Large Language Model-Assisted Framework for BSM Model Building

기술 요약: BSM 모델 구축을 위한 대규모 언어 모델 지원 프레임워크

문제 정의
표준 모형(Standard Model, SM)을 넘어선 새로운 물리(Beyond the Standard Model, BSM) 이론 모델을 구축하는 것은 매우 고되고 오류가 발생하기 쉬운 과정이다. 표준 모형은 잘 확립되어 있지만, 이를 확장하려면 새로운 스칼라 및/또는 페르미온 장(field)을 추가하고, 가능한 모든 가환적(renormalizable)이고 게이지 불변인 연산자(operator)의 집합을 수동으로 유도해야 한다. 새로운 장의 수가 증가함에 따라, 허용된 상호작용 항을 식별하고, 게이지 이상(gauge-anomaly) 일관성을 검증하며, 연산자를 성분 장(component fields)으로 전개하고, 전기약 게이지 대칭성 깨짐(EWSB) 질량 행렬을 유도하는 조합론적 복잡성이 급격히 증가한다. 이러한 수동 워크플로우는 관련 연산자의 누락이나 선형 종속 항의 포함을 초래하며, 이는 특히 복잡한 확장을 개발하는 학생과 연구자들에게 효율적인 모델 탐색의 장벽이 된다.

방법론
저자들은 결정론적인 심볼릭 물리 백엔드와 대규모 언어 모델(LLM) 오케스트레이션 레이어를 통합한 오픈 소스 파이썬 프레임워크인 **bsm_agent**를 소개한다. 이 시스템은 재현성과 엄밀성을 보장하기 위해 대화형 의도와 물리적 계산을 분리하도록 설계되었다.

1. 결정론적 심볼릭 백엔드:
   • 장 및 군(Field and Group) 레이어: SM의 장 구성을 정의하며, 임의의 $U(1)_Y$ 하이퍼차지, 차원 7까지의 $SU(2)_L$ 표현, 그리고 아드조인트 팔텟(adjoint octet)까지의 $SU(3)_c$ 표현을 지원하는 확장을 지원한다.
   • 모델 구축: 새로운 장의 양자수만을 기반으로 완전한 가환적(차원 $\leq 4$) 게이지 불변 연산자(스칼라 포텐셜, 유카와, 페르미온 질량)를 자동으로 생성한다. 이 시스템은 클레브슈-고르단(Clebsch-Gordan) 계수와 불변 텐서를 사용하여 $SU(2)$및$SU(3)$ 인덱스 축약을 처리하기 위해 군론적 알고리즘을 채택한다.
   • 이상 검사(Anomaly Checking): 좌방향 벨-바일(left-handed Weyl) 페르미온을 합산하여 표준 이상 계수($SU(3)^3$, $SU(2)^2 U(1)$ 등)를 계산한다.
   • 전개 및 EWSB: 게이지 불변 연산자를 명시적인 성분 장으로 전개한다. 중성 스칼라 성분에 진공 기대치(VEV)를 적용하여 정지 조건(stationary conditions)과 스칼라 및 페르미온의 트리 레벨 질량 행렬을 유도한다.
   • 최적화: 반복되는 스칼라 다중항(multiplet)에 대한 축소된 보스-대칭화 기저(Bose-symmetrized bases) 및 색 팔텟(color octets)에 대한 아드조인트 기저 구축과 같은 표현 인식 최적화를 포함하여 계산 규모 문제를 완화한다.
     ways.
2. LLM 지원 상호작용 레이어:
   • 오케스트레이션: LLM은 오직 인터페이스 및 도구 라우터 역할을 수행한다. 자연어 요청(예: "페르미온 싱글렛을 가진 모델 구축")을 해석하고, 사용자의 의도를 검증하며, 모호한 입력(예: 장이 실수인지 복소수인지 확인)에 대한 확인 단계를 관리한다.
   • 도구 호출(Tool Calling): LLM은 구조화된 도구 호출 인터페이스를 통해 특정 백엔드 도구(모델 구축, 보고서 생성, 질량 행렬 추출)를 실행한다.
   • 제약 사항: 결정적으로, LLM은 라그랑지안, 이상 계수 또는 질량 행렬을 절대로 직접 생성하지 않는다. 이들은 물리적 정확성을 보장하고 환각 현상을 방지하기 위해 전적으로 심볼릭 백엔드에 의해 계산된다.
   • 공급자 불가지론(Provider Agnosticism): 이 프레임워크는 로컬 Ollama 추론, 원격 자체 호스팅 서버, 상용 API(OpenAI, Anthropic)를 지원한다.

주요 기여

• 자동 연산자 생성: 이 프레임워크는 상호작용 항의 수동 열거 필요성을 제거한다. 새로운 장의 양자수만을 입력하면 전체 가환적 라그랑지안을 구성한다.
• 하이브리드 아키텍처: LLM이 자연어 이해와 워크플로우 관리를 담당하고, 결정론적 심볼릭 엔진(SymPy 기반)이 모든 물리 계산을 수행함으로써 견고한 패러다임을 구축한다.
• 포괄적인 분석 파이프라인: 이 패키지는 장의 명세부터 전개된 라그랑지안, 이상 검사, 질량 행렬을 포함하는 PDF 형태의 보고서 생성에 이르기까지 전체 워크플로우를 자동화한다.
• 입력의 유연성: 사용자는 엄격한 구문(syntax)을 따를 필요 없이 자연어를 통해 복잡한 양자수 설명(예: "color anti-sextet, weak triplet")을 포함한 모델을 지정할 수 있다.

결과
논문은 여러 사례 연구를 통해 프레임워크의 능력을 입증한다:

• 표준 모형 검증: SM 라그랑지안, 유카와 섹터 및 질량 행렬을 성공적으로 재현하여 전개 및 EWSB 로직의 정확성을 확인하였다.
• 단순 확장: 우측 방향 중성 미지neutrino 및 스칼라 싱글렛을 포함한 모델을 구축하여, 이상이 없는 상태를 검증하고 올바른 상호작용 항을 생성하였다.
• 복잡한 렙토쿼크 모델: 중요한 벤치마크로서 다양한 $SU(3)_c \times SU(2)_L \times U(1)_Y$ 표현을 가진 5개의 서로 다른 스칼라 렙토쿼크를 포함하는 모델을 다룬다. 이 패키지는 1분 미만에 14개의 운동 항(kinetic terms), 73개의 스칼라 포텐셜 항, 14개의 유카와 항을 가진 모델을 구축한다. 전개된 라그랑지안과 유도된 질량 행렬은 기존 문헌(특히 Ref. [33])과 일치함을 보여줌으로써 복잡한 게이지 축약 및 위상 규약(phase convention) 처리를 검증하였다.
• 성능: 벤치마크 결과, 계산 시간은 표현의 크기(예: color octets 또는 고차원 $SU(2)$ 다중항)에 따라 달라지지만, 프레임워크는 현상론적으로 유의미한 모델들에 대해 실용적인 수준을 유지하며, 종종 몇 초에서 몇 분 내에 구축 및 전개를 완료한다.

의의 및 주장
저자들은 bsm_agent가 모델 구축의 **사전 구현 단계(pre-implementation stage)**를 자동화함으로써 BSM 소프트웨어 생태계에서 독특한 틈새를 채운다고 주장한다. 사용자가 상호작용 구조나 라그랑지안을 수동으로 정의해야 하는 기존 도구들(예: SARAH, FeynRules)과 달리, bsm_agent는 최소한의 입력인 장의 양자수로부터 시작한다.

본 논문은 이 접근 방식이 다음과 같은 효과를 강조한다:

1. 기술적 오버헤드 감소: 물리적 엄밀성을 희생하지 않으면서도 고급 모델 구축 방법론을 학생 및 교육적 사용자들에게 접근 가능하게 만든다.
2. 재현성 보장: LLM(오케스트레이션)과 심볼릭 백엔드(계산)를 엄격히 분리함으로써, 프레임워크는 물리적 결과가 결정론적이며 AI 환각으로부터 자유로움을 보장한다.
3. 발견 가속화: 연구자들이 수동으로 구축하기 까다로운 복잡한 표준 모형 확장을 신속하게 프로토타이핑하고 분석할 수 있게 한다.

이 연구는 자신을 기존 심볼릭 도구를 대체하는 것이 아니라, 그러한 도구들을 사용하는 데 필요한 진입 장벽을 낮추는 자연어 인터페이스로서 위치시키며, 이를 통해 더 다양한 현상론적으로 흥미로운 BSM 시나리오의 탐색을 용이하게 한다.