블로그

Nonaka는 “계산 모델은 설계 결정이 칩의 전자기파 전파에 어떻게 영향을 미치는지 예측하여 적절한 신호 결합이 발생하는지 확인하고 원치 않는 혼선을 방지합니다”라고 말했습니다.

이 작업을 수행하기 위해 팀에서는 다음을 사용했습니다. 아르테미스는 캘리포니아 대학교 버클리 소재 Irfan Siddiqi의 양자 나노전자공학 연구소와 버클리 연구소의 AQT(Advanced Quantum Testbed) 간의 협력을 통해 개발된 양자 칩을 시뮬레이션하고 개선하기 위한 엑사스케일 모델링 도구입니다. Yao는 고성능 컴퓨팅, 네트워킹, 스토리지 및 분석을 위한 국제 회의(SC25)에서 기술 시연을 통해 이 연구를 발표할 예정입니다.

양자 칩 설계는 극저온에서 마이크로파 공학 요소와 물리학의 복잡성을 결합합니다. 이 때문에 원래 DOE의 엑사스케일 컴퓨팅 프로젝트에 따라 개발된 ARTEMIS와 같은 고전적인 전자기 시뮬레이션 플랫폼은 이러한 시스템을 연구하는 데 매우 적합합니다.

거대한 슈퍼컴퓨터가 작은 칩에 도전하다

모든 시뮬레이션에 극도의 컴퓨팅 리소스가 필요한 것은 아니지만 이 프로젝트는 한계를 뛰어넘었습니다. 매우 복잡한 칩의 미세한 세부 사항을 캡처하기 위해 팀은 Perlmutter 슈퍼컴퓨터의 거의 모든 성능을 활용했습니다. 24시간 동안 거의 모든 7,168개의 NVIDIA GPU를 사용하여 가로 10mm, 두께 0.3mm에 불과하고 1미크론만큼 작은 기능을 갖춘 다층 칩을 모델링했습니다.

“저는 전체 Perlmutter 시스템 규모에서 마이크로 전자 회로의 물리적 모델링을 수행한 사람을 본 적이 없습니다. 우리는 거의 7,000개의 GPU를 사용하고 있었습니다.”라고 Nonaka는 말했습니다. “우리는 칩을 110억 개의 그리드 셀로 분리했습니다. 우리는 7시간 만에 백만 개가 넘는 시간 단계를 실행할 수 있었고 이를 통해 Perlmutter에서 하루 안에 세 가지 회로 구성을 평가할 수 있었습니다. 이러한 시뮬레이션은 전체 시스템 없이는 이 기간에 불가능했을 것입니다.”

이러한 수준의 정밀도는 작업을 차별화합니다. 많은 시뮬레이션은 계산상의 한계로 인해 칩을 “블랙박스”로 단순화하지만 수천 개의 GPU에 대한 액세스를 통해 연구원들은 장치의 실제 물리적 구조와 동작을 모델링할 수 있었습니다.

Yao는 “우리는 전파 물리 수준 시뮬레이션을 수행합니다. 즉, 칩에 사용하는 재료, 칩의 레이아웃, 금속 배선(니오븀 또는 기타 유형의 금속 와이어), 공진기를 만드는 방법, 크기, 모양, 사용하는 재료에 관심을 갖는다”고 말했습니다. “우리는 이러한 물리적 세부 사항에 관심을 갖고 이를 모델에 포함시킵니다.”

구조적 세부 사항 외에도 시뮬레이션은 큐비트가 서로 상호 작용하는 방식 및 회로의 나머지 부분과 상호 작용하는 방식을 포함하여 실제 실험 중에 칩이 어떻게 작동하는지 재현합니다.

실시간 양자 행동 캡처

연구원들은 상세한 물리적 모델링과 시간 기반 시뮬레이션을 결합하여 흔치 않은 성과를 거두었습니다. 그들의 접근 방식은 시간 영역에서 Maxwell의 방정식을 사용하여 비선형 효과를 설명하고 신호가 어떻게 진화하는지 추적할 수 있게 해줍니다.

Yao는 물리적 칩 설계에 중점을 두고 실시간으로 시뮬레이션하는 기능에 초점을 맞춘 이러한 특성을 결합하는 것이 시뮬레이션을 독특하게 만드는 요소 중 하나라고 말했습니다. Yao는 이렇게 말했습니다. “편미분 방정식인 Maxwell 방정식을 사용하고 비선형 동작을 통합할 수 있도록 시간 영역에서 수행하기 때문에 이 조합은 중요한 역할을 합니다. 이 모든 것이 합쳐져 우리에게 독특한 기능을 제공합니다.”

이 프로젝트는 유망한 양자 연구 활동에 컴퓨팅 시간을 할당하는 Quantum Information Science @ Perlmutter 프로그램을 통해 NERSC의 지원을 받았습니다. 해당 프로그램 내에서도 이 시뮬레이션은 규모와 야망이 돋보였습니다.

이 프로젝트에 참여한 NERSC 양자 컴퓨팅 엔지니어인 Katie Klymko는 “이러한 노력은 ARTEMIS와 NERSC의 컴퓨팅 기능을 사용하여 4자릿수 이상의 양자 하드웨어 세부 정보를 캡처하는 현재까지 Perlmutter의 가장 야심찬 양자 프로젝트 중 하나로 돋보입니다.”라고 말했습니다.

양자 칩 모델링을 위한 다음 단계

앞으로 팀에서는 칩에 대한 보다 정확한 이해와 대규모 시스템 내에서의 성능을 파악하기 위해 시뮬레이션을 확장할 계획입니다.

Yao는 “우리는 후처리를 수행하고 시스템의 스펙트럼 동작을 정량화할 수 있도록 보다 정량적인 시뮬레이션을 수행하고 싶습니다”라고 말했습니다. “우리는 큐비트가 회로의 나머지 부분과 어떻게 공명하는지 보고 싶습니다. 주파수 영역에서는 이를 다른 주파수 영역 시뮬레이션과 벤치마킹하여 정량적으로 시뮬레이션이 정확하다는 더 큰 확신을 주고 싶습니다.”

궁극적으로 모델은 현실과 비교하여 테스트됩니다. 칩이 제작되고 실험적으로 평가되면 연구원들은 결과를 예측과 비교하고 그에 따라 시뮬레이션을 개선할 것입니다.

Yao와 Nonaka는 이 성과가 Berkeley Lab과 AMCR, QSA, AQT, NERSC를 포함한 파트너 간의 긴밀한 협력에 의해 이루어졌으며 컴퓨팅 성능과 기술 전문 지식을 모두 제공했다고 강조했습니다. QSA 이사인 Bert de Jong에 따르면 이러한 노력은 중요한 진전을 의미합니다.

그는 “과학자 및 엔지니어 간의 광범위한 파트너십을 통해 가능해진 이 전례 없는 시뮬레이션은 양자 하드웨어의 설계 및 개발을 가속화하는 중요한 단계입니다.”라고 말했습니다. “더 강력하고 성능이 뛰어난 양자 칩은 연구자에게 새로운 역량을 제공하고 과학의 새로운 길을 열어줄 것입니다.”

이 문제를 해결하기 위해 오사카 메트로폴리탄 대학교 공학 대학원의 후지나가 타쿠야(Takuya Fujinaga) 조교수는 각 토마토를 따기 전에 수확하기가 얼마나 쉬운지 평가하도록 로봇을 훈련시키는 시스템을 개발했습니다.

그의 접근 방식은 이미지 인식과 통계 분석을 결합하여 각 과일을 따는 데 가장 적합한 각도를 결정합니다. 로봇은 토마토 자체, 줄기, 잎 뒤에 숨겨져 있는지 또는 식물의 다른 부분과 같은 시각적 세부 사항을 분석합니다. 이러한 입력은 로봇이 과일에 접근하고 따는 가장 효과적인 방법을 선택하도록 안내합니다.

탐지부터 “수확 용이성” 의사 결정까지

이 방법은 과일 감지 및 식별에만 초점을 맞춘 기존 시스템에서 벗어났습니다. 대신 Fujinaga는 “수확 용이성 추정”이라고 부르는 방법을 도입했습니다. “이것은 단순히 ‘로봇이 토마토를 고를 수 있나요?’라고 묻는 것 이상의 의미를 갖습니다. 실제 농업에서는 ‘성공 확률은 얼마나 될까?’를 생각하는 것이 더 의미가 있다”고 설명했다.

테스트에서 시스템은 기대치를 뛰어넘는 81%의 성공률을 달성했습니다. 성공적인 수확의 약 1/4은 초기 정면 시도가 실패한 후 측면에서 수확된 토마토에서 나왔습니다. 이는 첫 번째 시도가 성공하지 못했을 때 로봇이 접근 방식을 조정할 수 있음을 나타냅니다.

이 연구는 토마토 클러스터 방식, 줄기의 모양과 위치, 주변 잎, 시각적 장애물 등을 포함하여 얼마나 많은 변수가 로봇 수확에 영향을 미치는지 강조합니다. Fujinaga는 “이 연구는 ‘수확의 용이성’을 정량적으로 평가할 수 있는 지표로 확립하여 정보에 입각한 결정을 내리고 지능적으로 행동할 수 있는 농업용 로봇의 실현에 한 걸음 더 다가섰습니다”라고 말했습니다.

농업 분야 인간-로봇 협업의 미래

Fujinaga는 앞으로 작물을 수확할 준비가 된 시기를 독립적으로 판단할 수 있는 로봇을 구상하고 있습니다. 그는 “이를 통해 로봇과 인간이 협력하는 새로운 형태의 농업이 탄생할 것으로 기대된다”고 설명했다. “로봇은 따기 쉬운 토마토를 자동으로 수확하는 반면, 인간은 더 까다로운 과일을 처리합니다.”

연구 결과는 스마트 농업 기술.

이번 연구결과는 3월 16일자 학술지에 게재됐다. 천문일지.

솜사탕과 같은 행성계

케플러-51(Kepler-51)은 백조자리 방향으로 약 2,615광년 떨어진 곳에 위치한 별이다. 여기에는 4개의 알려진 행성이 있으며, 그 중 최소 3개는 슈퍼퍼프라고 알려진 희귀한 초저밀도 세계에 속합니다. 이 행성들은 크기는 토성과 비슷하지만 질량은 지구보다 몇 배에 불과합니다. 그 중에서 Kepler-51d는 가장 차갑고 밀도가 가장 낮은 것으로 눈에 띕니다.

“우리는 케플러-51을 공전하는 3개의 내부 행성이 솜사탕과 유사한 밀도를 제공하는 작은 핵과 거대한 대기를 가지고 있다고 생각합니다”라고 연구 당시 펜실베이니아 주립대학교 외계 행성 및 거주 가능 세계 센터 박사후 연구원이자 논문의 제1저자인 제시카 리비-로버츠(Jessical Libby-Roberts)는 말했습니다. “이 초저밀도 슈퍼 퍼프 행성은 드물고 가스 거인이 어떻게 형성되는지에 대한 기존의 이해를 거부합니다. 그리고 하나가 어떻게 형성되었는지 설명하는 것이 충분히 어렵지 않았다면 이 시스템에는 세 개가 있습니다!”

Kepler-51d가 행성 형성 모델을 무시하는 이유

일반적으로 가스 거인은 강한 중력을 생성하는 밀도가 높은 코어로 형성되어 두꺼운 가스 대기를 끌어당겨 붙잡을 수 있습니다. 이 행성들은 일반적으로 우리 태양계의 목성과 토성과 같이 가스 축적을 선호하는 조건이 있는 별에서 멀리 떨어진 곳에서 발달합니다.

Kepler-51d는 이 패턴을 따르지 않습니다. 이 별은 밀도가 높은 핵이 부족한 것으로 보이며 태양을 기준으로 한 금성의 위치와 비슷할 만큼 별에서 멀리 떨어진 곳에서 공전합니다.

현재 탬파대학교 물리학 및 천문학 조교수인 리비-로버츠(Libby-Roberts)는 “케플러-51은 상대적으로 활동적인 별이며, 그 항성풍은 이 행성의 가스를 쉽게 날려버릴 것입니다. 하지만 케플러-51d의 일생 동안 이러한 질량 손실의 정도는 아직 알려지지 않았습니다.”라고 말했습니다. “행성이 더 멀리 형성되어 안쪽으로 이동했을 가능성이 있지만, 이 행성과 이 시스템의 다른 행성들이 어떻게 형성되었는지에 대해 우리에게는 여전히 많은 질문이 남아 있습니다. 다른 곳에서는 본 적이 없는 극단의 조합인 이 세 개의 정말 이상한 행성을 만든 이 시스템은 무엇입니까?”

두꺼운 안개가 숨기고 있는 것

이 행성들은 밀도가 너무 낮기 때문에 과학자들은 이 행성들이 추가 원소와 함께 수소, 헬륨과 같은 경량 가스로 주로 구성되어 있다고 의심합니다. 이러한 요소를 식별하면 행성이 어디서 어떻게 형성되었는지 밝힐 수 있습니다.

Kepler-51d는 직접 이미지화하기에는 너무 멀기 때문에 연구자들은 통과 관찰이라는 방법에 의존합니다. 행성이 별 앞을 지나갈 때, 별빛의 일부가 행성의 대기를 통과하여 구성에 대한 정보를 전달합니다.

“별의 빛은 망원경에 도달하기 전에 행성의 대기를 통해 필터링됩니다.”라고 Libby-Roberts는 말했습니다. “지구의 다양한 색상의 물체가 다양한 파장의 빛을 흡수하는 것처럼 특정 분자가 특정 파장의 빛을 흡수하는 대기에 존재하면 해당 파장의 빛을 차단할 수 있습니다. 다양한 파장, 스펙트럼을 통해 보면 그 구성을 나타내는 일종의 행성 대기 지문을 얻을 수 있습니다.”

극심한 안개로 인해 JWST 관측이 차단됨

NASA의 허블 우주 망원경을 사용한 이전 관측에서는 약 1.1~1.7 마이크론 사이의 근적외선을 포착했습니다. JWST의 더욱 발전된 근적외선 분광기는 그 범위를 5미크론으로 확장했는데, 이는 더 선명한 대기 특성을 제공했어야 했습니다. 대신 연구자들은 뚜렷한 신호를 발견하지 못했습니다.

논문의 저자이자 Penn State Eberly College of Science의 Verne M. Willaman 천문학 및 천체물리학 교수인 Suvrath Mahadevan은 “우리는 행성이 우리가 본 빛의 파장을 흡수하는 두꺼운 안개 층을 가지고 있다고 생각합니다. 그래서 우리는 실제로 그 아래의 특징을 볼 수 없습니다.”라고 말했습니다. “이것은 메탄과 같은 탄화수소를 함유한 토성의 가장 큰 달인 타이탄에서 볼 수 있는 안개와 매우 유사해 보이지만 그 규모는 훨씬 더 큽니다. 케플러 51d는 지구의 반경에 거의 가까운 엄청난 양의 안개를 가지고 있는 것으로 보이며, 이는 우리가 지금까지 행성에서 본 것 중 가장 큰 것 중 하나입니다.”

반지가 관찰을 설명할 수 있을까?

연구팀은 또한 행성에 고리가 있을 가능성을 포함한 다른 설명도 조사했습니다. 특정 각도로 기울어지면 고리가 별빛을 차단하여 행성이 실제보다 더 크고 밀도가 낮아 보일 수 있습니다. 그러나 이 시나리오는 관찰된 데이터와 완전히 일치하지 않습니다.

“대신에 우리는 더 긴 파장에서 더 많은 빛이 차단되는 선형 추세를 봅니다”라고 Libby-Roberts는 말했습니다. “이것은 특이한 현상이며 가장 간단한 설명은 두꺼운 안개입니다. 고리는 수명이 짧고 매우 특별한 물질로 구성되어 있으며 직각으로 위치해야 합니다. 그럴 것 같지는 않지만 완전히 배제할 수는 없습니다. JWST의 중적외선 기기와 같이 훨씬 더 긴 파장에서 행성을 관찰할 수 있다면 고리에 있는 물질을 감지하거나 안개 층의 전체 범위를 볼 수 있을 것입니다.”

다른 슈퍼 퍼프 행성을 미리 살펴보기

추가 관찰을 통해 미스터리를 해결하는 데 도움이 될 수 있습니다. 과학자들은 이제 동일한 시스템에 있는 다른 행성인 Kepler-51b의 JWST 데이터를 분석하여 모든 슈퍼 퍼프 행성이 비슷한 흐릿한 대기를 공유하는지 또는 Kepler-51d가 특이점인지 확인하고 있습니다.

Libby-Roberts는 “천문학자들이 태양계 밖의 행성을 발견하기 전에는 행성이 어떻게 형성되는지 꽤 잘 알고 있다고 생각했습니다.”라고 말했습니다. “그러나 우리는 우리 태양계와 전혀 일치하지 않는 외계 행성을 찾기 시작했고, 행성 형성에 대한 우리의 이해에 큰 도전이 되는 외계 행성을 발견했습니다. 우리는 아직 우리와 같은 태양계를 찾지 못했고, 이 모든 다른 행성들이 어떻게 형성되었는지 설명할 수 있다는 것은 우리가 우주에서 우리의 위치와 큰 그림에 어떻게 적응하는지 이해하는 데 도움이 됩니다.”

연구팀 및 지원

연구팀에는 Libby-Roberts와 Mahadevan 외에도 Penn State의 천문학 및 천체 물리학 부교수 Renyu Hu와 Penn State에서 천문학 및 천체 물리학 박사 학위를 취득한 NASA Goddard 우주 비행 센터의 Caleb Cañas가 포함되어 있습니다. 이 팀에는 캘리포니아 공과대학(California Institute of Technology)의 Aaron Bello-Arufe, Kazumasa Ohno 및 Armen Tokadjian도 포함되어 있습니다. 콜로라도 대학교 볼더(University of Colorado Boulder)의 Zachory K. Berta-Thompson 및 Catriona Murray; 캘리포니아대학교 산타크루즈 캠퍼스의 Yayaati Chachan; 교토 대학의 Yui Kawashima; 오사카 대학의 Kento Masuda; Hobart 및 William Smith 대학의 Leslie Hebb; 텍사스 대학교 오스틴 캠퍼스의 Caroline Morley; Johns Hopkins University의 Guangwei Fu와 Kevin B. Stevenson; 카네기 과학 연구소의 Peter Gao.

NASA는 Penn State Center for Exoplanets and Habitable Worlds의 추가 지원과 함께 JWST 보조금을 통해 이 연구를 지원했습니다. 컴퓨팅 작업은 Penn State Institute for Computational and Data Sciences Advanced CyberInfrastructure를 사용하여 수행되었습니다.

워털루 대학교와 조지아 공과대학의 연구원들은 AI가 다양한 산업에서 얼마나 광범위하게 사용되고 있는지에 대한 추정치와 함께 미국 경제 전반의 데이터를 분석했습니다. 그들의 목표는 AI 채택이 현재 속도로 계속 증가할 경우 에너지 사용 및 배출에 어떤 일이 발생할 수 있는지 이해하는 것이었습니다.

미국 에너지정보청(Energy Information Administration)의 데이터에 따르면 미국 경제의 83%는 여전히 석유, 석탄, 천연가스 등 화석 연료에 의존하고 있으며, 이들 모두 연소 시 온실가스를 생성합니다. 연구진은 미국의 AI 관련 전기 사용량이 아이슬란드의 총 에너지 소비량과 비슷하다는 사실을 발견했습니다. 그럼에도 불구하고 이러한 증가는 너무 작아서 국가적 또는 세계적 수준에서 배출량에 큰 영향을 미칠 수 없습니다.

데이터 센터 근처의 지역적 효과

“에너지 사용의 증가가 균일하지 않을 것이라는 점에 유의하는 것이 중요합니다. 데이터 센터에 전력을 공급하기 위해 전기가 생산되는 곳에서 더 많이 느낄 것입니다.”라고 워털루 환경 학부 교수이자 캐나다 에너지 전환 연구 의장인 Juan Moreno-Cruz 박사는 말했습니다. “지역적 관점에서 그 에너지를 살펴보면 일부 장소에서는 전력 생산량과 배출량이 두 배로 늘어날 수 있기 때문에 큰 문제입니다. 그러나 더 큰 규모로 보면 AI의 에너지 사용은 눈에 띄지 않을 것입니다.”

이 연구는 데이터 센터가 집중된 지역에서 지역 경제에 어떤 영향을 미칠 수 있는지에 초점을 맞추지 않았지만 더 광범위한 결과는 여전히 고무적입니다.

잠재적인 기후 솔루션으로서의 AI

모레노-크루즈는 “AI의 사용이 기후에 큰 문제가 될 것이라고 믿고 이를 피해야 한다고 생각하는 사람들을 위해 우리는 다른 관점을 제시하고 있다”고 말했다. “기후에 미치는 영향은 그다지 크지 않으며 AI를 사용하여 녹색 기술을 개발하거나 기존 기술을 개선할 수 있습니다.”

이러한 결론에 도달하기 위해 모레노-크루즈(Moreno-Cruz)와 동료 환경 경제학자 앤서니 하딩(Anthony Harding) 박사는 경제의 다양한 부문, 해당 분야의 직업 유형, AI가 이러한 역할 중 얼마나 많은 역할을 처리할 수 있는지 평가했습니다.

연구원들은 AI 채택이 전 세계 에너지 사용 및 배출에 어떻게 영향을 미칠 수 있는지 더 잘 이해하기 위해 분석을 다른 국가로 확장할 계획입니다.

“Watts and Bots: The Energy Implications of AI Adoption”이라는 연구는 다음과 같이 출판되었습니다. 환경 연구 편지.

전체적으로 팀은 700개 이상의 가설을 평가하고 일관성을 측정하기 위해 각 가설에 대해 동일한 질문을 10번 질문했습니다.

AI 성능의 정확도 결과와 한계

2024년 처음 실험을 진행했을 때 ChatGPT는 76.5%의 정답을 맞췄습니다. 2025년 후속 테스트에서는 정확도가 80%로 소폭 상승했다. 그러나 연구자들이 무작위 추측을 조정한 후에는 결과가 훨씬 덜 인상적이었습니다. AI는 우연보다 약 60% 정도 더 나은 성능을 발휘했는데, 이는 강한 신뢰도보다 낮은 D에 가까운 수준입니다.

시스템은 허위 진술을 식별하는 데 가장 어려움을 겪었으며 해당 진술에 올바르게 라벨을 붙인 경우는 16.4%에 불과했습니다. 또한 눈에 띄는 불일치를 보여주었습니다. 정확히 동일한 프롬프트가 10번 주어졌을 때에도 ChatGPT는 약 73%의 시간에만 일관된 답변을 제공했습니다.

일관되지 않은 답변으로 인해 우려가 제기됨

WSU Carson College of Business의 마케팅 및 국제 비즈니스학과 부교수이자 새 출판물의 주요 저자인 Cicek은 “우리는 정확성에 대해서만 말하는 것이 아니라 불일치에 대해 이야기하고 있습니다. 동일한 질문을 반복해서 하면 다른 답이 나오기 때문입니다.”라고 말했습니다.

“우리는 동일한 질문에 대해 10개의 프롬프트를 사용했습니다. 모든 것이 동일했습니다. true라고 답할 것입니다. 다음에는 false라고 합니다. true, false, false, true입니다. 5개의 true, 5개의 false가 있는 경우가 여러 번 있었습니다.”

AI 유창성과 실제 이해

연구 결과는 Rutgers 비즈니스 리뷰에서는 중요한 결정, 특히 미묘하거나 복잡한 추론이 필요한 결정을 AI에 의존할 때 주의하는 것이 중요하다는 점을 강조합니다. 생성 AI는 매끄럽고 설득력 있는 언어를 생성할 수 있지만 아직 동일한 수준의 개념 이해를 보여주지는 않습니다.

Cicek에 따르면, 이러한 결과는 진정으로 “생각”할 수 있는 인공 일반 지능이 많은 사람들이 예상하는 것보다 아직 더 멀리 떨어져 있을 수 있음을 시사합니다.

Cicek은 “현재 AI 도구는 우리가 하는 방식으로 세상을 이해하지 못합니다. ‘두뇌’가 없습니다.”라고 말했습니다. “그들은 단지 암기하고 통찰력을 줄 수는 있지만 자신이 말하는 내용을 이해하지 못합니다.”

연구 설계 및 방법

Cicek은 공동 저자인 Southern Illinois University의 Sevincgul Ulu, Rutgers University의 Can Uslay, Northeastern University의 Kate Karniouchina와 함께 작업했습니다.

팀은 2021년 이후 비즈니스 저널에 발표된 과학 연구에서 나온 719개의 가설을 사용했습니다. 이러한 유형의 질문에는 종종 가설이 뒷받침되는지 여부에 영향을 미치는 여러 요인과 함께 뉘앙스가 관련되어 있습니다. 그러한 복잡성을 단순한 참 또는 거짓 판단으로 축소하려면 신중한 추론이 필요합니다.

연구원들은 2024년에 ChatGPT-3.5 무료 버전을 테스트했고, 2025년에 업데이트된 ChatGPT-5 mini를 테스트했습니다. 전반적으로 성능은 두 버전 모두 유사하게 유지되었습니다. 정답 확률이 50%인 무작위 확률을 조정한 후 AI의 효율성은 두 해 모두 확률보다 약 60% 더 높았습니다.

AI 추론의 주요 약점

결과는 대규모 언어 모델 AI 시스템의 근본적인 한계를 지적합니다. 유창하고 설득력 있는 답변을 생성할 수 있지만 종종 복잡한 질문을 통해 추론하는 데 어려움을 겪습니다. 이는 설득력 있게 들리지만 실제로는 잘못된 답변으로 이어질 수 있다고 Cicek은 말했습니다.

전문가들이 AI에 대한 주의를 촉구하는 이유

연구진은 이러한 연구 결과를 바탕으로 비즈니스 리더들이 AI가 생성한 정보를 검증하고 회의적인 태도로 접근할 것을 권고했습니다. 그들은 또한 AI 시스템이 효과적으로 할 수 있는 것과 할 수 없는 것을 더 잘 이해하기 위한 교육의 필요성을 강조합니다.

이 연구는 특히 ChatGPT에 중점을 두었지만 Cicek은 다른 AI 도구를 사용한 유사한 실험에서 비슷한 결과가 나왔다고 지적했습니다. 이 작업은 또한 AI 과대광고에 대한 주의를 지적하는 이전 연구를 기반으로 합니다. 2024년 전국 조사에 따르면 AI에 초점을 맞춰 마케팅된 제품을 소비자가 구매할 가능성이 낮은 것으로 나타났습니다.

그는 “항상 회의적이어야 한다”고 말했다. “저는 AI를 반대하지 않습니다. 사용하고 있습니다. 하지만 매우 조심해야 합니다.”

이러한 계산은 재료의 열역학적 및 기계적 거동을 예측하는 데 필수적입니다. 시스템을 더욱 강력하게 만들기 위해 연구원들은 프레임워크를 원자가 상호 작용하고 움직이는 방식을 포착하는 기계 학습 잠재력과 결합했습니다. 이러한 통합을 통해 과학자들은 광범위한 물리적 환경에서 재료를 정확하고 효율적으로 모델링할 수 있습니다.

이 프로젝트를 주도한 로스 알라모스(Los Alamos)의 수석 AI 과학자 보이안 알렉산드로프(Boian Alexandrov)는 “입자 상호 작용을 포착하는 구성 적분은 평가하기가 매우 어렵고 시간이 많이 걸리는 것으로 악명이 높습니다. 특히 극한 압력이나 상 전이와 관련된 재료 과학 응용 분야에서는 더욱 그렇습니다.”라고 말했습니다. “열역학적 거동을 정확하게 결정하면 통계 역학에 대한 과학적 이해가 깊어지고 야금과 같은 핵심 분야에 대한 정보를 얻을 수 있습니다.”

구성적분을 계산하기 어려운 이유

수십 년 동안 연구자들은 구성 적분을 추정하기 위해 분자 역학 및 몬테카를로 시뮬레이션과 같은 간접 계산 기술에 의존해 왔습니다. 이러한 방법은 장기간에 걸쳐 엄청난 수의 상호 작용을 시뮬레이션하여 원자의 움직임을 재현하려고 시도합니다.

가장 큰 장애물은 과학자들이 “차원성의 저주”라고 부르는 것에서 비롯됩니다. 변수의 수가 증가하면 계산의 복잡성도 기하급수적으로 증가합니다. 심지어 가장 발전된 슈퍼컴퓨터도 이 문제에 어려움을 겪고 있습니다. 결과적으로 시뮬레이션은 대략적인 답변만 제공하면서 몇 주 동안 실행되는 경우가 많습니다.

UNM 화학 및 생물 공학과 교수인 Dimiter Petsev는 재료 과학 연구에서 Alexandrov와 자주 협력합니다. Alexandrov가 그의 팀이 개발한 계산 전략을 설명했을 때 Petsev는 이 기술이 통계 역학의 구성 적분을 직접 평가하는 방법을 제공할 수 있다는 것을 깨달았습니다.

“전통적으로 구성 적분을 직접 해결하는 것은 적분에 종종 수천 단위의 차원이 포함되기 때문에 불가능한 것으로 간주되었습니다. 고전적인 통합 기술은 현대 컴퓨터에서도 우주의 나이를 초과하는 계산 시간이 필요합니다”라고 Petsev는 말했습니다. “그러나 Tensor 네트워크 방법은 다른 접근 방식을 벤치마킹할 수 있는 정확성과 효율성의 새로운 표준을 제공합니다.”

THOR AI는 고차원 계산을 실용적으로 만듭니다

THOR AI는 겉보기에 관리하기 어려운 문제를 효율적으로 해결할 수 있는 문제로 변환합니다. 이는 피적분 함수의 대규모 고차원 데이터 세트를 더 작은 연결된 조각의 시퀀스로 표현함으로써 이를 수행합니다. 프레임워크는 이러한 압축을 달성하기 위해 “텐서 트레인 교차 보간”이라는 수학적 전략을 사용합니다.

연구원들은 또한 재료 내의 주요 결정 대칭성을 감지하는 특수 버전의 방법을 개발했습니다. THOR AI는 이러한 패턴을 식별함으로써 필요한 계산량을 획기적으로 줄입니다. 한때 수천 시간이 걸렸던 계산이 이제는 정확성을 희생하지 않고도 몇 초 만에 완료될 수 있습니다.

재료 과학 및 물리학을 위한 더 빠른 시뮬레이션

팀은 여러 재료 시스템에서 THOR AI를 테스트했습니다. 여기에는 구리와 같은 금속, 결정 상태의 아르곤과 같은 극압 하의 비활성 가스, 주석의 복잡한 고체-고체 상전이가 포함됩니다. 각각의 경우에 새로운 방법은 이전에 고급 Los Alamos 시뮬레이션에서 얻은 결과를 400배 이상 빠르게 실행하면서 재현했습니다.

또한 이 프레임워크는 최신 기계 학습 원자 모델과 원활하게 통합되어 다양한 조건에서 재료를 분석할 수 있습니다. 이러한 유연성으로 인해 연구원들은 THOR AI가 재료 과학, 물리학 및 화학 전반에 걸쳐 귀중한 도구가 될 수 있다고 말합니다.

Los Alamos의 과학자이자 Physical Review Materials에 발표된 연구의 주저자인 Duc Truong은 “이 획기적인 발전은 100년 된 시뮬레이션과 구성 적분의 근사치를 제1원리 계산으로 대체합니다.”라고 말했습니다. “THOR AI는 더 빠른 발견과 재료에 대한 더 깊은 이해의 문을 열어줍니다.”

THOR 프로젝트는 다음에서 이용 가능합니다. GitHub.

Helmholtz-Zentrum Dresden-Rossendorf(HZDR)의 고급 시스템 이해 센터(CASUS) 팀이 이끄는 연구원들은 이제 이 문제를 해결하기 위해 신뢰할 수 있고 재현 가능한 이론적 접근 방식을 도입했습니다. 그들의 예측은 실제 재료 샘플에 대한 측정을 통해 검증되었습니다. 팀은 이러한 발전이 폴리헵타진 이미드에 대한 연구를 크게 가속화하고 해당 분야의 급속한 성장을 촉발할 수 있다고 믿습니다.

질화탄소 재료와 가시광선 흡수

폴리헵타진 이미드는 더 넓은 종류의 질화탄소에 속합니다. 이 물질은 그래핀과 유사한 층 구조로 구성되어 있지만 질소가 풍부한 고리 모양의 분자 단위로 만들어졌습니다.

그래핀은 뛰어난 전기 전도성으로 알려져 있지만 광촉매로서의 기능은 좋지 않습니다. 폴리헵타진 이미드는 결정적인 면에서 다릅니다. 전자 밴드 갭으로 인해 가시광선을 흡수할 수 있어 햇빛에 의한 화학 반응에 적합합니다.

질화탄소 재료는 또한 몇 가지 실용적인 이점을 제공합니다. 상대적으로 생산 비용이 저렴하고 독성이 없으며 열에 안정적입니다. 그러나 이들 물질의 초기 버전은 내부 특성이 효과적인 전하 분리를 제한했기 때문에 광촉매로서 성능이 좋지 않았습니다.

광자가 물질에 부딪치면 전자가 여기되어 원래 위치에서 멀어지게 되어 양전하를 띤 정공이 남게 됩니다. 전자가 정공과 빠르게 재결합하면 화학 반응을 일으키지 않고 에너지가 열이나 빛으로만 방출됩니다.

“양전하를 띤 금속 이온을 함유한 폴리헵타진 이미드는 현저하게 향상된 전하 분리를 나타냅니다. 이러한 특징으로 인해 실제 응용 분야에 매우 적합해졌습니다.”라고 첫 번째 저자인 Zahra Hajiahmadi 박사는 말했습니다.

컴퓨터 모델링을 통해 더 나은 촉매제 검색 속도 향상

여러 광촉매 공정의 경제적 잠재력을 활용하려면 향상된 재료가 필요합니다. 여기에는 물 분해(연료로 수소를 생성하기 위해), 이산화탄소 감소(연료 또는 산업용 화학 물질로 기본 탄수화물을 생성하기 위해) 및 과산화수소 생산(기본 산업용 화학 물질로)이 포함됩니다.

특정 반응에 잘 작동하는 폴리헵타진 이미드 촉매를 설계하려면 구조의 여러 측면을 신중하게 제어해야 합니다. 실험실에서 가능한 모든 재료 후보를 만들고 테스트하는 것은 비현실적입니다. 따라서 계산 방법은 가능성을 좁히는 데 필수적인 역할을 합니다.

CASUS 이사이자 CASUS 연구팀 “복잡계 이론”의 책임자이자 해당 연구의 수석 저자인 Thomas D. Kühne 교수는 “설계 공간은 엄청납니다.”라고 설명합니다. “예를 들어 표면에 작용기를 추가하거나 특정 질소 또는 탄소 원자를 산소 또는 인 원자로 대체할 수 있습니다.”

Kühne의 연구 그룹은 복잡한 재료의 화학적, 물리적 거동을 효율적이고 정확하게 재현할 수 있도록 설계된 고급 수치 기술을 개발하고 있습니다.

53개의 금속 이온을 체계적으로 테스트

폴리헵타진 이미드의 특징은 물질 내에 음으로 하전된 기공이 존재한다는 것입니다. 이러한 기공은 양전하를 띤 금속 이온을 수용할 수 있어 촉매 성능을 크게 향상시킬 수 있습니다.

Hajiahmadi의 연구는 다양한 금속 이온이 이러한 물질의 광전자 특성에 어떻게 영향을 미치는지에 대한 최초의 포괄적인 조사를 나타냅니다. 이 연구에서는 총 53개의 금속 이온을 조사하여 구조 내 위치(평면 또는 층 사이)에 따라 분류하고 재료의 기하학적 구조를 어떻게 변경하는지(왜곡이 발생하는지 여부)에 따라 분류했습니다.

Hajiahmadi는 “우리는 기존의 모델링 접근 방식을 뛰어넘는 안정적이고 재현 가능한 계산 프레임워크를 사용했습니다.”라고 말했습니다. “광촉매에 대한 표준 전산 연구는 일반적으로 광촉매가 본질적으로 광여기 전하 캐리어에 의해 구동된다는 사실에도 불구하고 바닥 상태 특성에 초점을 맞추고 여기 상태 효과를 무시합니다. 특히 우리는 다체 섭동 이론 방법을 사용합니다.”

이러한 방법은 입자 상호 작용을 포함하지 않는 단순화된 모델 시스템으로 시작됩니다. 그런 다음 상호 작용이 작은 수정으로 추가되어 연구자들이 얼마나 많은 수의 입자가 서로 영향을 미치는지 대략적으로 파악할 수 있습니다. 이러한 계산에는 상당한 컴퓨팅 성능이 필요하고 이 분야에 거의 적용되지 않지만 새로운 연구는 그 가치를 보여줍니다. 프레임워크는 이러한 물질이 빛을 흡수하는 방식과 조명 하에서 전자 구조가 어떻게 작동하는지에 대한 정확한 설명을 제공합니다.

실험으로 이론적 예측 확인

연구진은 컴퓨터 접근 방식을 사용하여 다양한 금속 이온이 폴리헵타진 이미드 네트워크의 구조를 어떻게 변경하는지 조사했습니다. 그들의 분석에 따르면 이온 도입은 층 간 간격의 변화와 국지적 결합 환경의 수정을 포함하여 측정 가능한 구조적 변화를 일으킬 수 있음이 밝혀졌습니다. 이러한 구조적 변화는 재료의 전자 밴드 구조와 광학 특성에 직접적인 영향을 미치며 빛을 얼마나 효율적으로 포착하는지에 영향을 미칩니다.

그들의 예측을 테스트하기 위해 팀은 각각 다른 금속 이온을 포함하는 8개의 폴리헵타진 이미드 물질을 합성했습니다. 그런 다음 재료의 과산화수소 생산을 촉매하는 능력을 평가했습니다.

Hajiahmadi는 “결과는 우리의 예측에 대한 높은 수준의 동의와 경쟁 계산 방법보다 뛰어난 성능을 분명히 보여주었습니다”라고 결론지었습니다.

Kühne은 다음과 같이 덧붙입니다. “폴리헵타진 이미드가 차세대 광촉매 기술을 위한 가장 유망한 플랫폼 중 하나라는 점에 대해 약간의 의구심이 있었다면, 저는 이 연구가 그 문제를 해결했다고 믿습니다. 지속 가능한 반응을 위한 효율적인 폴리헵타진 이미드 광촉매의 목표 설계를 향한 길은 이제 더 명확해졌습니다. 저는 이것이 자주 성공적으로 수행될 것이라고 굳게 믿습니다.”

성운 PMR 1(Nebula PMR 1)이라고 불리는 이 물체는 투명한 두개골 안에 뇌를 닮은 눈에 띄는 외관을 가지고 있어 “노출된 두개골” 성운이라는 별명이 붙었습니다. Webb은 근적외선과 중적외선을 모두 사용하여 이를 관찰했으며 이전에는 볼 수 없었던 특징을 발견했습니다. 이 성운은 현재는 은퇴한 NASA의 스피처 우주망원경에 의해 10여년 전 적외선으로 처음 발견됐지만 웹의 첨단 장비는 훨씬 더 선명하고 상세한 모습을 제공해 뇌와 같은 구조를 더욱 뚜렷하게 돋보이게 했다.

레이어, 제트 및 분할 차선

성운은 발달의 여러 단계에 대한 명확한 징후를 보여줍니다. 초기에 방출되어 대부분 수소로 만들어진 가스의 외부 껍질과 혼합된 가스와 더 자세한 구조를 포함하는 더 복잡한 내부 영역이 있습니다. 이 층은 별이 시간이 지남에 따라 물질을 어떻게 흘리는지 반영합니다.

Webb의 NIRCam(근적외선 카메라)과 MIRI(중적외선 기기)의 이미지는 모두 성운 중심을 수직으로 통과하는 어두운 차선을 강조합니다. 이 기능은 클라우드를 뇌의 왼쪽과 오른쪽과 유사한 두 부분으로 나눕니다. 웹의 고해상도는 이 어두운 차선이 중앙 별에서 나오는 물질의 분출이나 흐름과 연결되어 있을 수 있음을 암시하는데, 이 과정은 종종 반대 방향으로 발사되는 쌍둥이 제트에 의해 추진됩니다. 이 활동의 ​​증거는 특히 MIRI 이미지의 성운 꼭대기 근처에서 볼 수 있는데, 내부 영역의 가스가 바깥쪽으로 밀려나는 것처럼 보입니다.

최종 단계의 스타

이 물체에 대한 많은 세부 사항은 아직 불확실하지만, 과학자들은 이 물체가 연료를 태우는 “수명”이 거의 끝나가는 별에 의해 형성되고 있다는 것을 알고 있습니다. 이 단계에서 별은 바깥층을 우주로 내보냅니다. 느리게 들릴 수도 있지만 우주 시간 규모로 보면 상대적으로 빠릅니다.

Webb은 이 프로세스가 전개되는 과정의 스냅샷을 포착했습니다. 별의 최종 운명은 아직 결정되지 않은 질량에 달려 있습니다. 만약 그 크기가 충분히 크면 초신성 폭발로 수명을 다할 수도 있습니다. 만약 그것이 우리 태양과 비슷하다면, 밀도가 높은 핵만 백색 왜성으로 남을 때까지 계속해서 물질을 잃을 것이며, 이는 오랜 시간에 걸쳐 점차 냉각될 것입니다.

제임스 웹 우주 망원경의 역할

제임스 웹 우주 망원경은 우주 연구를 위해 만들어진 가장 진보된 우주 관측소입니다. 우리 태양계 내의 물체를 조사하고, 다른 별을 공전하는 행성을 조사하고, 우주 역사 전반에 걸쳐 은하의 기원과 구조를 탐구하도록 설계되었습니다.

Webb은 NASA가 ESA(유럽 우주국) 및 CSA(캐나다 우주국)과 협력하여 주도하는 국제 협력으로, 우주가 어떻게 형성되고 진화했는지에 대한 새로운 통찰력을 지속적으로 제공하고 있습니다.

에 발표된 연구에서 자연소재Wilson 팀은 비전통적인 자기 상태를 생성하기 위해 재료의 장거리 질서 좌절로 알려진 현상을 사용하는 새로운 방법을 설명합니다. 이러한 상태는 결국 양자 기술과 관련이 있을 수 있습니다. Wilson은 이 작업이 즉각적인 적용보다는 기초 과학에 초점을 맞추고 있음을 강조했습니다. “이것은 기본적인 질문을 해결하기 위한 기초 과학입니다. 미래 장치에 어떤 물리학이 가능할지 조사하기 위한 것입니다.”

“삼각형 격자 반강자성체의 인터리브 결합 좌절”이라는 제목의 그들의 연구는 이러한 시스템에서 다양한 형태의 좌절이 어떻게 발생할 수 있는지 조사합니다. 중요한 유형 중 하나는 기하학적 좌절입니다. 이는 재료의 자기 모멘트가 하나의 안정적인 패턴으로 정착될 수 없고 대신 변동하는 구성으로 유지될 때 발생합니다.

작은 원자 자석과 좌절된 기하학

윌슨은 간단한 비유를 사용하여 자기를 설명했습니다. “자성은 결정 격자의 원자 위치에 있는 작은 막대 자석에서 파생되는 것으로 생각할 수 있습니다.”라고 그는 말했습니다. 이 작은 자석을 자기 쌍극자 모멘트라고 합니다. 물질의 구조에 따라 그들은 서로 상호 작용하고 에너지를 최소화하는 방식, 즉 바닥 상태에 도달하는 방식으로 배열됩니다. 바닥 상태는 시스템의 가능한 가장 낮은 에너지 구성을 나타내며 절대 영도에서 모든 시스템은 이 상태로 존재합니다.

Wilson은 계속해서 이렇게 말했습니다. “만약 이러한 자기 모멘트가 서로 반평행을 가리키는 방식으로 상호작용한다면 우리는 이를 반강자성이라고 부릅니다.” 정사각형 배열의 원자에서는 이러한 상호 작용이 쉽게 작동합니다. 각 자기 모멘트는 이웃한 자기 모멘트와 반대 방향을 가리킬 수 있어 안정적인 구성을 생성합니다.

그러나 원자가 삼각형 배열을 형성하면 상황이 달라집니다. 그 기하학에서는 모든 자기 모멘트가 동시에 모든 이웃의 반대 방향을 가리키는 것이 불가능해집니다. Wilson이 설명했듯이 순간은 서로 경쟁하기 시작합니다. 격자의 기하학적 구조로 인해 가장 낮은 에너지 배열을 달성할 수 없기 때문에 그들은 효과적으로 좌절감을 느낍니다. 시스템은 평형에 도달하려고 시도하지만 그것이 차지하는 구조로 인해 완전히 평형에 도달할 수 없습니다.

채권 좌절과 전자 공유

유사한 유형의 좌절이 전자의 다른 측면에서도 발생할 수 있습니다. 자성을 포함하는 대신 전자 전하에서 발생할 수 있습니다. 근처에 있는 두 이온이 결합을 통해 전자를 공유하려고 하면 과학자들이 원자 이량체라고 부르는 것을 형성할 수 있습니다.

특정 격자 구조에서 자기 상호 작용이 좌절될 수 있는 것처럼 이러한 이합체도 삼각형 격자 또는 벌집 네트워크와 같은 기하학적 구조에서 제한에 직면할 수 있습니다. 그 결과는 그 자체로 좌절되는 유대 네트워크가 될 수 있습니다. 이러한 네트워크는 종종 변형에 매우 민감하며 변형을 적용하면 결합 패턴 내에서 좌절감을 부분적으로 완화할 수 있습니다.

Wilson의 연구는 두 가지 유형의 좌절이 동시에 존재하는 극히 드문 종류의 재료에 중점을 둡니다. 자기 좌절과 유대 좌절은 동일한 구조에서 함께 나타납니다.

좌절된 두 시스템 결합

윌슨은 이번 발견이 다른 시스템에 영향을 주어 좌절된 시스템을 제어할 수 있는 경로를 열어주기 때문에 “흥미롭다”고 설명했습니다. 지난 6~7년 동안 과학자들은 주기율표의 맨 아래 줄에 있는 원소 그룹인 란탄족 원소의 삼각형 네트워크로 만들어진 물질을 사용하여 좌절된 자기 상태를 생성하는 방법을 알아냈습니다.

“원칙적으로 적절하게 선택된 란탄족 모멘트의 삼각형 격자 네트워크는 본질적으로 특별한 종류의 양자 무질서 상태가 발생할 수 있습니다.”라고 Wilson은 말했습니다. 팀의 목표는 그 아이디어를 기반으로 하는 것이었습니다. “이 프로젝트에서 우리가 시도한 것 중 하나는 추가적인 결합 좌절도를 갖는 결정 격자에 이국적인 상태를 삽입하여 기능화하는 것이었습니다.”

연구자들은 양자 무질서 자기가 여러 형태를 취할 수 있다는 것을 알고 있습니다. 이러한 상태 중 일부는 양자 정보 과학의 핵심 개념인 스핀 간의 장거리 얽힘을 지원할 수 있습니다. Wilson은 “일부 상태는 양자 정보 영역에서 흥미로운 스핀의 장거리 얽힘을 호스팅할 수 있습니다. 좌절된 결합 네트워크에 변형을 적용하여 이러한 상태를 제어하는 ​​것은 흥미로울 것입니다.”라고 설명했습니다.

양자 상태 제어를 향하여

두 개의 좌절된 시스템이 함께 존재하고 둘 다 변형이나 자기장과 같은 교란에 매우 민감한 경우 중요한 질문이 나타납니다. 과학자들은 두 시스템이 서로 영향을 미칠 수 있는지 알고 싶어합니다. 특정 조건에서 한 레이어의 순서가 지정되면 잠재적으로 다른 레이어에도 영향을 미칠 수 있습니다.

Wilson은 “이것은 다른 방법으로는 응답하지 않을 기능이나 다른 것에 대한 응답을 사물에 전달하는 방법입니다.”라고 설명했습니다. “따라서 원칙적으로 큰 강성 반응을 설계할 수 있습니다. 약간의 변형을 적용하여 자기 질서를 유도하거나 약간의 자기장을 적용하여 구조에 변화를 유도할 수 있습니다.

“원칙적으로 장거리 얽힘을 유발하는 양자 무질서한 바닥 상태를 찾을 수 있다면 문제는 예를 들어 결합 좌절과 같은 다른 층과의 결합을 통해 해당 얽힘에 접근할 수 있는지 여부가 됩니다.”

Wilson은 또한 이러한 접근 방식이 여러 유형의 질서가 함께 나타날 수 있는지 여부에도 관심이 있습니다. “기본적으로 이 두 가지 좌절된 격자의 근접성으로 인해 핵이 생성되는 다양한 유형의 질서가 있을 수 있습니다.”라고 그는 말했습니다. “그것이 큰 그림 아이디어입니다.”

이번 연구는 복굴절각의 불확실성을 정량적으로 조사한 최초의 연구이다. 이 측정은 우주의 좌우 대칭을 위반하는 알려지지 않은 물리적 이론에 대한 단서를 제공할 수 있기 때문에 중요합니다. 또한 과학자들이 암흑 물질과 암흑 에너지를 더 잘 이해하는 데 도움이 될 수 있습니다.

우주에서 가장 오래된 빛의 미묘한 반전

빅뱅이 남긴 희미한 잔광인 우주 마이크로파 배경에는 초기 우주에 대한 귀중한 정보가 담겨 있습니다. 최근 관찰에 따르면 이 고대 빛의 편광은 약간의 회전을 겪을 수 있습니다. 이 효과는 우주 복굴절로 알려져 있습니다.

과학자들은 이 미묘한 회전이 액시온(axion)이라고 불리는 가상의 기본 입자와 연결될 수 있다고 의심합니다. 따라서 복굴절 각도로 알려진 회전량을 정확하게 결정하는 것은 가능한 새로운 물리학을 테스트하는 데 필수적입니다. 연구원들은 CMB EB 상관관계라는 신호의 강도를 분석하여 이 각도를 측정합니다. 이전 연구에서는 회전 각도를 약 0.3도로 추정했습니다.

측정 불확실성 조사

연구팀은 Kavli 우주 물리학 및 수학 연구소(Kavli IPMU, WPI) 프로젝트 부교수인 Toshiya Namikawa와 함께 작업하는 도쿄 대학 이학 대학원 박사 후보자 나오카와 후미히로(Fumihiro Naokawa)가 이끌었습니다. 그들의 분석은 우주 복굴절 측정에 영향을 미치는 불확실성을 주의 깊게 조사했습니다.

그들의 결과는 회전 각도가 실제로 이전에 보고된 값인 약 0.3도보다 더 클 수 있음을 시사합니다.

“시계만 보면 무슨 요일인지 알 수 있나요? 아니요, 불가능합니다. 시계 바늘에서 날짜를 확인하려면 특정 기준 날짜와 시간 이후 바늘이 몇 번 회전했는지 알아야 합니다. 이 시계 바늘과 같이 현재 상태만 관찰하면 과거에 몇 번 회전했는지 알 수 없는 상황을 과학적인 용어로 360도 위상 모호성이라고 설명합니다.

“시계처럼 우리가 관찰할 수 있는 CMB는 현재 상태에만 있습니다. 따라서 0.3도, 180.3도, 360.3도와 같은 회전 각도는 구별할 수 없어야 합니다. 이는 복굴절 각도가 180도의 위상 모호성을 가짐을 의미합니다.”라고 Naokawa는 말했습니다.

위상 모호성 문제 해결

이 문제를 해결하기 위해 연구진은 모호성을 해결하는 기술을 개발했습니다. 그들은 EB 상관 신호의 상세한 모양에 편광 방향이 몇 번 회전했는지에 대한 단서가 포함되어 있음을 발견했습니다.

EB 상관 신호 내의 이러한 미묘한 특징을 분석함으로써 과학자들은 실제 회전 각도를 결정하고 모호성을 제거할 수 있습니다.

미래 우주론 실험 개선

새로운 방법은 우주 복굴절에 대한 미래의 고정밀 관측을 분석하기 위한 도구를 제공합니다. Simons Observatory 및 LiteBIRD를 포함한 다가오는 실험에서는 이 기술을 사용하여 기초 물리학의 새로운 이론적 모델을 테스트할 수 있습니다.

또한 팀은 이러한 위상 불확실성을 고려할 때 우주 복굴절이 EE 상관관계로 알려진 우주 마이크로파 배경의 또 다른 신호에 영향을 미친다는 사실도 발견했습니다. 과학자들은 EE 상관관계를 사용하여 우주 재이온화를 연구하는 데 중요한 양인 우주의 “광학 깊이”를 추정합니다. 이러한 연결로 인해 새로운 발견은 연구자들이 이전에 보고된 광학 깊이 측정을 다시 검토해야 할 수도 있습니다.

우주 복굴절을 확인하는 새로운 방법

에 발표된 별도의 연구에서도 실제 검토 편지Naokawa는 우주 복굴절을 측정할 때 망원경으로 인해 발생하는 오류를 줄이는 방법을 조사했습니다. 그는 초거대 블랙홀에 의해 구동되는 전파 은하를 포함한 특정 천문학적 소스를 관찰하여 효과를 확인하는 방법을 제안했습니다.

이러한 관찰은 우주 복굴절을 검증하는 또 다른 방법을 제공할 수 있으며 과학자들이 암흑 에너지의 본질에 대한 더 깊은 통찰력을 발견하는 데 도움이 될 수 있습니다.