완벽한 빵 한 덩이를 굽기 위해 노력하고 있다고 상상해 보세요. 하지만 밀가와 물 대신, 당신의 재료는 초고온 플라즈마, 자기장, 그리고 핵융합 에너지입니다. 목표는 무엇일까요? 바로 세상을 움직일 에너지를 만드는 기계(토카막)를 구축하는 것입니다. 문제는, 이 기계 내부에서 플라즈마가 어떻게 움직이는지 예측하는 것이 마치 허리케인이 몰아치고 있는 와중에 그 폭풍 속의 날씨를 예보하는 것과 같다는 점입니다. 그것은 무질서하고, 빠르며, 매 밀리초마다 변하는 어지러운 물리 법칙들의 조합을 포함합니다.

여기에 TORAX가 등장합니다. 구글 딥마인드(Google DeepMind) 연구진이 만든 이 새로운 오픈 소스 컴퓨터 프로그램은 이 핵융합로를 위한 "똑똑하고 매우 빠른 비행 시뮬레이터"라고 생각하면 됩니다. 하지만 반전이 있습니다. 기존의 시뮬레이터들이 투박하고 느리게 움직이는 트럭 같다면, TORAX는 JAX라는 특별한 엔진으로 구축되었습니다. 이 엔진 덕분에 시뮬레이터는 단순히 엄청나게 빠르게 실행될 뿐만 아니라, 그래디언트(gradient, 즉 더 나은 결과를 얻기 위해 정확히 어떤 조절 나사를 돌려야 하는지 알아내는 것)를 계산함으로써 자신의 실수를 즉각적으로 "학습"할 수 있습니다.

과거의 방식 vs. 새로운 방식

수년 동안 과학자들은 핵융합로를 모델링하기 위해 다른 시뮬레이터들(예: RAPTOR, JETTO, 또는 ASTRA)을 사용해 왔습니다. 이 도구들은 신뢰할 수 있는 고성능 계산기와 같습니다. 잘 작동하지만, 현대적인 인공지능(AI) 모델을 쉽게 결합하거나 최적의 설정을 찾기 위해 수학적 계산을 빠르게 수정하기 어렵게 만드는 오래된 언어(Fortran 등)로 작성된 경우가 많습니다. 또한 이들은 느립니다. 표준 컴퓨터에서 몇 초 분량의 반응로 시간을 시뮬레이션하는 데 몇 시간 또는 며칠이 걸릴 수도 있습니다.

이 논문의 저자들은 이러한 느린 속도와 유연성 부족이 핵융합 연구를 저해하고 있다고 주장합니다. 그들은 우리가 현대적인 머신러닝을 사용하거나 복잡한 최적화를 수행하고자 한다면, 왜 기존의 경직된 코드들을 고수해야 하는지에 대한 아이디어를 명시적으로 거부합니다. 그들은 기존 코드들이 훌륭하긴 하지만, 미래의 핵융합로를 설계하거나 이를 실시간으로 제어하는 데 필요한 "만약에(what-if)" 시나리오를 처리하기에는 역부족임을 보여줍니다.

TORAX의 작동 원리: "비행 시뮬레이터"의 마법

TORAX는 네 가지 주요 방정식을 풀어 플라즈마의 핵심부를 시뮬레이션합니다. 이 방정식들은 다음과 같은 규칙들을 다룹니다:

1. 이온 열(Ion Heat): 무거운 입자들이 얼마나 뜨거워지는가.
2. 전자 열(Electron Heat): 가벼운 입자들이 얼마나 뜨거워지는가.
3. 입자 수송(Particle Transport): 플라즈마의 밀도가 어떻게 변하는가.
4. 전류 확산(Current Diffusion): 플 la즈마를 통해 전류가 어떻게 흐르는가.

단순히 하나씩 순차적으로 진행하는 느린 방식 대신, TORAX는 **유한 체적법(Finite Volume Method)**이라는 기술을 사용합니다. 플라즈마를 얇은 보이지 않는 팬케이크(또는 셀) 더미로 자른다고 상상해 보세요. 프로그램은 열과 입자가 한 팬케이크에서 다음 팬케이크로 어떻게 흐르는지 계산합니다. 또한 플라즈마가 얼마나 빨리 움직이느냐에 따라 왼쪽에서 오는 흐름을 볼지 오른쪽에서 오는 흐름을 볼지 결정하기 위해 "파워 로우 스킴(power-law scheme)"이라는 영리한 수학적 기법을 사용합니다. 이는 시뮬레이션이 "흔들리거나" 부정확해지지 않도록 보장합니다.

진정한 마법은 TORAX가 Python으로 작성되었고 JAX를 사용한다는 점에 있습니다. 이는 다음을 의미합니다:

• 속도: 코드를 CPU, GPU, 또는 심지어 TPU에서도 실행 가능한 매우 효율적인 버전으로 컴파일합니다. 테스트 결과, 표준 컴퓨터에서 80초 분량의 반응로 가동 시나리오를 단 22초 만에 실행했습니다. 실시간보다 빠릅니다!
• 미분 가능성(Differentiability): 이것이 핵심입니다. TORAX는 입력값의 아주 작은 변화(예: 가열 출력을 1% 높이는 것)가 최종 결과에 어떻게 영향을 미치는지 정확하게 계산할 수 있습니다. 이는 AI를 사용하여 완벽한 "펄스(pulse, 반응로의 일련의 이벤트 시퀀스)"를 자동으로 설계하는 데 매우 중요합니다.

"대리 모델(Surrogate)" 기법: 지름길로서의 AI

TORAX가 **난류(Turbulence)**를 처리하는 방식은 매우 흥-미로운 특징 중 하나입니다. 플라즈마의 난류는 매우 복잡하여, 마치 강물의 모든 소용돌이를 예측하려는 것과 같습니다. 보통 이를 시뮬레이션하는 데는 엄청난 시간이 걸립니다. TORAX는 대신 **머신러닝(ML) 대리 모델(surrogates)**을 사용할 수 있습니다.

ML 대리 모델을 수백만 개의 복잡한 물리 시뮬레이션으로부터 학습된 "수정구슬"이라고 생각하세요. 모든 소용돌이를 계산하는 힘든 작업을 수행하는 대신, 이 수정구슬(AI 모델)은 결과를 즉각적으로 예측합니다. TORAX는 이러한 AI 모델을 매끄럽게 연결할 수 있도록 설계되었습니다. 예를 들어, QLKNN이라는 모델을 사용하는데, 이는 더 복잡한 코드인 QuaLiKiz의 데이터를 통해 학습되었습니다. 이를 통해 TORAX는 훨씬 높은 정밀도의 난류 모델을 사용하면서도, 과거에 걸렸던 시간의 극히 일부만 사용하여 시뮬레이션을 실행할 수 있습니다.

실제로 효과가 있었을까? 증명은 결과에 있다

저자들은 단순히 만들기만 한 것이 아니라, 검증했습니다. 그들은 TORAX를 신뢰할 수 있는 기존 시뮬레이터인 RAPTOR와 나란히 놓고 비교했습니다. 그들은 "ITER 유사(ITER-like)" 시나리오를 시뮬레이션했습니다 (ITER는 프랑스에 건설 중인 거대한 국제 핵융합 실험 장치입니다).

결과는 인상적이었습니다:

• 일치성: TORTORX가 생성한 온도, 밀도 및 자기 프로파일은 RAPTOR와 거의 완벽하게 일치했습니다. 차이는 매우 작았습니다. 정상 상태(steady states)에서는 1% 미만이었고, 급격한 변화가 일어나는 동안에도 약 2.5% 수준이었습니다.
• 속도: RAPTOR도 빠르지만, 특히 AI 대리 모델을 사용할 때 TORAX는 동일한 시나리오를 훨씬 더 빠르게 실행할 수 있었습니다.
• 검증: 논문은 TORAX가 RAPTOR에 대해 "검증(verified)"되었다고 명시하고 있으며, 이는 테스트된 시나리오 내에서 결과가 신뢰할 수 있음을 의미합니다.

앞으로의 과제 (그리고 아직 부족한 점)

논문은 과도한 기대를 경계하며 신중한 태도를 취합니다. TORAX가 여전히 "새로운" 도구이며, 일부 기능은 여전히 개발 단계에 있음을 인정합니다.

• 부족한 점: 아직 자기장의 복잡한 3D 형상을 동적으로 처리하지 못하며(사전 계산된 형상을 사용함), 모든 유형의 복사 손실이나 무거운 불순물 수송을 아직 포함하지 않습니다.
• 추가될 내용: 저자들은 "소 teeth(sawteeth, 자기 불안정성의 일종)"와 같은 물리 모델과 플라즈마 가장자리(pedestal)를 더 잘 다루는 방법을 추가할 계획입니다.

결론

TORX는 하룻밤 사이에 핵융합 문제를 해결하는 마법 지팡이가 아닙니다. 그것은 핵융합로를 설계하는 작업을 훨씬 쉽게 만들어주는 강력하고 유연하며 믿을 수 없을 정도로 빠른 도구입니다. 현대적인 컴퓨팅의 속도와 머신러닝의 지능을 결합함으로써, 단 하나의 시나리오를 실행하는 데 걸렸던 시간 동안 수천 개의 "만약에" 시나리오를 실행할 수 있게 해줍니다. 이는 손으로 돌리는 계산기에서, 스스로 문제를 더 잘 푸는 법을 배우는 슈퍼컴퓨터로 업그레이드하는 것과 같습니다.

논문은 이 도구가 토카막 시나리오 모델링, 펄스 설계 및 제어 연구를 가속화하는 데 준비가 되었음을 결론짓지만, 이것이 최종 목적지가 아닌 여정의 한 단계임을 강조합니다. 핵융합의 미래는 밝으며, TORAX와 같은 도구들이 그 길을 밝히는 데 도움을 주고 있습니다.