KANs와 과학의 융합: AI 기반 과학 탐구

인공지능(AI)과 과학의 결합은 AI의 연결주의적 특성과 과학의 상징주의적 특성 간의 근본적인 비호환성으로 인해 주요 난제로 남아있습니다. 본 연구는 이러한 간극을 해소하기 위해 콜모고로프-아놀드 네트워크(KANs)와 과학을 통합하는 프레임워크를 제안합니다. 이 프레임워크는 과학적 발견의 세 가지 핵심 측면, 즉 관련 특징 식별, 모듈형 구조 규명, 그리고 상징적 공식 발견에 KANs를 활용하는 데 중점을 둡니다. 제안된 시너지는 양방향으로 작동합니다. 과학적 지식을 KANs에 통합하는 '과학-KAN' 방향과 KANs에서 과학적 통찰력을 추출하는 'KAN-과학' 방향이 있습니다. 이를 위해 곱셈 노드를 포함하는 MultKAN, 상징적 공식을 KANs로 컴파일하는 kanpiler, 그리고 KANs를 트리 그래프로 변환하는 트리 컨버터와 같은 새로운 기능들을 개발했습니다. 이러한 도구들을 활용하여 KANs가 보존량, 라그랑지안, 대칭성, 그리고 구성 방정식과 같은 다양한 유형의 물리 법칙을 성공적으로 발견할 수 있음을 입증했습니다. 이는 KANs가 복잡한 과학적 데이터를 해석하고 그 안에 내재된 근본적인 법칙을 추출하는 강력한 도구임을 시사합니다. 본 연구는 AI가 과학적 발견 과정에 더욱 깊이 통합될 수 있는 새로운 가능성을 제시하며, 재료공학을 포함한 다양한 과학 분야에서 복잡한 시스템의 숨겨진 원리를 밝히는 데 기여할 것으로 기대됩니다.