숫자만 넣으면 물리 법칙 수식을 몇 초 만에 찾아내는 도구 등장

요약 데이터 수치만 입력하면 그 안에 숨겨진 물리 법칙이나 수학 공식을 단 몇 초 만에 찾아내는 오픈소스 도구 '케플러른(Keplearn)'이 공개되어 개발자와 공학 연구자들 사이에서 주목받고 있습니다. 이 도구는 과거 티코 브라헤의 방대한 천문 관측 데이터를 분석해 행성 운동 법칙을 발견했던 요하네스 케플러의 이름에서 따온 것으로, 측정값 데이터 테이블로부터 변수 간의 깔끔한 닫힌 형태(closed-form) 방정식을 역추적해 복원해 냅니다. Rust 언어로 작성된 케플러른은 단일 실행 바이너리로 배포되며 외부 의존성이 전혀 없습니다. 입력 방식 역시 직관적이어서 표준 입력(stdin)으로 CSV나 TSV 형태의 데이터를 파이프라인으로 넘겨주고 예측할 타깃 컬럼만 지정하면, 가장 유력한 후보 공식을 즉시 JSON 형태로 출력합니다. 일반적인 물리 법칙 데이터의 경우 수 밀리초에서 수 초 내에 정확한 공식을 찾아내며, 같은 데이터를 넣으면 항상 바이트 단위까지 일치하는 동일한 결과를 내놓는 결정론적(deterministic) 방식으로 동작합니다. 알고리즘 내부적으로는 최우선 재귀 축소(best-first recursive reduction) 방식을 채택했습니다. 타깃 데이터에 분할 인수를 나누거나 로그, 제곱근, 아크사인 등의 역변환을 적용하고 아핀 노드를 피팅하는 과정을 반복 탐색합니다. 특히 수식에 포함된 상수들을 주변의 유리수나 파이(π), 자연상수 e, 루트 2(√2) 등의 수학적 상수로 스냅(snap) 처리한 뒤 검증을 거치는 기능이 포함되어 있어 읽기 쉬운 정돈된 공식을 도출합니다. 기호 회귀(Symbolic Regression) 표준 벤치마크인 SRBench 테스트 결과에 따르면, 노이즈가 없는 파인만(Feynman) 데이터셋 116개 중 64.7%의 물리 법칙을 정확히 복원해 냈습니다. 이는 기존 최고 기록이었던 AI파인만(AI Feynman)의 55.8%를 크게 앞지르는 수치이며, 연산 자원 역시 훨씬 적게 소모합니다. 다만 닫힌 공식이 존재하지 않는 138개의 블랙박스 데이터셋에서는 R2 값이 0에 가까워, 일반적인 머신러닝 곡선 피팅보다는 숨겨진 엄밀한 해석적 법칙을 찾는 용도에 특화되어 있다는 점이 명확히 드러났습니다.