ResonatorLM은 트랜스포머의 셀프 어텐션을 물리학에서 착안한 감쇠 공명자(damped resonator) 기반의 인과적 공명 필드 믹싱으로 대체하는 새로운 언어 모델 아키텍처로, 학습 및 프리필 시에는 O(n log n) FFT 합성곱을, 자기회귀 디코딩 시에는 고정 크기 순환 상태를 사용한다. 6M 파라미터 설정에서 32K 토큰 기준 디코딩 속도 6.47배 향상을 달성하면서 WikiText에서 정확도도 55.32%에서 61.31%로 향상되었다.
우리는 인간의 수학적 추론이 순수 연역의 결정 불가능성(undecidability)과 계산적 난해성(computational intractability)에 의해 제약받기 때문에, 순수 연역 외부 영역에서의 패턴 매칭에 근본적으로 의존한다는 가설을 제시한다. 이러한 패턴의 가장 풍부한 저장소는 자연 세계로, 그 물리 법칙과 생물학적 시스템은 수십억 년에 걸친 '사전 계산(pre-computation)'을 거쳐 이미 놀랍도록 혁신적인 해법을 내재하고 있다. 이 주장을 뒷받침하기 위해 우리는 진동하는 현(vibrating string) 논쟁에서 열 방정식(heat equation)과 그 이후 수학에서 널리 쓰이는 형식 체계에 이르기까지, 푸리에 변환(Fourier transform)과 관련 수학의 역사를 추적한다. 각각의 결정적 전환점에서 물리학 문제는 순수 형식 추론이 예측하지 못했거나 오히려 인간 추론이 저항했던 수학적 도구의 수용 또는 창조를 강제했다. 나아가 NP-난해 명제 충족 가능성 문제(NP-hard propositional satisfiability)부터 단항 이차 이론(monadic second-order theories)의 비초등(non-elementary) 결정 절차에 이르는 논리적 복잡도의 전체 지형을 개관함으로써, 논리가 결정 가능한 경우에도 최악의 경우 연역에 필요한 자원이 천문학적으로 많음을 보인다. 우리는 이러한 장벽들이 물리학에서 영감을 받은 패턴 매칭을 단순한 역사적 우연이 아닌 인지적 필연으로 만든다고 주장한다. 마지막으로 인공지능에 대한 함의를 도출한다. 순수 추론이 본질적으로 불충분하다면, 인간 수준의 수학적 창의성을 목표로 하는 어떤 시스템도 연역에만 의존하기보다 방대한 교차 영역(cross-domain) 패턴을 내재해야 한다. 이는 현대 대규모 언어 모델(LLM)의 거대한 규모에 대한 원리적 정당화를 제공한다.