이론 입자 물리학 및 중력파 물리학 계산에서 핵심 병목 중 하나인 파인만 적분의 부분 적분 축소 문제에 머신러닝을 적용해 계산 효율을 높이는 새로운 시딩 전략이 제안됐다. 연구팀은 이 전략을 ‘튜브 시딩(tube seeding)’이라 명명하고 개념 검증 구현 코드를 공개했다.
기존의 라포르타(Laporta) 알고리즘 기반 적분 축소는 분자 차수가 커질수록 시드 적분 수가 다항식 속도로 급증하는 문제를 안고 있었다. 연구팀이 머신러닝으로 발견한 새 전략은 목표 적분에서 마스터 적분까지 지그재그 경로를 따라 형성되는 가는 튜브 형태의 영역으로 시드를 제한한다. 이렇게 하면 시드 수가 분자 차수에 대해 선형적으로만 증가해 기존 방식 대비 메모리와 시간 모두를 크게 절약할 수 있다.
연구팀은 이 전략을 유한체 위의 수치 운동학을 사용해 비평면 2루프 5점 적분 축소에 적용하는 데 성공했다. 이 문제는 기존 시딩 방식의 라포르타 알고리즘으로는 사실상 풀기 어려운 난이도였다. 나아가 전체 최상위 적분 집합을 여러 덩어리로 나눠 튜브 시딩으로 처리하는 방식도 시연해, 현상론적 응용에 적합한 수준의 시간과 메모리로 문제를 해결했다.
이 연구는 AI 기법이 순수 수학·물리학의 어려운 계산 문제를 풀어내는 데 실질적으로 기여할 수 있음을 보여주는 사례다. 공개된 구현은 깃허브에서 확인할 수 있으며, 향후 고차 루프 보정이 필요한 다양한 현상론 계산에서 활용될 것으로 기대된다. 대형 강입자 충돌기(LHC) 데이터 분석이나 중력파 파형 계산처럼 복잡한 다중 루프 계산이 필수적인 분야에서 이 접근법은 계산 자원 한계를 실질적으로 확장하는 도구가 될 수 있다는 점에서 이론 물리학 커뮤니티의 주목을 받을 것으로 보인다.
