FeynFacet: AI agents for analytic NLO QCD

우주는 소수의 기본 입자들로 구축되어 있지만, 이들이 상호작용하는 규칙은 경이로울 정도로 복잡한 언어로 쓰여 있습니다. 이 복잡성의 중심에는 양자 색역학(quantum chromodynamics)이 자리 잡고 있는데, 이는 쿼크와 글루온—양성자와 중성자의 구성 요소—이 어떻게 서로 결합하여 우리 주변의 물질을 형성하는지를 설명하는 이론입니다. 이러한 입자들의 거동을 이해하기 위해 물리학자들은 이들이 고속으로 충돌할 때 어떻게 산란되는지를 계산해야 합니다. 이러한 계산은 단순한 산술이 아닙니다. 이는 입자가 취할 수 있는 무수히 많은 가능한 경로를 추적하고, 진공 속의 보이지 않는 찰나의 요동을 포함하는 확률들을 모두 합산하는 과정을 포함합니다. 수십 년 동안, 가장 정밀한 예측을 수행하기 위해서는 전문가 팀이 필요한 수학적 공식을 유도하기 위해 몇 달, 심지어 몇 년을 소비해야 했으며, 이 과정은 인간의 실수에 취약하고 방대한 대수학의 양에 의해 제한되었습니다.

이제, 이러한 계산이 수행되는 방식을 바꾸는 새로운 접근법이 등장했습니다. 연구자들은 인공지능 에이전트가 전문적인 조수 역할을 하며, 이 복잡한 문제들을 해결하는 데 필요한 컴퓨터 프로그램을 작성하고 실행하는 워크플로우를 개발했습니다. 인간이 모든 단계를 직접 유도하는 대신, AI에게 물리 법칙과 답을 구하기 위한 특정 질문을 제공하면, AI가 솔루션을 찾기 위한 코드를 스스로 구축합니다. 이 방법은 입자의 스핀이 충돌 중에 어떻게 전달되는지를 설명하는 일련의 새로운 고정밀 공식을 도출하는 데 사용되었습니다. 이 결과는 양성자의 내부 스핀이 생성되는 입자에 어떤 영향을 미치는지에 대한 이해의 결정적인 공백을 메워주며, 세계에서 가장 강력한 입자 가속기들의 데이터를 해석하는 데 필요한 도구를 제공합니다.

이 연구의 핵심 성과는 단일 포함 횡스핀 전달(single-inclusive transverse spin transfer)이라고 불리는 과정에 대한 새로운 해석적 공식의 유도입니다. 간단히 말해, 이는 양성자 내부의 쿼크와 같은 회전하는 입자가 다른 입자와 충돌하여 특정 방향으로 날아가는 새로운 회전하는 입자를 생성할 때 어떤 일이 발생하는지를 설명합니다. '횡방향(transverse)'이라는 용어는 운동 방향에 수직인 스핀의 방향을 의미합니다. 물리학자들은 이러한 충돌의 평균적인 거동은 오래전부터 알고 있었지만, 최종 생성물에서 스핀의 방향이 어떻게 유지되거나 변하는지에 대한 구체적인 세부 사항은 높은 정밀도로 규명하기가 어려웠습니다. 새로운 공식들은 두 양성자 간의 충돌과 레프톤-양성자 충돌 모두에 대해 이 과정을 완전하고 정확하게 설명합니다.

이 결과에 도달하기 위해 연구진은 FeynFacet라고 명명한 정교한 워크플로우를 채택했습니다. 이 시스템에서 인간 물리학자는 입자의 종류, 충돌 유형, 그리고 관심을 가지는 특정 스핀 구성을 지정하여 물리적 시나리오를 정의합니다. 그러면 인공지능 에이전트가 이 지침을 받아 계산에 필요한 컴퓨터 코드를 자동으로 생성합니다. 에이전트는 입자들이 상호작용하는 다양한 방식을 나타내는 수천 개의 항을 다루는 기호 수학(symbolic mathematics)의 중노동을 처리합니다. 에이전트는 확립된 수학적 기법을 사용하여 이러한 항들을 단순화하고, 복잡한 적분을 정확하게 풀 수 있는 관리 가능한 표준 형태의 집합으로 변환합니다.

이 과정은 엄격하며 자기 검증 과정을 거칩니다. AI 에이전트는 단순히 하나의 답만을 내놓는 것이 아니라, 결과가 일치하는지 확인하기 위해 세 가지 독립적인 소프트웨어 도구를 사용하여 동일한 계산을 실행합니다. 또한, 참조 프레임이 변경되거나 상호작용의 에너지 척도가 조정될 때 결과가 일관성을 유지하는지 확인하는 등 물리 법칙을 체크함으로써 결과를 검증합니다. 만약 불일치가 발견되면, 시스템은 인간 연구자처럼 오류를 진단하고 수정하도록 설계되어 있지만, 기계의 속도와 철저함을 갖추고 있습니다. 이러한 다층적 검증은 최종 공식이 단지 그럴듯한 것이 아니라 수학적으로 확실함을 보장합니다.

새로운 공식은 양성자-양성자 충돌에서 쿼크와 반쿼크가 회전하는 입자를 생성하기 위해 상호작용할 수 있는 모든 방법을 다룹니다. 여기에는 가장 흔한 시나리오부터 더 높은 정밀도 수준에서만 발생하는 시나리오에 이르기까지 일곱 가지의 뚜렷한 상호작용 클래스가 포함됩니다. 연구진은 또한 전자와 같은 레프톤이 양성자를 타격하는 레프톤-양성자 충돌에 대한 상응하는 결과도 계산했습니다. 이 경우, 산란된 레프톤이 항상 탐지되는 것은 아니라는 점을 고려해야 하므로, 누락된 정보를 처리하기 위한 특정한 수학적 조정을 거쳐야 했습니다. 결과물인 공식들은 '해석적(analytic)'입니다. 즉, 수치적 근사치가 아닌 정확한 수학적 표현식으로 작성되었습니다. 이를 통해 물리학자들은 매번 거대한 컴퓨터 시뮬레이션을 다시 실행할 필요 없이, 에너지와 운동량의 다양한 값을 즉각적으로 대입할 수 있습니다.

이 새로운 결과들은 현재 및 미래의 실험 데이터를 해석하는 데 즉시 유용합니다. 예를 들어, 이 공식들은 편극된 하이퍼론(hyperon)을 연구하는 데 필수적입니다. 하이퍼론은 스트레인지 쿼크를 포함하는 입자로, 원래 양성자의 스핀 구조에 대한 세부 사항을 밝혀낼 수 있습니다. 또한, 쿼크의 스핀이 입자의 제트(jet)로 분열되는 방향에 영향을 미치는 현상인 콜린스 효과(Collins effect)의 분석을 개선합니다. 나아가, 이 공식들은 고에너지 충돌에서 생성되는 입자의 흐름인 제트 내의 에너지 상관관계를 정밀하게 측정하는 데 도움을 줍니다. 정밀한 이론적 기준선을 제공함으로써, 이 계산들은 실험가들이 그 어느 때보다 높은 정확도로 양성자의 내부 스핀 특성을 추출할 수 있게 해줍니다.

또한 이 작업은 AI 보조 접근 방식 자체에 대한 검증이기도 합니다. 연구진은 동일한 워크플로우를 사용하여 비편극 충돌 및 종방향 스핀(운동 방향과 정렬된 스핀)을 포함한 광범위한 기존 결과들을 재현했습니다. 모든 경우에서 AI가 생성한 공식은 확립된 결과와 완벽하게 일치했습니다. 이러한 성공은 이 방법이 가장 까다로운 양자장론 문제를 다룰 만큼 견고하다는 것을 입증합니다. 또한 AI가 4차원에서는 사라지지만 차원을 높였을 때 유한한 효과를 남기는 항들을 다루는 것과 같이, 인간의 계산에서 흔히 발생하는 미묘한 수학적 함정을 올바르게 헤쳐 나갈 수 있음을 확인시켜 줍니다.

앞으로 이 워크플로우는 이전에 시도하기 너무 어렵거나 시간이 많이 걸린다고 여겨졌던 계산의 문을 열어줄 것입니다. 복잡한 스핀 의존 프로세스에 대한 정확한 공식을 생성하는 능력은 이론가들이 증가하는 실험 데이터의 정밀도에 발맞출 수 있게 해줍니다. 대형 강입자 충돌기(LHC)가 계속 가동되고 미래의 전자-이온 충돌기(EIC)가 가동됨에 따라, 이러한 정밀한 이론적 입력값에 대한 수요는 더욱 커질 것입니다. 새로운 공식은 양성자의 3차원 구조를 탐구하고, 구성 쿼크의 스핀이 어떻게 우주의 물질을 형성하는지 이해하기 위한 필요한 토대를 제공합니다.

연구진은 모든 새로운 공식과 이를 생성하는 데 사용된 컴퓨터 프로그램을 공개적으로 사용할 수 있도록 했습니다. 이러한 투명성은 다른 과학자들이 자신의 연구에 즉시 결과를 활용하고, 여기서 개발된 방법론을 바탕으로 후속 연구를 진행할 수 있게 합니다. 도구와 데이터를 공유함으로써, 연구팀은 이 AI 보조 접근 방식의 혜택이 입자 물리학 분야 전체에 미칠 수 있도록 보장합니다. 이 작업은 인간의 통찰력과 기계의 정밀함을 결합하여 자연의 근본 법칙을 계산하고 이해하는 방식의 새로운 표준을 만들어내는, 기술의 잠재력을 보여주는 증거입니다.