Google의 Gemini 4 Argon은 연구자들이 실험용 핵융합로 내부의 자기장을 설명하는 정확한 수학적 솔루션을 확장하는 데 도움을 주었습니다. 이는 올해 초 59년 동안 지속된 추측과 모순되는 결과를 바탕으로 한 작업입니다. TechRadar는 월요일에 연구원들이 arXiv를 통해 발표한 논문을 추적하여 개발 내용을 보고했습니다.

이번 성과는 핵융합 장치에서 자기장이 과열 플라즈마를 포함하는 방식을 모델링하는 데 사용되는 수학에 관한 것입니다. 이는 전기를 생산하거나 상업용 핵융합을 더 가까이 이동시키는 획기적인 것은 아니지만 1967년 이후 플라즈마 물리학자들에게 부족했던 것을 제공합니다. 즉, 시뮬레이션 코드를 테스트할 수 있는 더 광범위한 정확한 솔루션 제품군을 제공합니다. 이 이야기에 대한 자세한 내용은 인공지능 뉴스를 참조하세요.

1967년부터 지속된 추측

1967년에 물리학자 Harold Grad는 3차원 자기장의 평형을 지배하는 수학적 조건, 즉 자기 구속 융합과 관련된 설정에 대한 추측을 제안했습니다.

이 추측은 연구자들이 수십 년 동안 플라즈마 구성에 대해 생각하는 방식을 형성했습니다. 자기 가두기 융합은 강력한 장을 사용하여 극도로 뜨겁고 전기적으로 충전된 가스를 가두어 원자핵이 결합하여 에너지를 방출하기 전에 가스가 빠져나가는 것을 방지합니다. 과학자들은 시뮬레이션을 통해 플라즈마 거동과 구속을 유지할 수 있는 설계 구성을 이해하는 데 도움이 되기 때문에 해당 분야에 대한 정확한 수학적 모델이 필요합니다.

정확한 솔루션이 중요한 이유는 실용적인 이유입니다. 자기 구속에 대한 컴퓨터 시뮬레이션은 근사치이며, 이러한 근사치가 신뢰할 수 있는지 여부를 알기 위해 물리학자들은 속성이 알려진 정확한 수학적 사례가 필요합니다. 즉, 근사치에 전적으로 의존하기보다는 자기 구속을 모델링하는 소프트웨어를 테스트하기 위한 참조 사례입니다. 59년 동안 사용 가능한 솔루션 제품군은 Grad의 추측으로 인해 제약을 받았습니다.

2026년 9월 메릴랜드 대학교 연구원 Matt Landreman이 추측과 모순되는 정확한 솔루션을 발표하면서 상황이 바뀌었습니다. TechRadar에 따르면, 이전 작업은 OpenAI의 GPT-6 Astra Pro의 지원을 받아 제작되었습니다. 이는 플라즈마 물리학의 오랜 주장을 뒤집는 결과에 기여한 최초의 최첨단 AI 모델 사례 중 하나입니다.

Gemini 4 Argon으로 솔루션 제품군 확장

Landreman의 솔루션에는 한계가 있었습니다. 기존 패밀리와 새 패밀리 모두 특정한 기하학적 대칭을 공유했기 때문에 연구자들은 그것이 부족한 구성에 대한 정확한 예를 찾을 수 없었습니다.

Opal Issan, Jonathan Citrin, Matt Landreman 및 Brendan Tracey의 후속 연구에서는 이러한 제한을 제거하기 시작했습니다. 연구원들은 여러 AI 에이전트가 Landreman의 초기 결과를 탐색하고 이를 확장하는 방법을 조사한 Google의 Antigravity 환경을 통해 Gemini 4 Argon을 사용했습니다.

보고서에 따르면 에이전트는 대칭을 깨뜨리는 매개변수를 도입하여 Landreman 솔루션에서 대칭 제한을 제거하는 방법을 찾았고, 연구자가 확인할 수 있는 새로운 자기 구성을 생성했습니다. 에이전트가 조사를 시작한 지 몇 시간 만에 유망한 수학적 후보가 나타났습니다. 이는 일반적으로 몇 주 동안 수작업으로 계산해야 하는 검색 프로세스를 극적으로 단축한 것입니다.

AI의 역할은 과학을 대체하는 것이 아니라 검색을 단축하는 것이었습니다. 연구자들은 여전히 ​​도출된 내용을 확인하고, 제안된 솔루션이 수학적으로 일관성이 있는지 확인하고, 계산 검증을 실행해야 했습니다. AI 지원은 연구 원고의 일부를 준비하는 데에도 사용되었으며 저자는 출판된 작업에 대한 책임을 집니다.

새로운 솔루션의 장점

결과 구성은 연구자에게 복잡한 3차원 배열에서 자기 평형을 계산하는 컴퓨터 프로그램을 확인하기 위한 추가 참조 사례를 제공합니다. 이러한 코드는 자기 감금 커뮤니티 전체(스텔라레이터 및 토카막 연구 모두)에서 사용되며, 해당 코드의 검증은 이 작업 라인에서 생성되는 정확한 솔루션의 종류에 따라 달라집니다.

TechRadar는 범위에 대해 명시적으로 설명했습니다. 즉각적인 성과는 AI가 핵융합을 해결했거나 공학적 장애물을 제거했다는 증거가 아니라 자기 감금을 연구하는 연구자를 위한 보다 광범위한 정확한 수학적 솔루션 세트입니다. 현장 방정식을 푸는 것과 발전소를 건설하는 것 사이의 격차는 여전히 여전히 넓습니다.

패턴이 형성되고 있습니다

이 작업은 최첨단 AI 모델이 심각한 수학에 기여하고 경쟁 연구소의 모델이 동일한 문제의 다른 측면에 나타나는 빠르게 증가하는 결과에 적합합니다. OpenAI의 모델은 Grad의 추측과 모순되는 원래의 반례를 생성하는 데 도움이 되었습니다. Google의 모델은 이러한 결과를 새로운 영역으로 확장하는 데 도움이 되었습니다.

이는 또한 Google의 의도적인 디자인 선택을 반영합니다. 이달 초 출시된 Gemini 4 Argon은 어려운 과학적 문제에 대한 확장된 추론을 위해 구축된 모델로 회사에서 포지셔닝했으며 Google은 이를 여러 에이전트가 동시에 문제를 해결할 수 있는 Antigravity 에이전트 환경과 결합했습니다. 융합 논문은 현직 물리학자들이 실제로 사용하는 피치에 대한 초기의 구체적인 시연입니다.

플라즈마 물리학 커뮤니티의 경우 시뮬레이션 소프트웨어를 검증하기 위한 보다 정확한 사례라는 실질적인 보상이 즉시 제공됩니다. AI 산업의 경우 이는 개척 모델이 과학적 발견의 진정한 도구가 되는지 여부에 대한 논쟁의 또 다른 데이터 포인트입니다. 이 질문은 한 번에 하나의 추측으로 점점 더 답을 얻게 됩니다.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →