A method to challenge symmetries in data with self-supervised learning

물리적 세계를 연구함에 있어, 과학자들은 자연이 특정한 규칙을 따른다는 아이디어에 기반하여 모델을 구축하곤 합니다. 대칭이라고 알려진 이 규칙들은, 만약 당신이 거울처럼 뒤집거나 축을 중심으로 회전시키는 것과 같이 특정 방식으로 시스템을 변화시키더라도, 그 시스템을 지배하는 근본적인 법칙은 정확히 동일하게 유지되어야 함을 시사합니다. 수십 년 동안 물리학자들은 이러한 대칭성을 활용하여 실험을 설계하고, 입자 검출기와 망원경으로부터 쏟아져 들어오는 혼란스러운 데이터를 해석해 왔습니다. 그러나 한 가지 근본적인 의문이 남아 있습니다. 과연 자연이 실제로 이 규칙들을 준수하고 있는가, 아니면 이것은 우리가 만들어낸 편리한 가정에 불과한 것인가 하는 점입니다. 만약 대칭이 깨진다면, 이는 우주가 현재의 이론이 허용하는 것보다 더 복잡하다는 것을 의미하며, 잠재적으로 새로운 물리학을 가리키는 지표가 될 수 있습니다. 문제는 자연 법칙의 진정한 붕괴와, 데이터를 수집하는 과정에서 발생하는 무질서하고 불완전한 현실 사이를 구별하는 일이 항상 어려웠다는 점입니다. 센서는 고장 나고, 장비에는 사각지대가 존재하며, 연구자들은 전체를 이해하기 위해 종종 방대한 양의 정보를 버려야만 합니다. 이러한 불완전함은 대칭성이 존재하지 않음에도 불구하고 대칭성이 깨진 듯한 착각을 불러일으키거나, 혹은 실제 패턴의 붕괴를 숨겨버릴 수 있어, 데이터가 말하는 바를 신뢰하기 매우 어렵게 만듭니다.

케임브리지 대학교의 두 연구자는 데이터를 정화하거나 무엇이 실재하는지 알려주는 외부의 라벨에 의존하지 않고도, 이러한 의심되는 대칭성을 테스트할 수 있는 새롭고 실용적인 방법을 개발했습니다. 그들은 이 접근 방식의 이름을 "어느 것이 진짜인가?(which is real?)"라고 불렀으며, 이는 자기 지도 학습(self-supervised learning)이라 알려진 인공지능의 한 형태를 사용합니다. 연구진은 컴퓨터 모델에게 정답 목록을 가르치는 대신, 모델이 스스로 만든 게임을 통해 학습하도록 합니다. 연구진은 실제 데이터 조각을 가져온 뒤, 테스트하고자 하는 대칭 규칙을 적용하여 '가짜' 버전을 만듭니다. 예를 들어, 회전 대칭성을 테스트한다면 입자 충돌 사건을 가져와 새로운 각도로 회전시킬 수 있습니다. 그런 다음 그들은 원래의 실제 사건과 이 회전된 가짜 사건을 쌍으로 묶어, 컴퓨터에게 어느 것이 원래의 것인지 맞히도록 요청합니다. 만약 컴퓨터가 실제 데이터와 회전된 복사본 사이의 차이점을 일관되게 구별해 낼 수 있다면, 이는 대칭성이 깨졌음을 증명합니다. 만약 대칭성이 완벽하다면 실제 버전과 가짜 버전은 구별할 수 없을 것이며, 컴퓨터는 무작위로 추측할 수밖에 없을 것입니다.

이 방법의 탁월함은 현실 세계의 실험에서 피할 수 없는 무질서함을 처리하는 방식에 있습니다. 많은 과학 분야에서 데이터는 필터링됩니다. 센서의 공백 때문에 일부 사건은 누락되고, 다른 사건들은 엄격한 품질 기준을 충족하지 못해 폐기됩니다. 보통 이러한 필터링은 대칭성이 깨진 것처럼 보이는 편향을 만들어냅니다. 전통적인 방식은 이러한 누락된 부분들을 수학적으로 보정하려고 노력하며, 종종 살아남은 소수의 데이터 포인트에 무거운 가중치를 부여함으로써 불안정하고 신뢰할 수 없는 결과를 초래하기도 합니다. "어느 것이 진짜인가?" 방식은 이 함정을 완전히 피합니다. 필터링을 되돌리려고 시도하는 대신, 연구진은 생성된 가짜 데이터에도 동일한 필터링 규칙을 적용합니다. 그들은 실제 사건을 가져와 가짜 버전을 만든 다음, 그 가짜 버전을 실제 데이터가 거쳤던 것과 동일한 불완ful한 센서 시뮬레이션에 통과시킵니다. 실제 데이터와 가짜 데이터가 모두 동일한 손실과 공백을 겪기 때문에, 컴퓨터 모델은 필터링 오류를 무시하고 물리 법칙의 진정한 차이에만 집중하는 법을 배웁니다. 이는 마치 두 명의 일란성 쌍둥이를 식별하려는 것과 같은데, 두 사람 모두 얼굴의 절반을 가리는 선글라스를 쓰고 있는 상황입니다. 관찰자는 안경 너머의 진짜 얼굴을 보는 법을 배우게 되는 것입니다.

이 접근 방식의 작동 여부를 입증하기 위해, 연구팀은 컴퓨터 시뮬레이션을 사용하여 두 가지 서로 다른 시나리오에서 이를 테스트했습니다. 첫 번째 예시는 원통형 입자 검출기로, 이는 고에너지 물리학에서 사용되는 것과 유사하며, 큰 구멍이 있고 일부 구간의 민감도가 훨씬 낮은 형태를 띠고 있었습니다. 연구진은 입자들이 대칭적으로 분포되어 보이지만 실제로는 회전 대칭성을 깨뜨리는 미묘하고 숨겨진 변화를 가진 데이터셋을 만들었습니다. 연구진이 "어느 것이 진짜인가?" 모델을 실행했을 때, 모델은 대칭성이 깨졌음을 성공적으로 식별해 냈으며, 데이터가 어디서 이동했는지와 검출기의 간극이 결과에 어떻게 영향을 미쳤는지를 정확히 짚어냈습니다. 모델은 데이터가 심하게 필터링되었음에도 불구하고, 대칭성이 깨졌음을 강력하게 나타내는 점수를 산출했습니다. 두 번째 테스트에서는 지형도에 이 방법을 적용하여, 평탄한 구역 내에서 수평 이동 시 지형이 동일하게 보여야 하는 다른 종류의 대칭성을 확인했습니다. 마찬가지로, 모델은 데이터가 제거된 인위적인 경계선을 무시하면서도 데이터가 규칙을 위반하는 특정 패턴을 감지해 냈습니다.

연구진은 데이터가 실제로 대칭을 따를 때 모델이 실제와 가짜를 구별하는 데 실패하여 대칭 붕괴의 증거가 없음을 나타내는 점수를 산출한다는 것을 발견했습니다. 반대로, 대칭이 깨졌을 때 모델은 높은 정확도로 올바른 라벨을 예측하여 위반에 대한 명확하고 정량적인 척도를 제공했습니다. 결정적으로, 이 방법은 데이터가 희소하거나 필터링이 심할 때도 작동하였으며, 이는 이 방식이 기능하기 위해 완벽하고 깨끗한 데이터를 필요로 하지 않음을 입증했습니다. 연구진은 단순히 실제 사건과 변형된 복사본 중 하나를 선택하게 함으로써, 실험적 오류로 오인될 수 있는 숨겨진 비대칭성을 밝혀낼 수 있음을 보여주었습니다. 이 접근 방식은 과학자들이 가공되지 않은 날 것 그대로의 우주 데이터를 통해 자신들의 이론을 검증할 수 있는 강력한 도구를 제공하며, 대칭이 깨졌다고 주장할 때 그것이 도구의 인위적인 결과물이 아니라 자연 자체의 특징임을 확신할 수 있게 해줍니다. 이 테스트에 사용된 코드와 데이터는 공개적으로 이용 가능하므로, 다른 연구자들이 이 방법을 자신의 데이터셋에 적용하여 물리 세계의 근간을 이루는 대칭성에 도전할 수 있습니다.