“우주 탄생의 순간을 볼 수 있을까?” 얼핏 불가능해 보이지만, 입자 물리학의 세계에선 가능한 일이다. 태초의 순간인 빅뱅(Big Bang)과 비슷한 상황을 만들어낼 수 있는 강입자가속기(LHC)가 있기 때문이다.

유럽입자물리학연구소(CERN)에서 만든 LHC는 두 개의 입자를 광속에 가까운 속도로 충돌시켜 빅뱅 전후의 상황을 재현할 수 있다.

일반적으로, 입자 가속기는 전자나 양성자 같은 하전입자를 강력한 전기장으로 가속하는 장치다. 이를 통해 연구자들은 속도가 빠른 입자들을 서로 충돌시키고, 여기서 파생되는 입자들을 분석함으로써 우주의 구조와 그것을 지배하는 힘에 관해 연구한다.

그런데 한 가지 문제가 있는데 이는 한 번의 강입자 충돌기(LHC) 실험에서 발생하는 막대한 데이터 처리다. 연구자들에 따르면, 1년 동안 충돌시키면 100만 페타바이트에 가까운 원시 데이터가 생성된다.

이 양은 약 10억 개의 적당한 크기의 하드 드라이브를 채울 수 있으며, 매 초마다 약 백만 기가바이트의 데이터를 생산하는 것으로 축소·압축 후에도 페이스북이 1년 동안 수집한 데이터양과 비슷한 것으로 알려져 있다.

입자물리학자들은 이 모든 데이터 처리를 위해 일찍부터 머신러닝 기법을 도입했다. 한 가지 예를 들면, 이 LHC의 실험에서 생성되는 많은 양의 빅데이터를 처리하기 위해 연구자들은 ‘트리거(Trigger)’라고 부르는 알고리즘을 적용하는데 이 기법은 분석을 위해 어떤 데이터를 보관하고, 어떤 데이터를 폐기할지 실시간으로 결정하는 것이다.

이 머신러닝 알고리즘은 빅데이터의 보존과 폐기에서 최소 70%의 결정을 내리며, 입자 물리학의 분석에서 매우 성공적인 것으로 입증됐다.

미 에너지부가 핵물리학 가속기와 탐지기를 위한 인공지능 연구비로 570만 달러를 지원키로 했다.

지난 2일 미 언론 뉴스와이즈(Newswise)에 따르면, 미국 에너지부는 핵물리학 연구에서 과학적 발견을 가속화하기 위해 인공지능 방법을 구현할 6개 프로젝트에 570만 달러를 지원한다고 발표했다.

이번 6개의 프로젝트는 고급 계산 방법을 사용해 복잡한 가속기와 검출기 시스템의 전반적인 성능을 최적화하는 것을 목표로 하는 것으로 전해졌다.

“인공지능은 핵물리학에서 실험적인 발견을 위한 시간표를 단축할 수 있는 잠재력을 가지고 있다”라고 원자력 물리학 연구소의 티모시 홀만(Timothy Holman) 부국장은 말했다.

현재 입자 가속기 설비와 핵물리 계측기는 시뮬레이션과 제어, 데이터 획득, 분석 등에서 인공지능이 해결해야 할 기술적 난제에 직면해 있다고 덧붙였다.

이에 6개의 프로젝트는 5개의 국립 실험실과 4개 대학의 핵물리학 연구원들의 연구로 수행되며, 중성미자 이중 베타 붕괴로 알려진 추측되고 매우 느린 핵 과정에 대한 고유한 신호를 식별하기 위한 딥러닝 알고리즘 개발이 포함된다.

만약 이 붕괴가 관찰된다면, 가장 희귀한 핵붕괴보다 적어도 만 배는 더 희귀할 것이며, 우주가 반물질보다는 물질에 의해 지배받게 되었는지를 보여주는 결과라고 연구자들은 밝혔다.

아울러, 브룩헤이븐 국립연구소에서 건설 중인 전자이온 충돌기 가속기 프로젝트의 AI 기반의 검출기 설계도 지원된다.

미 에너지부(DOE) 원자력 물리학 프로그램의 지원을 받는 이 프로젝트는 경쟁적인 동료 평가를 통해 상이 선정됐다. 총 계획 자금은 570만 달러이며, 2021 회계연도에는 320만 달러, 이외의 연도 자금은 의회 지출에 따라 달라진다.

지난달 13일 인도 뭄바이 대학의 전자공학자이며, 분석가인 후세인 칸치왈라(Hussain Kanchwala)는 과학 전문 웹사이트 사이언스 ABC에 “인공지능이 입자 가속기에 관한 물리학자들의 연구를 어떻게 돕고 있을까?”란 제하의 칼럼을 올렸다.

칸치왈라에 따르면, 세계 최대 입자 가속기인 LHC(대형 강입자 충돌기)가 CERN에서 실험한 결과, 매분 100만 기가바이트 이상의 데이터가 생성된다.

이 엄청난 양의 데이터는 일반 연구자들이 저장하고, 연구하기에는 너무 많은 양이라고 그는 주장했다.

그렇다면, 인공지능은 어떻게 이 입자 가속기를 연구하는 물리학자들에 도움을 줄까? 이 질문에 대한 대답은 인공지능이라고 칸치왈라는 밝혔다.

강입자 충돌기(LHC)와 같은 입자 가속기를 연구하는 물리학자들은 LHC 데이터 범람을 해결하기 위해 인공지능(AI)을 도입했다.

인공지능 프로그램을 실행하는 기계는 음성인식, 기획, 문제해결, 지각, 기획 등의 활동을 스스로 학습해 데이터의 미궁 속에서 길을 잃지 않고, 효율적으로 작동할 수 있다.

만약에 입자 물리학자들과 AI 연구자들 사이의 연계가 순조롭게 진행된다면, 차세대 입자 충돌 실험에는 세계에서 가장 지능적인 사고 기계 중 일부가 참여하게 될 것이며, 이 기계들은 인간의 투입이 거의 없이도 놀라운 발견을 할 수 있다고 그는 주장했다.

이제 입자 물리학과 인공지능의 관계는 낯선 존재가 아니며, 그 사례로, 몇 년 전 힉스 보슨의 발견을 위한 길을 닦은 LHC 실험 중 두 가지인 ATLAS와 CMS의 실험을 들었다.

힉스 보손(Higgs boson)은 다른 입자에 비해 질량이 매우 크고, 붕괴하는 시간이 짧으므로 대형 입자 가속기에서만 관찰이 가능한 입자로 알려져 있다.

지난 2012년 7월 4일, 유럽입자물리연구소(CERN)는 대형 강입자 충돌기의 ATLAS 팀과 CMS 팀에 의해 실시된 연구에서 4.9σ의 신뢰도로 힉스 보손과 유사한 입자를 발견했다고 발표했다.

그들이 성공한 이유는 데이터의 패턴을 인식하고, 그 패턴으로부터 의미 있는 결론을 이끌어내도록 알고리즘을 훈련시키는 머신러닝 기술 덕분이었다고 칸치왈라는 주장했다.

AI 알고리즘은 입자 충돌의 잔해 시뮬레이션을 사용해 수천 개의 중요하지 않은 데이터 중에서 희귀한 힉스입자의 붕괴로부터 얻은 패턴을 정확하게 감지하는 방법을 배운 것으로 알려졌다.

칸치왈라는 인공지능 분야의 최근 발전이 입자 가속기의 응용을 더욱 발전시키리라고 전망했다. 인공지능 알고리즘이 날로 미세 조정되면서 입자 물리학 관련 문제를 해결할 수 있다는 것이다.

AI 프로그램이 사용하는 많은 새로운 업무들은 컴퓨터 비전에 응용되는데 이는 독립형 이미지 또는 일련의 이미지로부터 관련 정보의 자동 추출, 분석 및 탐지를 다룬다.

입자 물리학에서의 이미지 특징이 눈이나 귀, 코와 같은 단순한 얼굴 특징보다 훨씬 추상적이라는 점을 제외하면, 요즘 대부분의 고급 카메라폰에 탑재되는 안면 인식과 비슷하다.

그러나 입자 가속기 실험에서는 먼저 수백만 개의 센서 요소에 의해 생성된 이기종 데이터 풀에서 이미지를 재생성해야 한다.

“데이터가 이미지처럼 보이지 않더라도, 물리학자들이 그 데이터를 올바른 방식으로 처리한다면, 여전히 컴퓨터 비전 프로그램을 사용할 수 있다”고 머신러닝 연구원인 알렉산더 라도비치(Alexander Radovich)는 말했다.

라도비치에 따르면,이 접근법이 큰 결과를 가져올 수 있는 영역은 LHC와 같은 입자 가속기 실험 중에 대량 생산된 입자 제트의 분석이다. 입자 제트는 개별 트랙을 탐지하기가 매우 어려운 좁은 입자 무리인데 컴퓨터 비전 알고리즘은 제트의 특징을 식별하는 데 도움이 될 수 있다.

오늘날 입자 물리학자들은 주로 입자 가속 실험에서 생성된 대규모 데이터 풀에서 입자 물리학과 관련된 가장 큰 질문에 답하기 위해 인공지능을 사용하고 있다.

향후 10년 후 인공지능 알고리즘은 독립적으로 질문을 할 수 있고, 연구원들이 물리학에서 획기적인 새로운 발견을 할 때, 그들에게 알릴 수 있다고 칸치왈라는 주장했다.

올해 9월 20일 이스라엘 와이즈만 연구소(Weizmann Institute of Science) 웹사이트에는 이 연구소의 과학자들이 충돌하는 입자의 신비를 풀기 위해 인공지능을 사용한다는 소식이 실렸다.

이 글에서 박사과정 학생인 조나단 슐로미(Jonathan Schlomi)는 이 실험에 대해 “A17 좌석의 승객이 어떤 색상의 바지를 입고 있었는지 재구성하기 위해 비행기 추락 사고의 잔해를 조사하는 것과 비슷하다”고 말했다.

지난 2011년과 2013년 사이에 와이즈만 연구소의 연구원인 그로스(Gross)는 ATLAS 검출기를 사용해 힉스입자를 찾는 조사팀을 이끌었다. ‘신의 입자’라고 불리는 힉스입자는 수십 년 된 물리적 수수께끼이었다

“어떻게 입자가 질량을 얻을 수 있을까?” 1960년대 피터 힉스(Peter Higgs)가 예측한 이 입자는 2012년까지 이론적인 존재로 남아있었지만 결국 발견됐고, 수수께끼는 풀렸다.

이렇듯, 입자 물리학은 알려지지 않은 입자를 발견하는 것이다. 신의 입자가 마침내 발견된 후, CERN은 초대칭 이론과 같은 다른 이론 모델을 증명하는 데 초점을 맞추었다.

그러나 이러한 노력이 막다른 골목에 다다랐기 때문에 그로스는 기존 데이터의 추출과 현재와 미래의 가속기 모두에서 새로운 입자를 검색하는 현재 데이터 분석 방법을 개선하고, 미세 조정하는 새로운 경로를 밟아야 할 때라는 것을 깨달았다.

이 목표를 달성하기 위해 와이즈만 연구소에 머신러닝 접근법을 이용한 새로운 연구 그룹을 설립했다.

연구원에 따르면, 현재 기술은 감도 한계에 도달했지만, 입자 충돌의 고해상도 시뮬레이션은 물리학 대부분의 기초 질문에 답할 수 있는 새로운 프레임워크를 제공한다.

ATLAS 검출기 내부에서 입자들이 충돌할 때, 감지 도구는 과학자들이 해독해야 하는 에너지 측정치를 기록한다. 가속기가 작동하는 동안 주어진 몇 초 동안 10억 번 이상의 충돌이 발생한다는 사실과 함께 이 설정은 두 가지 문제를 제기한다.

이 엄청난 양의 데이터를 수동으로 분석할 수 없으며, 다른 한편으로 이들은 미세하고도 빠르게 진화하기 때문에 검출기는 같은 수준의 정밀도로 모든 결과물을 효과적으로 수집할 수 없다.

그러나 딥러닝 기법은 민감한 검출기가 감지하는 것처럼 충돌 시뮬레이션을 사용해 컴퓨터에서 생성된 데이터를 보다 정확하게 분석할 수 있다는 것이다.

http://www.aitimes.com/news/articleView.html?idxno=141821