안내·정책
저장한 기사
블랙홀의 사건 지평선과 중력 렌즈 현상을 표현한 이미지
AI모델

클로드, 블랙홀 물리학 난제 2가지 해결... 양자중력 이론 연구 기여

앤스로픽의 AI 모델 클로드가 이론물리학의 미해결 난제 2가지를 해결했다. 20년 이상 풀리지 않았던 호킹-페이지 상전이 계산과 부트스트랩 기법의 정확한 한계를 도출했다.

www.anthropic.com0개 댓글0회 조회

30초 핵심 브리핑

  • 클로드는 20년 이상 미해결 상태였던 호킹-페이지 상전이 관련 계산을 완료하여 양자역학적 영역에서도 상전이가 급격하게 발생함을 증명했다.
  • 부트스트랩 기법을 활용해 2차원 공간의 단순화된 우주에서 가장 가벼운 블랙홀의 질량 상한선을 정확하게 계산해 냈다.
  • 이번 연구는 앤스로픽 연구원 홍빈 첸의 사이드 프로젝트로 시작되었으며, 에이전트 간 협업과 Lean 검증기 확인을 거쳤다.

원문 보기 · www.anthropic.com ↗출처 · Hacker News

Hacker News 점수
147 points
에이전트 실행 기간
약 6주
병렬 실패 횟수(이전)
61회

앤스로픽 연구원인 홍빈 첸이 진행한 사이드 프로젝트에서 클로드는 이론물리학의 미해결 난제 2가지를 해결했다. 첫 번째 문제는 20년 이상 풀리지 않았던 호킹-페이지 상전이 계산의 완성이다. 1983년 스티븐 호킹과 돈 페이지는 뜨거운 가스가 블랙홀로 변환되는 전환이 급격한 상전이라고 발표했으나, 시공간의 형태가 불분명해지는 미시적 영역에서는 중력 측면의 계산이 불가능했다. 클로드는 자기 자신을 복제하여 소규모 연구 그룹처럼 협업하는 백그라운드 에이전트 방식을 통해 이 계산을 독자적으로 수행하고 검증했다.

두 번째 문제는 2차원 공간의 단순화된 우주 모델에서 부트스트랩 기법을 활용해 가장 가벼운 블랙홀의 질량 상한선을 정확히 찾아낸 것이다. 2009년 이후 물리학자들이 수치 계산을 통해 상한선의 근사치를 추정해 왔으나 증명하지 못했다. 클로드 Fable 5.2는 수치 결과 속 패턴을 발견하고 수학 및 물리학의 다른 분야에서 차용한 방법론을 적용해 정확한 상한선을 계산하고 이를 낮출 수 없음을 증명했다. 이 연구 결과는 9월에 컴퓨터 기반 증명 체커인 Lean을 통해 형식적으로 검증되었다.

이번 연구 과정에서 클로드 에이전트들은 독립적으로 작업을 수행하며 서로의 진행 상황을 공유했다. 한 에이전트가 고차원 구체 패킹 문제에 관해 오픈아이엠 모델이 최근 증명한 방식에서 영감을 얻어 방법론을 도출했고, 이를 부트스트랩 문제에 적용했다. 두 문제 모두 우리 우주를 직접 설명하거나 즉각적인 실무 적용성을 갖는 것은 아니지만, 일반상대성이론과 양자역학을 통합하려는 오랜 이론적 노력을 진전시켰다는 평가를 받는다.

주요 내용 비교

항목내용
해결된 난제 1호킹-페이지 상전이 계산 완성 (시공간 형태가 불분명한 영역에서의 상전이 규명)
해결된 난제 22차원 공간 이론 우주에서의 부트스트랩 기법 한계(질량 상한선) 정확한 계산
연구 방식멀티 에이전트 협업 (독립적 백그라운드 에이전트들이 결과를 공유하고 교차 검증)
검증 도구컴퓨터 기반 증명 체커 Lean (9월 정식 검증 완료)

언급된 AI 툴

제휴 링크 포함
Claude부분유료

긴 컨텍스트 문서 분석·코딩 에이전트 특화 AI

공식 사이트 ↗

자주 묻는 질문

클로드가 해결한 물리학 난제는 무엇인가요?

클로드는 20년 이상 미해결 상태였던 호킹-페이지 상전이 계산을 완료하여 미시적 영역에서도 블랙홀 형성 전환이 급격하게 일어남을 보였다. 또한 부트스트랩 기법을 이용해 단순화된 우주 모델에서 블랙홀 질량의 정확한 상한선을 도출했다.

이 연구는 어떤 방식으로 수행되었나요?

앤스로픽 연구원의 사이드 프로젝트로 시작되어, 클로드의 여러 복제본이 백그라운드 에이전트로 구동되며 서로의 진척도를 읽고 협업하는 방식으로 약 6주 동안 진행되었다. 결과물은 Lean 증명 체커를 통해 검증되었다.

댓글

0개

아직 공개된 댓글이 없습니다. 첫 의견을 남겨 주세요.

이 기사가 유용했나요? (선택)

댓글은 이메일을 공개하지 않으며 검토 후 게시됩니다.

AI 에이전트의 규칙 준수 여부를 점검하는 디지털 평가 과정을 표현한 이미지
AI모델

실무 환경 속 지속성 있는 AI 에이전트의 규칙 위반 측정 벤치마크 Unfinished-Bench 공개

Hugging Face Papers에서 공개한 Unfinished-Bench는 사용자 감독 없이 장시간 실행되는 지속형 AI 에이전트의 현실적인 규칙 위반 위험을 측정하는 벤치마크입니다. 7개 조직과 7개 위험 카테고리 내 97개 시나리오를 통해 에이전트의 지속성이 규칙 위반에 미치는 영향을 분석합니다.

인공초지능과 재귀적 자기 개선의 한계를 다룬 컴퓨터 과학적 분석 일러스트
AI모델

인공초지능(ASI) 도래 주장의 3가지 기술적 허점과 실무적 위험

최근 앤스로픽과 OpenAI 등 주요 AI 기업들이 재귀적 자기 개선(RSI)을 통한 초지능 도달 가능성을 경고하고 있으나, 컴퓨터 과학 관점에서는 계산 가능성 한계와 데이터 병목 등으로 인해 실현 가능성이 희박하다는 지적이 제기되었습니다. 그러나 지능 폭발이 오지 않더라도 자율 실행 시스템의 오남용으로 인한 실무적 위협은 여전히 유효합니다.