알파고 이후, AI로 물리학 공식을 다시 쓰다

<인간이 만든 공식 위에, AI가 쌓는 새로운 식들>

---

2016년, 알파고는 이세돌을 이기고 바둑의 문법을 다시 썼습니다. 당시 많은 사람들이 받았던 충격은 단순했습니다.

“인간이 수십 년 동안 다듬어 온 정석이,
그냥 하나의 ‘옵션’에 불과했다는 건가?”

알파고는 인간이 만든 규칙 안에서, 인간이 상상하지 못한 수들을 찾아냈습니다. 본질은 “게임을 잘한다”가 아니라 “검색할 수 없다고 믿던 상태공간을 실제로 탐색해버렸다”는 데 있었습니다. 그 이후 질문이 바뀌었습니다. 바둑 말고, 물리학도 그렇게 할 수 있을까? 인간이 세운 방정식, 설계 공식, 시뮬레이션 규칙들을 AI가 다시 탐색하고, 다른 해법을 찾아낼 수 있을까?

이 질문에 정면으로 달려든 팀 중 하나가, 오늘 이야기할 PhysicsX입니다.

---

<“공식은 맞는데, 공장이 망한다”>

---

실제 엔지니어링 현장에서 물리학 공식은 항상 이렇게 쓰입니다. 유체역학 방정식으로 날개를 설계하고 구조해석으로 차체를 설계하며 전자기 방정식으로 모터를 설계합니다.

공식은 맞습니다. 문제는, 맞는 공식을 써도 공장이 망할 수 있다는 데 있습니다. 시뮬레이션은 너무 느리고 설계 반복은 끝이 없고 하드웨어 테스트는 비싸고 위험하며 결국 “안전한 선택”만 반복하게 됩니다. 그 결과, 기업은 이렇게 말합니다.

“이 공식을 더 정확히 푸는 게 중요한 게 아니라,
이 게임의 룰 자체를 바꿔야 하는 것 아닐까?”

PhysicsX는 바로 그 지점에서 출발합니다. 공식 자체를 부정하는 것이 아니라, 공식이 쓰이는 방식을 재설계하는 팀입니다.

---

<PhysicsX, 물리학을 ‘모델’이 아니라 ‘플랫폼’으로 바꾸다>

---

영국 런던에 본사를 둔 PhysicsX는, 전 F1 엔지니어들이 나와 만든 AI 스타트업입니다. 그들이 하는 일은 단순합니다.

“복잡한 물리 시스템을, AI가 바로 계산 가능한 형태로 바꾸자.”

전통적인 CAE(Computer-Aided Engineering)는 방정식을 정교하게 풀다가 시간이 끝납니다. PhysicsX는 그 반대입니다. 먼저, 방정식 기반 고정관념을 버립니다. 반드시 모든 것을 직접 해석할 필요는 없다고 봅니다. 대신, 대형 물리 모델(Large Physics Models)을 학습시킵니다.

실제 시뮬레이션, 실험, 센서 데이터를 모두 집어넣고 AI가 “물리 시스템의 응답 패턴” 자체를 학습하게 만듭니다. 그 위에서 수백만 개의 설계를 탐색합니다. 전통적 해석이라면 며칠 걸릴 일을, AI가 “거의 실시간에 가까운” 속도로 검증합니다.