중력파 검출기 설계를 위한 신경망 대체 모델

물리학 시뮬레이터는 복잡한 시스템의 분석, 제어, 설계에 필수적이지만, 실험 설정이 복잡해질수록 CPU 기반 시뮬레이터의 높은 계산 비용이 한계로 작용합니다. 본 연구는 이러한 느린 시뮬레이터에 대한 의존도를 줄이면서도 정확도를 유지하는 신경망 대체 모델(Neural Surrogate Models)의 활용 방안을 제시합니다. 간섭계 중력파 검출기 설계를 대표적인 예시로 들어, LIGO 커뮤니티에서 개발한 중력파 물리 시뮬레이터 Finesse를 대체할 신경망을 훈련했습니다. 물리적 매개변수의 미세한 변화가 결과에 큰 영향을 미침에도 불구하고, 본 모델은 후보 설계의 품질과 실현 가능성을 신속하게 예측하여 광범위한 설계 공간을 효율적으로 탐색할 수 있게 합니다. 본 알고리즘은 대체 모델 훈련, 새로운 실험 역설계, 그리고 느린 시뮬레이터로 속성 검증 및 추가 훈련의 과정을 반복합니다. 자동 미분 및 GPU 병렬 처리를 통해, 직접 최적화 방식보다 훨씬 빠르게 고품질 실험 설계를 제안합니다. 본 알고리즘이 몇 시간 내에 찾아낸 솔루션은 기존 최적화 방식이 5일 걸려 도달하는 설계보다 우수한 성능을 보였습니다. 이 프레임워크는 중력파 검출기뿐만 아니라 시뮬레이터 병목 현상이 최적화 및 발견을 저해하는 다른 분야에도 폭넓게 적용될 수 있습니다.