OpenAI, Codex 활용 블랙홀 시뮬레이션 사례 공개…검증 가능한 AI 연구 도구 강조

OpenAI 공식 사례 소개에 따르면 천체물리학자 Chi-kwan Chan은 블랙홀 주변 플라스마 시뮬레이션을 개선하기 위해 Codex를 연구 도구로 활용하고 있다. Chan은 미국 애리조나대와 스튜어드 천문대 소속 연구자로, 2019년 인류 첫 블랙홀 이미지를 공개한 Event Horizon Telescope(EHT) 국제 협력에도 참여한 인물이다.

이번 사례의 배경은 블랙홀 연구에서 계산 과학이 차지하는 비중이 커지고 있다는 점이다. EHT 연구진은 현재 M87 은하 중심의 초대질량 블랙홀을 대상으로 첫 영상을 만들기 위한 관측을 진행하고 있다. 관측 자료를 과학적 이해로 연결하려면 대규모 데이터 처리와 고성능 컴퓨팅, 극한 물리 현상을 다루는 시뮬레이션이 필요하다.

OpenAI는 기존 블랙홀 플라스마 시뮬레이션이 입자 운동을 지나치게 작은 시간 간격으로 계산해야 하는 한계에 부딪혀 왔다고 설명했다. 특히 초대질량 블랙홀 주변의 뜨겁고 희박한 영역에서는 전자와 이온이 서로 자주 충돌하지 않고 자기장 선을 따라 빠르게 회전한다. 이를 그대로 추적하려면 컴퓨터가 거대한 현상보다 미세한 입자 회전에 대부분의 계산 시간을 쓰게 된다.

Chan은 이 문제를 풀기 위해 시뮬레이션이 입자의 작은 나선 운동을 직접 따라가지 않아도 되도록 수학적 추적 방식을 바꾸는 접근을 검토하고 있다. OpenAI에 따르면 그는 Codex를 사용해 후보 알고리즘을 유도하고, 알려진 해와 대조해 테스트하는 방식으로 가능한 수치 기법을 탐색하고 있다.

중요한 점은 AI가 낸 결과를 곧바로 연구 결론으로 받아들이지 않는다는 데 있다. OpenAI는 Codex가 여러 접근을 제안하지만 그중 일부는 틀릴 수 있으며, Chan의 연구 그룹은 제안된 수치 기법을 사람이 검토하고 물리적으로 이해할 수 있는 형태로 구현·검증한다고 설명했다. 이는 AI를 논문 작성 자동화 도구가 아니라 검증 가능한 아이디어 탐색 도구로 쓰는 사례에 가깝다.

이번 사례는 AI 코딩 도구가 소프트웨어 개발 업무를 넘어 과학 계산과 수치 알고리즘 탐색 영역으로 확장되고 있음을 보여준다. 다만 OpenAI가 소개한 내용은 연구 활용 사례이며, 새 알고리즘의 최종 성능이나 실제 과학 성과가 확정됐다는 발표는 아니다. 향후 의미 있는 진전은 독립적인 검증, 재현 가능한 코드, 학술적 검토를 거쳐 확인될 필요가 있다.

출처: OpenAI https://openai.com/index/using-codex-to-simulate-black-holes/