기술 요약: Microcosmos: GPU 시대를 위한 인공 생명체의 재구상

문제 정의

인공 생명(ALife) 분야는 물리적 신뢰성과 계산적 확장성 사이의 근본적인 트레이드오프에 직면해 있다:

1. 추상적 기질(Abstract Substrates): 규칙 기반 시스템(예: 셀룰러 오토마타, Lenia, Tierra)은 계산 효율성이 높고 개방형 진화를 지원하지만, 유체 역학이나 생물 물리학과 같은 물리적 원리에 기반한 접지력이 부족하여, 체화된 행동(embodied behaviors)의 현실성을 제한한다.
2. 물리적으로 접지된 시뮬레이터(Physically Grounded Simulators): 실제 물리 현상(예: 강체 충돌, 유체-구조 상호작용)을 시뮬레이션하는 시스템은 대규모 진화 탐색을 수행하기에는 계산적으로 다루기 어렵거나, 높은 수준의 추상화로 작동하거나, 개방형 진화 역학보다는 강화 학습을 위해 설계되는 경우가 많다.

저자들은 물리적으로 신뢰할 수 있는 수준(예: 저 레이놀즈 수 유체 역학)의 제약 조건을 준수하면서도, 대규모 진화 탐사를 지원할 만큼 효율적이고, 복잡한 형태를 영감할 수 있을 만큼 행동적으로 풍부한 시뮬레이터가 개방형 진화적 복잡성을 달로하기 위해 필요하다고 주장한다.

방법론

저자들은 현대적 GPU 하드웨어와 엔드 투 엔드 미분 가능성을 위해 처음부터 설계된 시뮬레이션 엔진인 Microcosmos를 제시한다. 이 시스템은 인공 생명체를 2차원 점성 유체 세계에 거주하는 **탄성 필라멘트 사슬(elastic filament chains)**로 모델링한다.

핵심 구성 요소

• 필라멘트 표현(Filament Representation): 생명체는 연결된 노드로 구성된 이산 탄성 로드(Cosserat rods)로 모델링된다. 각 엣지는 재료 프레임 각도($\theta$)와 복원 길이($L_{rest}$), 복원 각도($\theta_{rest}$), 강성 계수($k_{bend}, k_{shear}, k_{stretch}$)를 포함하는 물리적 파라미터를 가진다. 이 토폴로지는 그래프 표현을 통해 루프와 분기를 지원한다.
• 역학 솔버(Dynamics Solver): 시스템은 제약 조건을 해결하기 위해 **위치 기반 역학(Position-Based Dynamics, PBD)**을 사용한다. 이 반복적 방법은 기하학적 제약(굽힘, 늘림, 전단)을 만족시키기 위해 노드의 위치와 방향을 직접 수정한다. PBD는 무조건적인 안정성과 자동 미분과의 호환성을 위해 선택되었으며, 암시적 선형 솔버를 미분할 필요를 피한다.
• 유체 시뮬레이션: 환경은 D2Q9 모델(2D, 9개 속도)을 사용하는 **격자 볼츠만 방법(Lattice Boltzmann Method, LBM)**으로 모델링된다. 이 중간 단계(mesoscopic) 접근 방식은 재격자화(remeshing) 없이 움직이는 경계를 처리하며 GPU에서 선형 스케일링($O(n)$)을 가능하게 한다.
• 유체-구조 상호작용(Fluid-Structure Interaction): 상호작용은 **침수 경계법(Immersed Boundary Method, IBM)**을 통해 처리된다. 필라멘트 노드는 국소 유체 속도를 샘플링하여 항력을 결정하고, 그 속도는 그리드로 다시 브로드캐스트된다. 두께가 없는 필라멘트를 통한 유체 누출을 방지하기 위해, 저자들은 다중 직접 강제(Multi-Direct Forcing, MDF), 이중 완화 시간(Two-Relaxation-Time, TRT) 스킴, 그리고 이중 레이어 필라멘트 브로드캐스팅 기술을 채택하였다.
• 자기 회피(Self-Avoidance): 충돌 회피는 격자 기반의 입체적 반발장(steric repulsion field)을 통해 관리된다. 노드 위치는 그리드에 배치되고 FFT 컨볼루션을 통해 확산되며, 결과적인 밀도 구배가 반발력을 생성하여 $O(n^2)$의 쌍별 거리 체크를 피한다.
• 미분 가능성(Differentiability): PBD 제약부터 LBM 유체 업데이트에 이르는 전체 파이프라인은 JAX로 구현되어 엔드 투 엔드 자동 미분을 가능하게 한다. 이는 경사 하강법 기반 최적화와 진화 탐색 모두를 지원한다.

인코딩 및 탐색

Microcosmos는 탐색 방법에 구애받지 않으며 다음을 지원한다:

• 직접 인코딩(Direct Encoding): 각 노드의 파라미터를 명시적으로 지정.
• 간접 인코딩(Indirect Encoding): 공간적/시간적 입력을 물리적 특성으로 매핑하는 생성 모델(예: CPPN).
• 최적화 방법: 형태 최적화를 위한 경사 하강법과, 운동 전략을 발견하기 위한 신경 진화(NEAT) 및 품질-다양성(Quality-Diversity, QD) 탐색(MAP-Elites)을 활용한다.

주요 기여

1. 확장 가능한 미분 가능한 시뮬레이터: Microcosmos는 형태와 컨트롤러의 동시 최적화를 위해 미분 가능한 유연한 필라멘트 시뮬레이션과 해상도가 높은 유체 솔버(LBM)를 결합한 최초의 시스템이다.
2. GPU 네이티브 아키텍처: 엔진은 병렬 실행을 위해 설계되었으며, 입자 기반 시스템이 겪는 이차 함수적 스케일링과 달리 입자 수에 따라 선형 스켈링을 달성한다.
3. 개방형 플랫폼: ALife 커뮤니티 내에서의 대규모 개방형 진화 시뮬레이션을 촉진하기 위해 코드가 오픈 소스 플랫폼으로 공개된다.

실험 결과

엔진은 네 가지 뚜렷한 실험을 통해 검증되었다:

1. 설계된 운동(Hand-Designed Locomotion): 수동으로 설계된 기하학적 구조를 가진 다섯 가지 생명체(벌레, 올챙이, 레이, 섬모, 해파리)를 점성 변화($10^{-3}$ ~ $2$)에 따라 테스트했다.

   • 결과: 시뮬레이션은 퍼셀의 스캘럽 정리(Purcell's scallop theorem)와 같은 물리적 제약을 정확히 재현했다. 시간 가역적 전략(예: "레이")은 고점성에서 순 변위가 발생하지 않았으나, 비가역적 전략(예: "섬모")은 운동을 유지함으로써 유체 결합이 저 레이놀즈 수 물리학을 존중함을 확인했다.

2. 필라멘트 폴딩(Filament Folding, 미분 가능성): 1000개 노드를 가진 필라멘트가 경사 하강법을 통해 MNIST 숫자 모양으로 접히도록 최적화되었다.

   • 결과: 시스템은 손실 함수를 성공적으로 최소화하여 필라멘트를 인식 가능한 숫자 모양으로 접었다. 이는 PBD 솔버와 유체 계산을 포함한 전체 파이프라인의 완전한 미분 가능성을 입증했다.

3. 컨트롤러의 신경 진화(Neuroevolution of Controllers): 이동 거리와 화학 주성(chemotaxis, 에너지 수집)을 기준으로 적합도를 측정하여, 필라멘트 노드를 제어하는 구성적 패턴 생성 네트워크(CPPN)를 진화시켰다.

   • 결과: 시스템은 사인파 형태의 운동 전략을 진화시켰으며, 화학적 구배를 탐색하는 능력을 보여줌으로써 물리적 역학과 감각-운동 제어의 통합을 검증했다.

4. 품질-다양성(QD) 탐색: 굽힘 노력(bending effort)과 늘림 노력(stretching effort)이라는 행동 기술자를 바탕으로 다양한 운동 전략을 발견하기 위해 MAP-Elites를 사용했다.

   • 결과: 사인파 운동, 방향 전환, 복잡한 움직임, 패들 형태의 원형 구조를 포함한 매우 다양한 유영 보행(gaits)이 나타났으며, 이는 필라멘트 인코딩의 표현력을 입증했다.

5. 확장성(Scalability): 입자 수(최대 50만 개 입자)에 따른 런타임을 측정했다.

   • 결과: Microcosmos는 입자 수에 대해 선형 스케일링을 보여주었으며, 이는 Particle Life와 같은 쌍별 상호작용 시스템의 $O(n^2)$ 스케일링과 극명한 대조를 이룬다.

의의 및 주장

본 논문은 Microcosmos가 ALife 연구의 역사적 병목 현상인 '물리적으로 접지된 시뮬레이션의 확장성 부족' 문제를 해결한다고 주장한다. 저자들은 생물학적 구조(편모에서 세포 골격 네트워크에 이르기까지)의 편재성을 활용하고 GPU 가속 유체 솔버의 효율성을 결합함으로써, 물리적 신뢰성과 계산적 실행 가능성 사이의 간극을 메우는 도구를 제공한다.

저자들은 Microcosmos를 최종적인 해결책이 아닌 기초적인 플랫폼으로 규정한다. 이들은 물리적으로 접지된 시뮬레이션을 확장하는 것이 현대 AI에서 컴퓨팅 규모를 확장하는 것만큼이나 미래의 인공 생명 연구에 필수적이라고 주장한다. 이 시스템은 물리적으로 타당한 가상 세계 내에서 다중 에이전트 상호작용, 탄생/사멸 역학, 자기 조립, 그리고 개체성과 공생의 출현을 연구하기 위한 토대로서 기능할 것이다. 결론적으로, 본 논문은 개방형 진화적 복잡성을 달성하기 위해 이 개방형 플랫폼을 활용할 것을 커뮤니티에 촉구한다.