AI 기반 발견을 활용한 이론 물리학의 난제 해결

Solving an Open Problem in Theoretical Physics using AI-Assisted Discovery

본 논문은 인공지능이 수학적 발견을 가속화할 수 있음을 입증하며, 이론 물리학의 난제를 자율적으로 해결하는 과정을 보여줍니다. 본 연구에서는 Gemini Deep Think 대규모 언어 모델과 체계적인 트리 검색(TS) 프레임워크, 그리고 자동화된 수치 피드백을 결합한 신경-기호 시스템을 사용하여, 우주 문자열에서 방출되는 중력파의 파워 스펙트럼에 대한 새로운, 정확한 해석적 해를 도출했습니다. 특히, 본 에이전트는 임의의 루프 기하학에 대한 핵심 적분 $I(N,α)$을 평가하여, 최근 AI 기반 시도 ef{BCE+25}가 부분적인 점근 해만 제공했던 것에 비해 상당한 발전을 이루었습니다. 본 연구는 AI 기반 가속화된 발견에 대한 방법론적 주장을 뒷받침하고 투명성을 확보하기 위해, 모델을 안내하는 시스템 프롬프트, 검색 제약 조건 및 간헐적인 피드백 루프를 상세히 설명합니다. 에이전트는 6가지 다양한 해석적 방법을 식별했으며, 그 중 가장 우아한 방법은 커널을 Gegenbauer 다항식 $C_l^{(3/2)}$로 확장하여 적분의 특이점을 자연스럽게 흡수하는 방식입니다. 이러한 방법들은 큰 $N$에서의 $I(N,α)$에 대한 점근적 결과를 제공하며, 이는 수치 결과와 일치하며 양자장론의 연속적인 Feynman 매개변수화와 연결됩니다. 본 연구에서는 이러한 발견을 가능하게 한 알고리즘 방법론과 그 결과로 얻어진 수학적 유도 과정을 자세히 설명합니다.

This paper demonstrates that artificial intelligence can accelerate mathematical discovery by autonomously solving an open problem in theoretical physics. We present a neuro-symbolic system, combining the Gemini Deep Think large language model with a systematic Tree Search (TS) framework and automated numerical feedback, that successfully derived novel, exact analytical solutions for the power spectrum of gravitational radiation emitted by cosmic strings. Specifically, the agent evaluated the core integral $I(N,α)$ for arbitrary loop geometries, directly improving upon recent AI-assisted attempts \cite{BCE+25} that only yielded partial asymptotic solutions. To substantiate our methodological claims regarding AI-accelerated discovery and to ensure transparency, we detail system prompts, search constraints, and intermittent feedback loops that guided the model. The agent identified a suite of 6 different analytical methods, the most elegant of which expands the kernel in Gegenbauer polynomials $C_l^{(3/2)}$ to naturally absorb the integrand's singularities. The methods lead to an asymptotic result for $I(N,α)$ at large $N$ that both agrees with numerical results and also connects to the continuous Feynman parameterization of Quantum Field Theory. We detail both the algorithmic methodology that enabled this discovery and the resulting mathematical derivations.