DISCOVER: A Physics-Informed, GPU-Accelerated Symbolic Regression Framework

DISCOVER는 물리적 지식과 GPU 가속을 활용하여 대규모 데이터로부터 해석 가능하고 물리적으로 의미 있는 수식을 효율적으로 찾아낼 수 있도록 설계된 오픈 소스 심볼릭 회귀(Symbolic Regression) 프레임워크입니다.

핵심

1. 배경: 과학자들의 고민 (레고 블록 찾기)

과학자들은 실험을 하거나 시뮬레이션을 돌려서 엄청나게 많은 데이터를 얻습니다. 예를 들어, "어떤 재료를 써야 배터리가 오래 갈까?"라는 질문에 답하기 위해 수만 가지 데이터를 모으죠.

이때 과학자들의 최종 목표는 단순히 "이 재료가 좋다"라고 말하는 게 아니라, "A라는 성질과 B라는 성질을 곱하고 C로 나누면 배터리 수명이 나온다" 같은 **깔끔한 수학 공식(수식)**을 찾아내는 것입니다. 이 공식을 찾아내면 자연의 원리를 이해할 수 있거든요.

하지만 문제는 이 '공식'을 찾는 과정이 마치 수조 개의 레고 블록이 섞여 있는 거대한 바다에서 딱 맞는 모양의 조각 몇 개를 찾아내는 것만큼 어렵다는 점입니다.

• 기존 도구들의 문제: 어떤 도구는 너무 똑똑한 척하며 자기 마음대로 블록을 조립하고(너무 자동화됨), 어떤 도구는 너무 느려서 블록을 하나하나 손으로 맞춰봐야 했습니다(계산량 과부하).

---

2. DISCOVER란 무엇인가? (똑똑한 '레고 조립 로봇')

DISCOVER는 이 막막한 작업을 도와주는 **'지능형 레고 조립 로봇'**이라고 생각하면 됩니다. 이 로봇은 세 가지 특별한 능력이 있습니다.

① "선생님의 가이드라인을 따릅니다" (물리 법칙 반영)

그냥 아무 블록이나 막 조립하는 게 아닙니다. 과학자가 미리 **"색깔은 빨간색만 써!", "길이는 5cm 이내로 해!"**라고 규칙을 정해줄 수 있습니다.

• 비유: 요리를 할 때 "설탕과 소금은 같이 쓰지 마"라고 레시피 규칙을 주는 것과 같습니다. 덕분에 로봇은 말도 안 되는 조합(예: 물리적으로 불가능한 공식)을 만드는 데 시간을 낭비하지 않고, 진짜 쓸모 있는 공식만 빠르게 찾아냅니다.

② "슈퍼 엔진을 장착했습니다" (GPU 가속)

기존 로봇이 사람이 손으로 블록을 맞추는 속도였다면, DISCOVER는 **슈퍼컴퓨터의 엔진(GPU)**을 사용합니다.

• 비유: 수만 명의 조립 요원이 동시에 달려들어 순식간에 조립을 끝내는 것과 같습니다. 덕분에 엄청나게 많은 데이터를 다룰 때도 눈 깜짝할 사이에 결과를 내놓습니다.

③ "가장 단순하고 아름다운 정답을 찾습니다" (희소성 최적화)

과학자들은 복잡하고 긴 공식보다, 핵심만 담긴 짧고 명쾌한 공식을 좋아합니다.

• 비유: "사과 1개 + 포도 2개 + 바나나 3개..."라고 길게 말하는 대신, "과일 세트"라고 딱 한마디로 정리하는 법을 배우는 과정입니다. DISCOVER는 가장 적은 수의 재료로 가장 정확한 결과를 내는 '가장 깔끔한 공식'을 찾아내는 데 특화되어 있습니다.

---

3. 요약하자면?

DISCOVER는 과학자들이 **"데이터라는 거대한 모래사장에서 '자연의 법칙'이라는 황금 조각을 찾을 때 사용하는, 아주 빠르고 똑똑하며 사용자의 말을 잘 듣는 탐지기"**입니다.

이 도구를 통해 과학자들은 배터리 신소재를 찾거나, 새로운 화학 반응을 이해하는 일을 훨씬 더 빠르고 정확하게 할 수 있게 됩니다.

기술 요약

[기술 요약] DISCOVER: 물리 정보 기반 및 GPU 가속 심볼릭 회귀 프레임워크

1. 문제 정의 (Problem Statement)

심볼릭 회귀(Symbolic Regression, SR)는 실험 및 시뮬레이션 데이터로부터 해석 가능한 수학적 관계(수식)를 찾아내는 강력한 도구입니다. 특히 재료 과학에서는 특정 물리적 특성과 기능적 특성 사이의 상관관계를 나타내는 '기술자(Descriptor)'를 발견하는 데 사용됩니다. 그러나 기존의 SR 도구들은 다음과 같은 한계를 가집니다:

• 워크플로우 통합 부족: 현대적인 Python 기반 과학 계산 생태계와의 연동이 미흡함.
• 물리적 지식 반영의 어려움: 도메인 지식(물리적 제약 조건)을 수식 탐색 과정에 정교하게 통합하기 어려움.
• 계산 효율성 문제: 탐색 공간이 커질수록 계산 비용이 기하급수적으로 증가하며, 최신 하드웨어(GPU) 가속을 활용하는 기능이 부족함.
• 트레이드오프: 자동화된 탐색(AI Feynman 등)과 결정론적 희소성 탐색(SISSO 등) 사이에서 해석력, 사용성, 계산 효율성 중 하나를 포기해야 하는 상황이 발생함.

2. 방법론 (Methodology)

DISCOVER는 이러한 문제를 해결하기 위해 모듈형 설계와 물리 정보 기반(Physics-informed) 접근 방식을 채택한 오픈 소스 패키지입니다.

• 최적화 목표: DISCOVER는 $L_0$-정규화된 최소제곱 회귀(L0-regularized least-squares regression) 문제를 해결하는 것을 목표로 합니다. 즉, 데이터에 정확히 부합하면서도 비제로(non-zero) 계수의 개수($D$)를 최소화하는 희소한(sparse) 모델을 찾는 것입니다. 이는 NP-hard 문제이므로, 다음과 같은 다양한 근사 전략을 제공합니다:
  • Heuristic/Stochastic: 시뮬레이티드 어닐링(Simulated Annealing) 등.
  • Optimization-based: 직교 매칭 추적(OMP), 혼합 정수 이차 계획법(MIQP) 등.
• 물리 정보 제약 조건 (Physics-Informed Constraints):
  • 사용자는 소스 코드를 수정하지 않고 설정 파일(Configuration file)을 통해 제약 조건을 부여할 수 있습니다.
  • 차원 일관성(Dimensional Consistency): pint 라이브러리와 통합되어, 물리적 단위가 맞지 않는 수식은 탐색 초기 단계에서 배제함으로써 탐색 공간을 효율적으로 줄입니다.
  • 연산자 제한, 수식 복잡도 제한, 변수 조합 규칙 등을 설정할 수 있습니다.
• 하드웨어 가속:
  • 대규모 데이터 처리를 위해 NVIDIA GPU(CUDA) 및 **Apple Silicon(MPS)**을 통한 GPU 가속을 지원합니다.
  • 특징 생성(Feature generation) 및 모델 평가와 같은 연산 집약적인 작업을 병렬화하여 처리합니다.

3. 주요 기여 (Key Contributions)

• Python-Native 설계: 과학 계산 생태계와의 원활한 통합을 지원하는 모듈형 아키텍처를 제공합니다.
• 도메인 지식의 명시적 통합: 차원 분석 및 사용자 정의 제약 조건을 통해 물리적으로 의미 있는(physically meaningful) 모델을 우선적으로 발견하도록 설계되었습니다.
• 확장 가능한 성능: CPU 기반의 표준 작업부터 GPU를 활용한 대규모 데이터 워크플로우까지 모두 지원하는 하드웨어 인식형(Hardware-aware) 설계를 구현했습니다.
• 재현성 및 유연성: 설정 기반 인터페이스를 통해 실험의 재현성을 높이고, 다양한 탐색 전략을 선택할 수 있는 유연성을 제공합니다.

4. 결과 및 의의 (Significance & Use Cases)

• 적용 분야: 계산 물리학, 계산 화학, 재료 과학 분야에서 특히 유용합니다. (예: 결정 구조 안정성, 에너지 저장 재료의 이온 이동도, 배터리 양극재 발견, 자기 구조 판별 등)
• 의의: DISCOVER는 단순히 예측 성능이 높은 '블랙박스' 모델을 만드는 것이 아니라, **해석 가능하고 물리적으로 일관된 수식(Descriptor)**을 발견하는 데 초점을 맞춥니다. 이는 과학적 통찰력을 얻어야 하는 연구자들에게 기존의 자동화된 도구와 전문화된 도구 사이의 간극을 메워주는 중요한 도구가 될 것입니다.

5. 한계점 (Limitations)

• 입력 특징(Feature)의 품질과 사용자가 설정한 제약 조건의 적절성에 따라 성능이 크게 좌우됩니다.
• 제약 조건이 너무 엄격하면 유효한 수식을 놓칠 수 있고, 너무 느슨하면 계산 비용이 급증할 수 있습니다.
• SISSO와 같은 저수준(low-level) 최적화 구현에 비해서는 매우 거대한 비제약 탐색 공간에서의 성능은 최적화가 진행 중인 단계입니다.