이유로, 과학이 오늘날 AI 시스템을 가장 잘 활용할 수 있는 분야 중 하나라고 생각합니다.

찬은 “아인슈타인이나 뛰어난 학생, 혹은 AI 모델이 내놓았다는 이유만으로 아이디어를 받아들이지는 않습니다”라고 말합니다. “반복적인 검증을 거친 뒤에야 받아들입니다.”

찬은 AI를 연구자들이 검증과 재현성이라는 토대를 지키면서도 더 많은 아이디어를 탐색하고, 더 빠르게 검증하며, 발견을 앞당길 수 있도록 돕는 도구로 봅니다.

찬이 Codex와 함께 검증 중인 접근법들이 성공한다면, 새로운 알고리즘을 통해 과학자들은 궁극적으로 블랙홀 주변의 수조 개 입자를 시뮬레이션할 수 있게 될 것입니다. 그렇게 되면 연구자들은 수십 년간 접근하지 못했던 물리 현상을 연구할 수 있게 됩니다.