[Paper Review] AI-Newton: 실험마다 다른 식에서 공통 물리 법칙을 찾는 법

용수철에 연결된 공이 움직일 때 위치를 여러 번 기록하면, 그 궤적에 잘 맞는 식을 찾을 수 있습니다. 공이 부딪히거나 경사면을 내려가는 경우에도 각각 식을 구할 수 있습니다. 그런데 처음 찾은 식을 다음 실험에도 활용하려면 무엇을 기억해야 할까요? AI-Newton은 실험에서 재사용할 수 있는 개념의 정의와, 그 개념을 조합한 법칙을 함께 저장합니다. 예를 들어 공끼리 탄성 충돌할 때 찾은 운동에너지 보존식은 용수철이 움직이는 실험에서 그대로 성립하지 않습니다. 시스템은 그 불일치에서 출발해 어떤 항을 더하면 보존 관계를 회복할 수 있는지 탐색합니다. 원문 1쪽과 3쪽

논문 개요와 전체 구조

You-Le Fang, Dong-Shan Jian, Xiang Li, Yan-Qing Ma의 AI-Newton은 여러 실험의 관측에서 개념과 공통 법칙을 함께 얻는 방법을 제안합니다. 초기 이론 베이스의 개념은 시공간 좌표입니다. 실험 베이스에는 물체의 종류, 기하 정보, 실험 매개변수와 데이터 생성 절차가 주어집니다. 그 위에서 질량, 에너지와 같은 개념의 후보를 만들고 서로 다른 실험에서 재사용합니다. 저자들은 미분방정식으로 생성하고 가우스 잡음을 더한 고전역학 실험 46개에서 뉴턴의 제2법칙, 에너지 보존과 만유인력 관련 법칙의 재발견을 보고합니다. 원문 1–4쪽

리뷰의 내용은 2025년 12월 11일 개정으로 등록된 arXiv 2504.01538v2의 6쪽 Letter를 기준으로 합니다. 본문은 서론, 지식 베이스와 표현, 자율 발견 절차, 뉴턴 역학 재발견, 요약의 순서입니다. PDF에는 별도 부록이 실려 있지 않으며, 본문 참고문헌 [39]가 가리키는 별도 보충자료의 세부 구현은 이 리뷰의 본문 분석 범위에 포함하지 않습니다. 정식 출판본은 2026년 11월 4일 Physical Review Research에 게재되었습니다. 두 버전은 수식 번호와 평가 범위가 다르므로 아래 수식과 그림은 arXiv v2에 맞춰 읽으면 됩니다. 고정 arXiv 버전 · 고정 PDF · Physical Review Research 8, 043129

핵심 기여와 혁신성

개념을 다른 실험에서도 호출할 수 있게 만듭니다. 속도처럼 좌표에서 바로 계산하는 양과 질량처럼 별도의 측정 절차로 값을 얻는 양을 모두 기호와 정의로 저장합니다. 질량의 값이 필요한 새 실험에서도 정의에 들어 있는 측정 실험을 호출할 수 있습니다. 원문 2쪽
기존 법칙이 어긋나는 지점에서 탐색을 이어갑니다. 이미 여러 실험을 설명하는 식이 새 실험에서 실패하면, 그 식의 구조를 활용해 단순한 보정 항을 찾습니다. 탄성 충돌에서 얻은 운동에너지 보존을 용수철 계에 적용할 때 탄성 퍼텐셜 항을 도입한 것이 예입니다. 원문 3쪽
재사용 가능한 법칙과 개별 실험의 식을 연결합니다. 간결한 힘의 법칙에 경사면의 기하 조건을 대입하면 실제 좌표에서의 운동방정식이 나옵니다. 새 실험마다 복잡한 전체 식을 처음부터 탐색하는 부담을 줄이는 설계입니다. 원문 2–3쪽

기술적 세부사항

시스템은 기호 회귀로 관측량 사이의 관계식을 찾습니다. 기호 회귀는 미리 선택한 식의 계수만 조정하는 회귀에서 한 걸음 더 나아가, 허용된 연산 안에서 식의 구조도 탐색합니다. AI-Newton의 한 시행은 실험 하나와 개념 몇 개를 고른 뒤, 그 실험에 특화된 식을 직접 찾거나 기존 일반 법칙의 적용 범위를 넓힙니다. 발견한 식을 단순화하고, 어떤 물체나 매개변수에 의존하는지 살핀 뒤, 새 개념과 법칙을 이론 베이스에 넣습니다. 다음 시행은 이렇게 늘어난 어휘를 다시 사용합니다. 원문 2–3쪽

실험 베이스에서 실험을 선택하고 이론 베이스의 개념을 불러와 법칙을 탐색한 뒤 새 개념과 법칙을 등록하는 순환 구조

Figure 1. 왼쪽은 실험과 데이터 생성기, 오른쪽은 기호·개념·법칙의 층입니다. 가운데의 탐색 결과가 오른쪽에 돌아가면서 다음 시행의 입력이 됩니다. Fang 외, arXiv v2 PDF 2쪽의 그림 영역을 그대로 크롭했습니다. 원본 그림 · CC BY 4.0

챕터별 상세 리뷰

원문은 절에 번호를 붙이지 않습니다. 아래 Chapter 번호는 Letter의 절 순서를 따라 리뷰에서 붙였습니다.

📖 Chapter 1: Introduction

저자들은 자동화된 물리 발견을 두 단계로 나눕니다. 첫 단계는 개별 실험을 잘 설명하는 모형을 얻는 것입니다. 신경망은 관측에서 예측에 필요한 패턴을 학습할 수 있고, 기호 기반 방법은 충분히 단순한 관계를 사람이 읽을 수 있는 식으로 돌려줄 수 있습니다. 두 번째 단계는 여러 모형에 흩어져 있는 공통 구조를 추려 새로운 상황에서도 쓸 수 있는 법칙으로 만드는 것입니다. 가령 어떤 공의 궤적을 잘 근사하는 식을 얻었다면, 그다음에는 그 식이 다른 공이나 다른 힘이 작용하는 경우에도 쓰일 수 있도록 공통으로 남는 개념을 찾아야 합니다. 원문 1쪽

AI-Newton은 이 둘째 단계를 위해 관측에서 얻은 법칙을 개념의 재료로 삼고, 그 개념을 다음 법칙 탐색의 재료로 되돌립니다. 따라서 성과를 읽을 때도 특정 궤적의 적합도와, 한 식을 여러 실험에 옮겨 쓸 수 있는지를 구분해야 합니다. 논문은 46개 고전역학 실험을 이 순환의 개념 증명으로 제시합니다. 원문 1쪽

📖 Chapter 2: Knowledge base and knowledge representation

실험 베이스는 공, 용수철, 경사면처럼 실험에 포함된 물체와 그 기하 정보, 설정값, 시공간 좌표 및 모의 데이터 생성기를 저장합니다. 이론 베이스에는 기호, 개념, 법칙이 서로 연결되어 있으며 개념 층은 시공간 좌표에서 출발합니다. 논문 제목의 without prior physical knowledge는 이 초기 이론 베이스에 질량, 에너지나 뉴턴 법칙을 미리 등록하지 않았다는 맥락에서 읽을 수 있습니다. 물체의 구분, 좌표의 의미, 제어할 수 있는 실험과 DSL의 표현 구조는 시스템 설계에서 주어집니다. 미분방정식을 푸는 시뮬레이터와, 그 출력으로부터 관계를 추론하는 탐색 절차도 역할이 다릅니다. 원문 1–3쪽

동역학적 개념은 운동에 따라 변하는 양입니다. 식 (1)은 공마다 적용할 수 있는 속도 정의입니다. $i$는 공을 가리키는 인덱스, $x[i]$는 공 $i$의 좌표, $t$는 시간, $C_1$은 이 정의를 등록한 기호입니다. $\forall$는 실험에 등장하는 해당 종류의 물체에 정의를 적용한다는 뜻이며, 아래첨자 1은 실행에 따라 달라질 수 있는 예시입니다. 원문 식 (1)

$$ C_1 := \forall i\text{: Ball},\,\mathrm{d}x[i]/\mathrm{d}t. $$

고유 개념은 질량이나 용수철 상수처럼 특정 물체에 속하는 양입니다. 보편 상수는 만유인력 상수처럼 다른 양에 의존하지 않는 값입니다. AI-Newton은 두 종류의 값을 얻는 절차를 정의에 기록합니다. 식 (2)의 $C_2$는 질량 측정의 예입니다. $\text{ExpName}$은 정의에 등록한 실험 이름이고 $o_1,o_2$는 실험이 요구하는 물체 자리입니다. 공 $i$를 첫 자리에, 고정된 용수철 $s$를 둘째 자리에 대입합니다. 매달린 상태의 길이 $\text{L}[s]$에서 자연 길이 $\text{L}_0[s]$를 뺀 늘어난 길이를 이 정의의 측정값으로 씁니다. 같은 측정 설정에서 늘어난 길이가 질량을 나타내는 예이며, 식에 표시된 값은 길이 차이입니다. 원문 식 (2)

$$ \begin{aligned} C_2 := {} & \forall i\text{: Ball},\,\text{Intrinsic}\big[\text{ExpName}(o_1\rightarrow i,o_2\rightarrow s),\\ & \hspace{12em}\text{L}[s]-\text{L}_0[s]\big]. \end{aligned} $$

법칙 층에는 보존 관계와 운동방정식이 놓입니다. 특정 법칙은 한 실험의 구체적인 형태로 저장하고, 일반 법칙은 다양한 실험에서 실제 물체와 기하 조건을 대입할 수 있게 저장합니다. 식 (3)은 공 $i$의 $x$ 방향에 쓴 예입니다. $m_i$는 질량, $a_{i,x}$는 그 방향의 가속도, $V_g$는 지표면 근처 중력의 퍼텐셜, $V_k$는 탄성 퍼텐셜입니다. $\nabla_i$는 공 $i$의 위치에 대한 기울기를 뜻합니다. 퍼텐셜 기울기의 음수가 힘이므로, 이 항들을 왼쪽에 놓으면 질량과 가속도의 곱을 포함한 합이 0이 됩니다. 원문 식 (3)

$$ \forall i:\text{Ball},\,m_i a_{i,x}+(\nabla_i V_g)_x+(\nabla_i V_k)_x=0. $$

식 (4)는 경사면 위의 공을 고정점과 용수철로 연결한 계에 그 법칙을 적용한 결과입니다. $(c_x,c_y,c_z)$는 경사면의 법선 벡터, $(x,y,z)$는 공의 좌표입니다. $m$과 $a_x$는 공의 질량과 $x$ 방향 가속도, $g$는 중력가속도, $k$는 용수철 상수입니다. $L$은 용수철 길이, $\Delta L$은 자연 길이에 대한 길이 변화입니다. 첫 번째 분수가 들어간 항은 중력의 경사면 방향 성분을 반영하고, 두 번째 분수가 들어간 항은 용수철 힘에 경사면의 기하를 반영합니다. 식 (3)과 나란히 놓으면 기하를 포함한 구체식의 복잡성이 어떻게 일반 법칙에서 분리되는지 보입니다. 원문 식 (4) · 기호와 해설, 3쪽

$$ \begin{aligned} &ma_x-\frac{c_xc_z}{c_x^2+c_y^2+c_z^2}mg\\ &\quad+\frac{(c_y^2+c_z^2)x-c_x(c_yy+c_zz)} {(c_x^2+c_y^2+c_z^2)L}k\Delta L=0. \end{aligned} $$

📖 Chapter 3: Autonomous discovery workflow

출발점은 개연적 추론입니다. 일부 실험의 결과로부터 새로운 가설을 세운 뒤 다른 관측에서 확인하는 방식입니다. 한 번 성립한 식을 모든 실험에 선언하는 대신, 이미 확인한 관계를 새 식의 탐색에 활용합니다. Figure 1을 따라가면 한 시행은 선택, 법칙 탐색, 단순화·분류, 개념·일반 법칙 추출 순으로 진행됩니다. 원문 2–3쪽

선택. 추천 엔진은 UCB(상한 신뢰 경계)에서 영감을 얻은 가치 함수와 실행 중 구조를 조정하는 신경망을 사용해 실험 하나와 소수의 개념을 고릅니다. UCB의 직관은 성과를 이미 낸 후보를 다시 선택하는 것과 아직 충분히 알아보지 않은 후보를 시험하는 것을 함께 고려하는 데 있습니다. 시대 제어(era control)는 각 시행에 실제 경과시간 제한을 둡니다. 충분한 횟수 동안 새 지식을 얻지 못하면 다음 시대로 넘어가며 제한 시간을 지수적으로 늘립니다. 저자들이 의도한 효과는 초반에는 짧은 시간 안에 분석할 수 있는 실험을 우선 살피고, 뒤로 갈수록 복잡한 관계에도 시간을 쓸 수 있게 하는 것입니다. 원문 3쪽

탐색. 첫 경로는 선택한 양과 허용 연산으로 후보식을 직접 만들어 관측에 대입해 보는 것입니다. 논문은 직접 대입·검증과 PCA 기반 미분 다항식 회귀를 함께 썼다고 설명합니다. 주성분 분석(PCA)은 여러 측정량이 함께 어떻게 달라지는지 살피는 도구입니다. 이 문맥에서는 선택한 양과 그 도함수로 만든 다항식 항 가운데 어떤 조합이 관계식을 이룰 수 있는지를 탐색하는 데 쓰입니다. 둘째 경로는 일반 법칙을 현재 실험에 적용해 보고, 맞지 않을 때 기존 식에 간단한 항을 더해 다시 시도하는 것입니다. 탄성 충돌을 설명하던 운동에너지 보존식에 용수철 변형에 해당하는 항을 추가하는 예가 여기에 속합니다. 원문 3쪽

단순화·분류. 서로 다른 모양의 식이 같은 관계를 표현할 수 있습니다. 그때마다 식을 별도 발견으로 쌓으면 다음 탐색에서 다뤄야 할 후보가 급격히 늘어납니다. 저자들은 식과 그 미분으로 맺어진 관계를 다루는 미분대수의 Rosenfeld–Gröbner 알고리즘으로 발견한 법칙을 단순화합니다. 이어 통제변수 분석에서 물체나 실험 매개변수를 바꾸어 보고, 관계가 무엇에 의존하는지 수치적으로 식별한 뒤 그 의존성을 분류에 사용합니다. 원문 3쪽

추출·갱신. 한 실험에서 일정하게 유지되는 양을 찾으면 더 넓은 곳에서 활용할 수 있는 개념 후보로 추출합니다. 직접 탐색으로 얻은 특정 법칙이 다른 여러 실험에서도 성립하면 일반 법칙으로 제안합니다. 이렇게 지식 베이스를 갱신하고 다음 시행으로 돌아갑니다. 따라서 일반화의 근거는 한 실험에서 얻은 보존 관계와 다른 실험에서 확인한 관계의 성립 여부에 걸쳐 있습니다. 원문 3쪽

📖 Chapter 4: Rediscovering Laws of Newtonian Mechanics

저자들은 공(작은 공과 천체), 용수철, 경사면으로 구성한 46개 실험을 사용합니다. 본문은 ① 공과 용수철 각각의 자유 운동 ② 공끼리의 탄성 충돌 ③ 병진·회전 진동과 진자형 운동을 보이는 결합 계 ④ 포물체와 경사면 운동, 중력을 받는 용수철·공 계 ⑤ 천체 간 중력 상호작용 순으로 실험군을 소개합니다. 물체 수와 공간 차원을 바꾸면서 자유도를 늘렸고, 경사면에 연결된 공 두 개·용수철 두 개의 결합 진동이나 공 네 개·용수철 네 개의 회전 계도 포함했습니다. 모의 궤적은 미분방정식으로 계산한 뒤 가우스 분포 오차를 더했습니다. 원문 3–4쪽

공·용수철·경사면을 조합한 역학 실험의 도식과 에너지 보존 및 뉴턴 제2법칙의 일반식을 함께 제시한 그림

Figure 2. 왼쪽은 물체 종류, 가운데는 자유 운동부터 만유인력 계까지의 실험 예시, 오른쪽은 두 일반 법칙입니다. 복잡한 실험 일부는 그림에서 생략되었습니다. Fang 외, arXiv v2 PDF 4쪽의 그림 영역을 그대로 크롭했습니다. 원본 그림 · CC BY 4.0

Figure 2의 에너지 보존식은 좌표 방향 $\kappa\in\{x,y,z\}$의 운동 항 $T_\kappa$과 퍼텐셜 항 $V_\lambda$의 합이 일정하다는 형태입니다. $\lambda\in\{k,g,G\}$는 탄성, 지표면 근처 중력, 만유인력을 가리킵니다. 실험에 법칙을 구체화할 때 결정하는 스위치 $\delta_\lambda\in\{0,1\}$가 해당 퍼텐셜의 포함 여부를 표시합니다. 아래 두 식은 Figure 2의 정규화를 따릅니다. 예를 들어 그 그림의 운동 항은 $T_\kappa=\sum_i m_i v_{i,\kappa}^{2}$이며, 통상적인 운동에너지 성분의 두 배입니다. 둘째 식에서 $a_\kappa$는 공의 해당 방향 가속도, $m$은 그 공의 질량이고, $\partial V_\lambda/\partial\kappa$는 해당 좌표 방향의 퍼텐셜 미분입니다. 원문 Figure 2

$$ \begin{aligned} &\sum_{\kappa\in\{x,y,z\}} T_\kappa + \sum_{\lambda\in\{k,g,G\}}\delta_\lambda V_\lambda=\mathrm{const.}\\ &2a_\kappa + \sum_{\lambda\in\{k,g,G\}}\delta_\lambda\! \left(\frac{1}{m}\frac{\partial V_\lambda}{\partial\kappa}\right)=0, \qquad \kappa\in\{x,y,z\}. \end{aligned} $$

발견 과정을 보면 자유낙하나 포물체 운동의 수직 가속도가 일정하다는 관계에서 중력가속도 $g$가 등장합니다. 탄성 충돌에서 운동에너지 $T$의 보존을 일반 법칙으로 제안한 뒤, 다른 실험에서 그 법칙이 맞도록 탄성 퍼텐셜 $V_k$, 지표면 근처 중력 퍼텐셜 $V_g$, 만유인력 퍼텐셜 $V_G$를 차례로 도입합니다. 뉴턴의 제2법칙도 단순한 실험에서 시작해 유사한 방식으로 적용 범위를 넓힙니다. 원문 4쪽

10회 테스트에서 질량·속도·용수철 상수부터 중력과 만유인력 개념까지의 평균 발견 시행 번호와 표준편차

Figure 3. 점은 10회 테스트의 평균 발견 시행 번호, 가로 막대는 표준편차입니다. 배경의 로마 숫자는 시대 제어의 시대를 표시합니다. Fang 외, arXiv v2 PDF 4쪽의 그림 영역을 그대로 크롭했습니다. 원본 그림 · CC BY 4.0

마지막 사례는 서로 다른 측정 정의의 연결입니다. 저자들은 중력 아래 매단 용수철의 정적 늘어남으로 중력 질량 $m_g$을, 수평 용수철–공 계의 진동에서 관성 질량 $m_i$를 독립적으로 얻었다고 보고합니다. 시스템은 두 정의에서 구한 값의 수치적 동등성을 확인했습니다. 저자들이 약한 등가 원리를 언급하는 근거는 바로 이 모의 실험 안의 동등성입니다. 앞서 본 식 (2)가 단일 측정 절차를 저장하는 방법을 보여줬다면, 이 사례는 그렇게 저장한 두 개념 사이의 관계도 발견할 수 있음을 보여줍니다. 원문 4–5쪽

📖 Chapter 5: Summary

저자들은 발견한 법칙에서 개념을 추출하는 것과, 이미 확보한 일반 법칙에 항을 더해 설명 범위를 넓히는 것을 핵심 기여로 정리합니다. 첫 절에서 제시한 과제는 개별 실험에 맞는 식들을 공통 법칙으로 묶는 것이었습니다. 요약에서 제시하는 답은 사람이 읽을 수 있고 다음 탐색에서도 사용할 수 있는 개념을 중간에 남기는 것입니다. 개념을 사용하면 식이 짧아지고, 짧아진 식은 다음 일반화에서 수정할 출발점이 됩니다. 원문 5쪽

저자들은 알려진 법칙을 재발견하는 이번 평가에서 해당 법칙을 이미 학습했을 수 있는 대규모 언어 모델을 직접 사용하는 것은 평가 목적에 맞지 않는다고 설명합니다. 미개척 영역에 적용할 때에는 DSL, 추천 엔진, 개연적 추론을 LLM으로 보강하거나 대체해 기존 지식을 활용하는 방향을 제안합니다. 논문의 마지막에는 감사의 글과 참고문헌이 이어집니다. 원문 5–6쪽

실험 결과 심층 분석

보고 항목	원문 수치와 해석
데이터 범위	미리 정의한 역학 실험 46개입니다. 모의 데이터에는 가우스 분포 오차를 추가했고, 탄성력·지표면 근처 중력·만유인력 세 범주를 다룹니다.
실행 조건	Intel Xeon Platinum 8370C와 NVIDIA A40이 장착된 환경에서 64코어로 병렬 처리했습니다. 저자들이 제시한 최대 시행 수는 1,200회, 평균 실행시간은 48시간입니다.
산출물	테스트 사례 평균 약 90개 물리 개념과 50개 일반 법칙입니다. 발견한 항목 수이므로 정확도나 다른 방법 대비 향상률과는 구분해 읽어야 합니다.
발견 시점	Figure 3은 10회 테스트의 평균 시행 번호와 표준편차를 표시합니다. 가로축은 46개 실험의 번호가 아니라 지금까지 시도한 분석의 횟수입니다.

Figure 3에서 질량 $m$, 속도 $v$, 용수철 상수 $k$는 평균적으로 초기에 나타납니다. 운동에너지 $T$와 여러 퍼텐셜 항은 뒤에, 만유인력 상수·퍼텐셜 $G,V_G$와 만유인력 $F_G$는 더 늦게 등장합니다. 막대가 겹치는 개념도 있으므로 평균의 순서는 전반적 경향을 보여줍니다. 막대는 실행 간 산포를 표시하며 추정 평균의 신뢰구간과는 구분됩니다. arXiv v2는 이 그림에 대한 별도 유의성 검정이나 동일 설정의 외부 비교군 성능을 보고하지 않습니다. 정식 출판본은 대표 실험에서 PySR, Operon, SINDy 계열과의 비교를 추가로 설명합니다. 그 비교는 Figure 3의 발견 시점 분석과 별개입니다. arXiv v2 3–4쪽 및 Figure 3 · 정식 출판본 §IV

기술적 함의와 응용

이 논문에서 가장 옮겨 볼 만한 설계는 개념에 이름, 적용 대상, 계산이나 측정 절차를 함께 담는 것입니다. 새 실험에 정의를 적용하려면 이전 실험에서 쓴 식을 복사하는 데 그치지 않고, 어느 물체를 어디에 대입하고 어떤 관측으로 값을 얻는지 알아야 합니다. 식 (2)의 측정 DSL과 식 (3)에서 식 (4)로의 구체화는 이 두 종류의 재사용을 각각 보여줍니다. 원문 2–3쪽

실험 결과의 해석에서는 무엇을 고정했고 무엇을 바꾸었는지 살피는 것이 중요합니다. 여기서는 주어진 물체 유형, 시공간 좌표, 제어 가능한 실험과 표현 규칙 아래에서 법칙을 찾아냈습니다. 그 범위에서 같은 에너지 보존 구조를 유지하면서 실험에 맞는 퍼텐셜 항을 추가하거나, 서로 다른 질량 측정에서 얻은 값을 연결했다는 점이 성과입니다. 이 결과를 토대로 저자들이 명시한 후속 방향은 미개척 연구 문제에서 기존 지식을 활용하도록 발견 절차의 구성 요소를 LLM과 결합하는 것입니다. 원문 3–5쪽