핵물리학의 혁신: AI 신경망으로 핵 질량 예측의 새로운 지평을 열다

본 연구는 핵물리학에서 AI 신경망을 이용한 핵 질량 예측 모델의 외삽 성능을 향상시키는 새로운 방법을 제시합니다. 물리학 기반 활성화 함수를 도입하여 기존 모델의 '블랙박스' 문제를 해결하고, 중성자와 양성자 수만으로 높은 정확도의 예측을 달성했습니다.

인공지능(AI)의 눈부신 발전이 과학 전반에 걸쳐 새로운 가능성을 제시하고 있습니다. 특히 핵물리학 분야에서 AI 기반 예측 모델은 핵 질량 예측과 같은 복잡한 문제 해결에 혁신적인 도구로 떠오르고 있습니다. 하지만 기존의 신경망 모델들은 '블랙박스'와 같은 한계를 가지고 있어, 측정된 데이터 영역을 벗어나는 외삽(extrapolation)에는 어려움을 겪었습니다.

김찬희, 채규영, 스미스 마이클 연구팀은 이러한 한계를 극복하기 위해 물리학적 지식을 활용한 획기적인 방법을 제시했습니다. 그들은 기존 신경망의 비선형 함수를 물리학적 함수로 대체함으로써, 모델의 외삽 성능을 비약적으로 향상시키고 모델의 작동 원리에 대한 이해도를 높였습니다.

연구팀은 중성자(N)와 양성자(Z) 수만을 사용, 기존의 핵 질량 모델이나 마법 수(magic numbers)에 대한 정보 없이도, 경핵(light nuclei, N, Z > 0)부터 드립 라인(drip lines)까지 높은 정확도로 핵 질량을 예측하는 모델을 개발하는데 성공했습니다. 특히 측정 데이터의 내부 영역만을 이용하여 학습시킨 후, 외부 영역(가장 바깥쪽 핵)을 이용하여 외삽 성능을 엄격하게 평가했습니다. 이를 통해 기존 모델의 한계를 극복하고, 새로운 외삽 방법의 효용성을 입증했습니다.

이 연구는 단순히 핵 질량 예측의 정확도를 높이는 것을 넘어, AI 모델의 해석성을 향상시키고 물리학적 지식과 AI 기술의 시너지 효과를 보여주는 중요한 사례입니다. 향후 연구를 통해 더욱 개선된 모델을 개발하고, 핵물리학을 비롯한 다양한 과학 분야에 적용될 것으로 기대됩니다. 연구팀은 향후 개선 방향에 대한 구체적인 계획도 제시하며, 핵물리학 연구의 새로운 장을 열었습니다.

핵심 내용 요약:

• 물리학 기반 활성화 함수를 사용한 AI 신경망 모델 개발
• 중성자(N)와 양성자(Z) 수만으로 핵 질량 예측
• 경핵부터 드립 라인까지 높은 정확도의 외삽 성능 달성
• 모델의 해석성 향상 및 물리학 지식과 AI 기술의 시너지 효과 제시