PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.11280v2gr-qc

에이전트 AI를 통한 해석 가능한 서로게이트 발견: 중력파에의 적용

Discovery of Interpretable Surrogates via Agentic AI: Application to Gravitational Waves

비용이 큰 시뮬레이션을 위한 고속 서로게이트 모델은 이제 과학 전반에서 필수적이지만, 대개 블랙박스처럼 동작한다. 우리는 시뮬레이션 데이터로부터 직접 해석 가능한 해석적 서로게이트를 구축하는 대규모 언어 모델(LLM) 기반 워크플로인 \texttt{GWAgent}를 제안한다. 서로게이트 모델링은 각 반복마다 후보 모델을 ground-truth 시뮬레이션에 대해 정량적으로 검증할 수 있기 때문에 에이전트 워크플로에 잘 맞다. 시연으로, 우리는 이심 궤도 이중 블랙홀 병합의 중력파 파형에 대한 서로게이트를 구축한다. 에이전트에 물리 정보가 반영된 영역 ansatz를 제공하면 출력 모델 정확도가 크게 향상됨을 보인다. 결과적으로 얻은 해석적 서로게이트는 파형 평가에서 $\sim 8.4\times$ 속도 향상과 함께 Advanced LIGO mismatch의 중앙값 $6.9\times10^{-4}$를 달성하며, 기호 회귀(symbolic regression)와 기존 기계학습 베이스라인을 모두 능가한다. 정확한 모델을 만드는 것을 넘어, 이 워크플로는 학습된 표현으로부터 간결한 물리적 구조를 식별한다. 천체물리학적 응용으로, 우리는 \texttt{GWAgent}를 사용해 GW200129의 이심률을 분석하고 $e_{20\mathrm{Hz}}=0.099^{+0.063}_{-0.044}$를 추론한다. 이러한 결과는 검증 제약이 있는 에이전트 워크플로가 과학 시뮬레이션과 추론을 위한 정확하고 빠르며 해석 가능한 서로게이트를 만들 수 있음을 보여준다.

arXiv:2605.11269v2gr-qc

gwBenchmarks: 고정밀 중력파 천문학에서 LLM 에이전트 스트레스 테스트

gwBenchmarks: Stress-Testing LLM Agents on High-Precision Gravitational Wave Astronomy

현대 중력파 천문학은 값비싼 수치 일반 상대성이론 시뮬레이션으로부터 빠른 파형 서로게이트를 구축하고, 블랙홀의 궤도 역학을 모델링하며, 병합 잔여물 특성을 적합하고 템플릿 뱅크를 구성하는 등 종종 대학원 수준의 수개월 노력이 필요한 모델링 과제에 의존한다. 이러한 문제들은 탐지와 매개변수 추론을 뒷받침하기 위해 극도의 정밀도를 요구하며, 최신(state-of-the-art) 모델은 $\lesssim 10^{-4}$ 상대 오차를 달성한다. 우리는 최신 LLM 코딩 에이전트가 엄격한 정확도 기준을 만족하는 모델을 구성하고 물리 시스템에 대해 추론해야 성공하는, 이러한 종단(end-to-end) 과학 모델링을 수행할 수 있는지 연구한다. 우리는 중력파 해석 계산과 수치 시뮬레이션에 기반한 8개 과제로 구성된 gwBenchmarks를 도입하며, 이는 합쳐서 $10^8$ 코어-시간 이상의 연산을 대표한다. 과제들은 보간, 회귀, 고차원 시계열 모델링에 걸쳐 있으며, 수치 방법, 기계 학습, 물리 정보 기반 접근의 조합을 요구한다. 예비 실험에서 에이전트는 종종 프록시 지표, 부분 평가, 또는 조작된 결과에 의존하여 과제를 허위로 완료하는 경우가 잦았다. 따라서 우리는 에이전트 진행 상황을 측정하기 위한 외부 사전 정의 프레임워크를 구현한다. 12개 코딩 에이전트를 평가한 결과, 일관된 우승자는 없었다. 가장 쉬운 과제에서는 여러 에이전트가 동일한 3차 스플라인 해로 수렴했고, 한 에이전트는 문헌에서 널리 쓰이는 좌표 변환을 재발견했다. 해석 파형 모델링과 같은 더 어려운 과제에서는 모든 에이전트가 도메인 요구사항보다 1–2자릿수(order of magnitude) 부족했으며, 지표 오용, 제약 위반, 결과 조작을 포함한 체계적 실패를 보였다. 우리의 코드, 데이터, 웹사이트는 공개되어 있다.

arXiv:2607.03904v1cs.LG

물리 정보 기반 인코딩과 시뮬레이션 기반 추론을 갖춘 트랜스포머를 이용한 펄서 타이밍 배열 데이터에서의 이심 쌍성 블랙홀 강건 검출

Transformers with Physics-Informed Encodings and Simulation-Based Inference for Robust Detection of Eccentric Binary Black Holes in Pulsar Timing Array Data

펄서 타이밍 배열(PTA) 데이터에서 이심 쌍성 블랙홀의 천체물리학적 매개변수를 효율적으로 추론하기 위해, 중력파(GW) 위상 진화를 위치 인코딩에 직접 내재시킨 물리 정보 기반 트랜스포머(Transformer)와 정규화 흐름(normalizing flow) 기반 시뮬레이션-기반 추론(SBI) 프레임워크를 제안한다. 제안된 방법은 다양한 신호 대 잡음비 환경에서 물리 불가지론적 기준선 대비 향상된 정확도, 더 선명한 사후 분포, 빠른 추론을 달성하며 차세대 PTA 분석을 위한 확장 가능한 대안임을 보인다.