우주 공간의 장애물 코스를 통과하며 우주선을 조종한다고 상상해 보십시오. 현실 세계에서 우주는 비어 있는 것이 아닙니다. 우주는 행성, 위성, 심지어 태양의 중력이 복잡하고 뒤틀린 방식으로 우주선을 끌어당기고 밀어내는 혼돈의 댄스 플로어와 같습니다. A 지점에서 B 지점으로 이동하거나, 충돌 없이 특정 궤도를 유지하려면 정확한 순간에 완벽한 추진(이른바 "기동")을 계산해야 합니다. 이것이 바로 우주선의 움직임을 다루는 과학인 **천체역학(astrodynamics)**의 핵심입니다.

까다로운 점은 이러한 움직임을 설명하는 수학이 믿기 힘들 정도로 복잡하다는 것입니다. 이는 마치 폭풍 속에서 소용돌이치는 나뭇잎의 경로를 예측하면서 동시에 그 나뭇잎을 그물로 잡으려는 것과 같습니다. 전통적으로 컴퓨터는 최선의 "추측"을 한 뒤 이를 반복해서 미세하게 조정하는 방식으로 문제를 해결합니다. 이를 **비선형 계획법(Nonlinear Programming, NLP)**이라고 합니다. 이는 안개 낀 산골짜기에서 낮은 지점을 찾아가는 과정과 비슷합니다. 당신은 작은 웅덩이(지역 최솟값, local minimum)에 빠져 그곳이 바닥이라고 생각할 수도 있지만, 사실 바로 옆 언덕 너머에 훨씬 더 깊은 골짜기가 있을 수도 있습니다. 우주선의 경우, 이러한 "지역적 웅덩이"에 갇히는 것은 목표를 놓치거나 연료가 바닥나는 것을 의미할 수 있습니다.

이 논문은 이 문제를 다루며 다음과 같이 질문합니다. "우리가 길을 잃지 않고, 매번 절대적인 최선의 경로를 찾을 수 있을까?" 저자들은 기존의 방식(안개 속에서 길을 찾는 방식)을 넘어, 우주 여행의 복잡한 방정식을 구조화된 퍼즐로 변환하여 반드시 가장 깊은 골짜기를 찾아낼 수 있도록 보장하는 새로운 수학적 방법을 제안합니다. 그들은 이 방법을 "충격적 기동(impulsive, 짧고 강한 충격을 주는 방식)"과 "저추력 기동(low-thrust, 느린 엔진처럼 부드럽고 길게 밀어주는 방식)"이라는 두 가지 유형의 우주 여행에 테스트했습니다. 그들의 목표는 이 계산을 우주선의 컴퓨터에서 직접 실행할 수 있을 만큼 빠르고 신뢰할 수 있게 만들어, 우주선이 지구의 지시를 기다리지 않고 스스로 경로를 수정할 수 있도록 하는 것입니다.

논문의 이야기: 우주 수학을 퍼즐로 바꾸기

뉴질랜드, 미국, 프랑스의 대학 연구진으로 구성된 저자들은 미래의 자율 주행 우주선을 위한 내비게이션 소프트웨어를 업그레이드하려고 노력하고 있습니다. 그들은 현재의 방식도 훌륭하지만, 우주선이 크게 회전해야 하거나 장기간 여행해야 할 때 실패할 수 있다고 주장합니다. 왜냐하면 기존의 수학은 "선형 근사(linear approximations)"에 의존하기 때문입니다. 원을 그리려고 하는데 직선만을 사용한다고 상상해 보십시오. 아주 작은 호를 그릴 때는 괜찮지만, 전체 원을 그리려고 하면 울퉁불퉁한 다각형처럼 보일 것입니다. 이와 유사하게, 표준 수학은 우주의 곡선을 직선으로 취급하는데, 이는 곡선이 너무 뒤틀리면 제대로 작동하지 않습니다.

핵심 아이디어: 다항식 변환(The Polynomial Transformation)
이 논문의 주요 기술은 우주선의 움직임을 무질서하고 연속적인 흐름으로 보는 대신, 이를 **다항식 최적화 문제(Polynomial Optimization Problem, POP)**로 변환하는 것입니다.

다항식을 서로 다른 차수의 항(예: $x^2, x^3$)을 가진 재료의 레시피라고 생각해 보십시오. 저자들은 **미분 대수(Differential Algebra, DA)**라는 영리한 수학적 도구를 사용합니다. DA는 우주선의 경로를 확대하여 현재의 속도와 방향을 바탕으로 우주선이 어떻게 움직일지를 정확하게 설명하는 고차 레시피(테일러 전개, Taylor expansion)를 작성하는 "초고배율 돋보기"라고 볼 수 있습니다. 비행을 초 단위로 시뮬레이션하는 대신(이는 느립니다), 그들은 미래의 위치를 즉각적으로 예측하는 거대한 대수 방정식을 만듭니다.

일단 이 방정식이 완성되면 문제는 다음과 같이 바뀝됩니다: "최소한의 연료를 사용하면서 이 방정식이 목표값과 일치하도록 만드는 제어 노브(추력기)의 구체적인 값은 무엇인가?"

해결책: 모먼트-SOS 계층(The Moment-SOS Hierarchy)
여기서 마법이 일어납니다. 저자들은 모먼트-제곱합(Moment-Sum-of-Squares, SOS) 최적화 방법을 사용합니다.

• 비유: 당신이 풍경 속에서 가장 낮은 지점을 찾고 있는데, 그 풍경이 보이지 않는 변화무쌍한 안개로 가득 차 있다고 가정해 봅시다. 표준 방법(NLP)은 등산객을 보내 주변을 더듬게 합니다. 그는 작은 구멍에 빠질 수 있습니다. 반면 SOS 방법은 전체 풍경을 한 번에 스캔하는 드론을 보내는 것과 같습니다. 이 드론은 수학적인 "안전망"을 구축하여 절대적인 최저점이 어디인지 증명합니다. 이 방법은 단순히 추측하는 것이 아니라, 설정된 규칙 내에서 더 깊은 골짜기가 존재하지 않음을 수학적으로 보장합니다.
• 결과: 논문은 이 방법이 기존의 느린 "등산객" 방식(NLP)과 동일한 답을 찾아내면서도, 강력한 초능력을 갖추고 있음을 보여줍니다. 즉, 단순히 지역적인 최솟값이 아니라 전역적(global) 최적해를 찾는다는 것을 보장합니다. 또한, 이 방법은 기존 방식보다 "비볼록(non-convex)" 문제(뒤틀리고 여러 개의 골짜기가 있는 풍경)를 훨씬 더 잘 처리합니다.

이론 검증: 두 가지 시나리오
연구팀은 두 가지 다른 "우주 놀이터"에서 아이디어를 테스트했습니다.

1. 빠른 충격 (충격적 타겟팅, Impulsive Targeting):
   그들은 표준 이체 시스템(예: 지구와 인공위성)과 더 혼돈스러운 삼체 시스템(지구, 달, 그리고 인공위성)에서의 우주선 시뮬레이션을 수행했습니다.

   • 발견: 우주선이 작은 조정을 필요로 할 때는 모든 방법이 작동했습니다. 하지만 우주선이 큰 기동을 해야 하거나 장기간 여행해야 할 때는, 기존의 선형 방식("직선" 기반의 추측)은 처참하게 실패하여 목표를 크게 벗어났습니다. 반면, 새로운 다항식 방법은 우주선이 크게 회전하고 뒤틀려야 하는 상황에서도 정확성을 유지했습니다.
   • 비교: 그들은 자신들의 방법과 "맵 인버전(Map Inversion, 또 다른 고급 기술)"을 비교했습니다. 결과는 그들의 새로운 방법이 맵 인버전만큼 정확하면서도, 그 해답이 최선이라는 더 강력한 수학적 보증을 제공한다는 것을 보여주었습니다.

2. 부드러운 밀기 (저추력 스테이션 키핑, Low-Thrust Station Keeping):
   그 후 더 복잡한 시나리오로 이동했습니다: 지구-달 시스템에서 달 주변의 특정 궤도를 유지하기 위해 약하고 지속적인 엔진을 사용하는 우주선입니다. 이는 엔진이 항상 켜져 있고, 우주선이 지구와 달 모두의 인력을 계속 받는 상황이라 더 어렵습니다.

   • 시뮬레이션: 연구팀은 우주선이 무작위 "오차"(갑작스러운 돌풍이나 센서 오류 같은)에 의해 경로를 이탈하는 상황을 시뮬레이션했습니다.
   • 결과: 새로운 알고리즘은 62회전(시뮬레이션된 시간으로 1년 이상) 동안 우주선의 경로를 성공적으로 수정하여 의도한 궤도 근처에 머물게 했습니다. 이 과정에서 우주선은 단 0.56 kg의 연료만을 사용했습니다. 대조적으로, 이 교정 기능이 없는 우주선은 단 11회전 만에 달에 충돌(정확히는 달 표면 아래로 추락)했습니다.

그들이 배제하는 것
이 논문은 복잡한 우주 임무를 수행할 때 선형 근사(직선 수학)에만 의존하는 것에 대해 명시적으로 반대합니다. 그들은 선형 수학이 빠르기는 하지만, 큰 기동이나 장기 여행에는 너무 취약하다는 것을 보여줍니다. 또한 표준 솔버(IPOPT 등)가 빠르기는 하지만, 문제가 너무 복잡할 경우 최선의 해를 찾는다는 보장을 할 수 없으며 "지역 최솟값"에 갇힐 수 있다고 언급합니다. 저자들은 이러한 솔버들을 완전히 부정하는 것이 아니라, 중요한 온보드 자율 주행을 위해서는 Moment-SOS 방법이 제공하는 보증의 가치가 더 크다는 점을 시사합니다.

얼마나 확신하는가?
저자들은 결과에 대해 매우 확신하고 있지만, 이를 시뮬레이션으로 규정하며 주의를 기울이고 있습니다. 그들은 실제 로켓을 쏘아 올린 것이 아니라 수천 번의 컴퓨터 시뮬레이션을 실행했습니다.

• 그들은 자신들의 방법이 전역 최적해를 찾을 수 있음을 수학적으로 증명했습니다.
• 시뮬레이션을 통해 그들의 방법이 큰 오차가 발생했을 때 선형 방식보다 3배의 차수(three orders of magnitude, 즉 1,000배)만큼 더 정확함을 보여주었습니다.
• 또한, 우주선이 상당한 무작위 오차에 의해 경로를 이탈했을 때도 이 방법이 작동함을 입증했습니다.

이것이 왜 중요한가
이 연구의 궁극적인 목표는 **자율성(autonomy)**입니다. 현재 우주선이 경로를 이탈하면 인간이 지구에서 수학적 계산을 수행하고 새로운 명령을 보낼 때까지 기다려야 하는 경우가 많습니다. 여기에는 시간과 대역폭이 소요됩니다. 저자들의 방법은 우주선의 자체 컴퓨터에서 실행될 수 있을 만큼 견고하고 신뢰할 수 있도록 설계되었습니다. 만약 우주선이 자신의 "완벽한 경로"를 즉각적으로 계산할 수 있고 그것이 최선임을 확신할 수 있다면, 우주선은 실시간으로 스스로를 수정할 수 있으며, 이는 심우주 탐사를 더 안전하고 독립적으로 만들 것입니다.

요약하자면, 이 논문은 우주선을 조종하는 혼돈스럽고 안개 낀 문제를 풀 수 있는 퍼즐로 바꾸는 새로운 수학적 도구 상자를 제공하며, 미래의 우주선이 단순히 별들 사이에서 길을 짐작하는 것이 아니라, 가야 할 가장 정확한 경로를 알게 될 것임을 약속합니다.