A Tensor-Network Chebyshev--Galerkin Method for Boundary-Value Problems in Computational Mechanics

복잡한 기계 부품이 응력 하에서 어떻게 휘거나 늘어나고, 혹은 부서질지 예측하는 것을 상상해 보십시오. 엔지니어들은 오랫동안 이러한 질문에 답하기 위해 컴퓨터 시뮬레이션에 의존해 왔지만, 이러한 예측 뒤에 숨겨진 수학은 악명 높을 정도로 어렵습니다. 문제는 관련된 변수의 수가 엄청나다는 점에 있습니다. 단 하나의 물체라도 기묘하게 굽은 형태를 가질 수 있고, 위치마다 재질이 변할 수 있으며, 날씨나 하중에 따라 변화하는 힘에 직면할 수 있습니다. 정확한 답을 얻기 위해 컴퓨터는 물체를 수백만 개의 작은 조각으로 나누고 각 조각에 대해 거대한 방정식을 풀어야 합니다. 또한 엔지니어가 재질, 형상, 또는 하중을 동시에 변경하며 수천 가지의 서로 다른 시나리오를 테스트하고자 할 때, 계산량은 폭발적으로 증가합니다. 그 증가 속도가 너무 빨라서 세계 최고의 슈퍼컴퓨터조차 메모리와 시간을 모두 소진하게 되며, 결국 과학자들은 문제를 너무 단순화하거나 수천 개의 별개 시뮬레이션을 하나씩 느리게 실행해야 하는 상황에 처하게 됩니다.

연구팀은 이제 이러한 병목 현상을 완전히 우회하여 이 문제를 해결할 수 있는 새로운 방법을 개발했습니다. 모든 가능한 시나리오를 별개의 계산으로 취급하는 대신, 그들은 단 한 번의 실행으로 '가능성의 전체 우주'를 해결하는 방법을 만들어냈습니다. 최근 발표된 연구에 상세히 기술된 이들의 접근 방식은 두 가지 강력한 아이디어를 결ên합합니다. 복잡한 형상을 매끄러운 전역 패턴으로 분해하는 수학적 기법과 양자 물리학에서 빌려온 데이터 압축 전략입니다. 이 하이브리드 방식을 사용함으로써, 그들은 이전에는 불가능했던 작업인 수백만 가지의 설계 변형을 동시에 처리하면서도 고체 물체의 거동을 극도로 정밀하게 시뮬레이션할 수 있었습니다.

문제의 핵심은 컴퓨터가 물리적 세계를 어떻게 표현하느냐에 있습니다. 대부분의 엔기니어링 소프트웨어에서 사용되는 유한 요소법(finite element method)과 같은 전통적인 방식은 물체를 작은 블록 격자로 잘게 쪼개어 작동합니다. 각 블록 내부의 힘과 움직임을 계산한 다음 그 결과들을 하나로 엮는 방식입니다. 이는 단순한 경우에는 잘 작동하지만, 물체의 형상이 복잡하거나 엔지니어가 수천 가지의 서로 다른 재료 특성을 테스트하고자 할 때 격자는 감당할 수 없을 정도로 커집니다. 컴퓨터는 그 격자의 모든 지점에 숫자를 저장해야 합니다. 여기에 온도나 무작위적인 재료 결함과 같은 변수를 몇 가지만 더 추가해도 필요한 데이터 양은 기하급수적으로 늘어나, 기존의 어떤 기계의 저장 용량도 빠르게 초과해 버립니다.

이를 해결하기 위해 연구진은 텐서 네트워크(tensor networks)라고 불리는 기술에 주목했습니다. 이를 설명하자면, 거대하고 복잡한 물체를 모든 지점을 일일히 나열하는 대신, 그들 사이의 패턴과 연결 관계를 기술하는 방식이라고 할 수 있습니다. 이는 고화질 이미지 파일이 압축되는 방식과 유사합니다. 컴퓨터가 모든 픽셀의 색상을 저장하는 대신, 이미지를 재현할 수 있는 일련의 규칙을 저장하는 것과 같습니다. 물리학의 세계에서 이 압축은 부분들이 구조적인 방식으로 연결되어 있는 시스템에서 매우 효과적으로 작동합니다. 연구진은 이 아이디어를 응용하여 '양자 영감을 받은(quantum-inspired)' 알고리즘을 만들었습니다. 그들은 양자 컴퓨터를 구축한 것이 아니라, 양자 물리학을 위해 개발된 수학적 도구들을 사용하여 고전적인 엔지니어링 문제의 데이터를 압축했습니다. 이를 통해 수십억 개의 미지수를 가진 시뮬레이션을 아주 적은 양의 메모리로 표현할 수 있었으며, 데이터 크기를 수백만 배까지 줄일 수 있었습니다.

하지만 압축만으로는 충분하지 않습니다. 연구진은 또한 물체가 어떻게 움직이는지를 설명하는 방정식을 푸는 방법도 필요했습니다. 그들은 함수을 근사하는 데 사용되는 특수한 형태의 매끄러운 곡선인 체비쇼프 다항식(Chebyshev polynomials)에 기반한 방법을 선택했습니다. 블록 단위로 접근하는 전통적인 방식과 달리, 이 기술은 물체 전체를 한꺼번에 바라보며 몇 개의 매끄러운 전역 곡선을 통해 형상과 움직임을 기술합니다. 이는 매끄러운 물체에 훨씬 효율적이며, 훨씬 적은 데이터 포인트만으로도 매우 높은 수준의 정확도에 도달할 수 있게 해줍니다. 문제는 이러한 매끄러운 곡선들이 실제 물체의 복잡한 경계 조건(예를 들어, 한쪽 끝은 고정되어 있고 다른 쪽 끝은 자유롭게 미끄러질 수 있는 부품 등)과 결합하기 어렵다는 점이었습니다. 연구진은 이 규칙들을 솔루션의 수학적 구조 안에 직접 삽입하는 새로운 방법을 개발하여, 압축을 깨뜨리지 않으면서도 물리학적 법칙이 올바르게 유지되도록 했습니다.

그 결과, 이 방법은 선형 탄성 문제(고체가 변형되는 방식을 설명하는 수학)를 광범위한 조건에 걸쳐 단 한 단계로 해결할 수 있게 되었습니다. 연구진은 진동 하중이 가해지는 3차원 벤치마크 테스트에 이 방법을 적용했습니다. 실험 결과, 이 방식은 표준 고해상도 시뮬레이션이나 다른 고급 방법들이 동일한 시간 내에 도달하지 못한, 1억 분의 1 미만의 오차율을 달 수 있음을 확인했습니다. 다른 방법들도 근접할 수는 있었지만, 그만큼의 정확도를 얻기 위해서는 훨씬 더 많은 컴퓨팅 자원이 필요했으며, 정확도가 일찍 정체되는 한계를 보였습니다.

그러나 이 새로운 방법의 진정한 힘은 불확실성과 설계 변형을 다루는 능력에 있습니다. 한 실험에서 연구진은 흔한 구조 요소인 캔틸레버 보(cantilever beam)를 모델링하고, 길이, 너비, 높이, 재료 강성, 지지 강도의 1,700만 가지 조합이 포함된 설계 공간에서 이 보의 거동을 예측하도록 했습니다. 전통적인 방식이라면 1,700만 번의 개별 시뮬레이션을 실행해야 하며, 이는 수년의 컴퓨팅 시간이 걸리는 작업입니다. 하지만 연구진은 이 새로운 방법을 사용하여 단 92초 만에 1,700만 가지 설계를 단 한 번의 실행으로 해결했습니다. 컴퓨터는 각 설계에 대한 결과를 개별적으로 저장한 것이 아니라, 모든 가능한 설계에 대한 답을 담고 있는 하나의 압축된 수학적 객체를 저장했습니다. 특정 치수에 대한 결과가 필요할 때는 단순히 이 압축된 형태에서 값을 추출하기만 하면 되었습니다.

또한 연구진은 재료의 강성이 부피 전체에 걸쳐 무작위로 변하는 알루미늄 블록을 시뮬레이션하여 무작위 불확실성 문제를 테스트했습니다. 그들은 열 가지 변수를 사용하여 무작위성을 표현했는데, 이는 일반적인 방식으로는 저장하기에 불가능할 정도의 막대한 메모리를 요구하는 시나리오였습니다. 새로운 방법은 1조 개 이상의 데이터 포인트를 포함하는 전체 솔루션을 압축된 파일로 만들었으며, 이는 압축되지 않은 버전보다 240만 배 더 작았습니다. 이를 통해 연구진은 표준 기술으로는 계산이 거의 불가능했을 만큼 정밀하게 블록의 평균적인 움직임과 형상의 변화를 계산해 낼 수 있었습니다.

연구진은 이 성공이 문제가 특정한 종류의 '매끄러운 구조'를 가지고 있을 때 가능하다는 점을 강조합니다. 만약 재료의 특성이나 기하학적 구조가 너무 들쭉날쭉하거나 혼란스럽다면 압축 효과가 제대로 나타나지 않을 수 있습니다. 그러나 매끄러운 재료와 형상을 다루는 대다수의 엔지니어링 문제에 있어서 이 방법은 획기적인 도약을 제공합니다. 이 방법은 전역 스펙트럼 방법(global spectral methods)의 극단적인 정확성과 텐서 네트워크 압축의 극단적인 효율성을 결합합니다. 이는 엔지니어들이 이제 설계 공간과 불확실성 범위를 탐색하며, 슈퍼컴퓨터가 몇 주 동안 돌아가기를 기다리지 않고도 최적의 솔루션을 찾고 리스크를 이해할 수 있음을 의미합니다.

결국, 이 연구는 복잡한 물리 시뮬레이션에 접근하는 방식의 변화를 의미합니다. 이는 모든 지점을 개별적으로 계산하는 브루트 포스(brute-force) 전략에서 벗어나, 데이터의 근저에 깔린 패턴을 이해하는 더 스마트한 접근 방식으로의 전환입니다. 매개변수와 무작위 변수를 별도로 실행해야 하는 일련의 문제가 아닌, 해결해야 할 또 다른 차원으로 취급함으로써, 연구진은 새로운 계산 역학의 시대를 열었습니다. 이 방법은 모든 문제를 즉시 해결하는 마법 지팡이는 아니지만, 구조 공학 및 재료 과학 분야의 가장 까다로운 과제들을 해결할 수 있는 강력한 새 도구를 제공하며, 과거에는 불가능했던 계산을 일상적인 작업으로 바꾸어 놓았습니다.