[논문 리뷰] From Kepler to Newton: Explainable AI for Science

Zelong Li, Jianchao Ji외 1명|arXiv (Cornell University)|2021. 11. 24.

Explainable Artificial Intelligence (XAI)참고 문헌 38인용 수 8

한 줄 요약

이 논문은 신호 회귀와 블랙박스 모델을 사용하여 가설 생성과 해석을 자동화하는 설명 가능한 인공지능(XAI) 기반의 과학적 발견 프레임워크를 제안한다. 티코 브라헤의 관측 데이터로부터 케플러의 법칙과 뉴턴의 만유인력 법칙을 재발견하는 방식으로, XAI가 해석 가능하고 인간이 이끄는 과학적 통찰을 가능하게 하며 발견의 배경에 있는 '왜'를 유지함을 보여준다.

ABSTRACT

The Observation--Hypothesis--Prediction--Experimentation loop paradigm for scientific research has been practiced by researchers for years towards scientific discoveries. However, with data explosion in both mega-scale and milli-scale scientific research, it has been sometimes very difficult to manually analyze the data and propose new hypotheses to drive the cycle for scientific discovery. In this paper, we discuss the role of Explainable AI in scientific discovery process by demonstrating an Explainable AI-based paradigm for science discovery. The key is to use Explainable AI to help derive data or model interpretations, hypotheses, as well as scientific discoveries or insights. We show how computational and data-intensive methodology -- together with experimental and theoretical methodology -- can be seamlessly integrated for scientific research. To demonstrate the AI-based science discovery process, and to pay our respect to some of the greatest minds in human history, we show how Kepler's laws of planetary motion and Newton's law of universal gravitation can be rediscovered by (Explainable) AI based on Tycho Brahe's astronomical observation data, whose works were leading the scientific revolution in the 16-17th century. This work also highlights the important role of Explainable AI (as compared to Blackbox AI) in science discovery to help humans prevent or better prepare for the possible technological singularity that may happen in the future, since science is not only about the know how, but also the know why. Presentation of the work is available at https://slideslive.com/38986142/from-kepler-to-newton-explainable-ai-for-science-discovery.

연구 동기 및 목표

• 데이터 집약적 연구에서 막대한 과학적 데이터셋으로부터 수작업으로 가설을 도출하는 데 도전하는 데에 대비하기 위해.
• 설명 가능한 인공지능을 과학적 발견 순환(관찰-가설-예측-실험)에 통합하여 가설 생성을 자동화하고 해석 가능하게 하기 위해.
• XAI가 제한된 관측 데이터에서 복합적인 천체 운동 및 만유인력 법칙을 재발견할 수 있음을 보여주어 역사적 과학적 돌파구를 모방하기 위해.
• 인간의 직관과 개념적 혁신이 AI가 도출한 규칙을 해석하고 과도한 일반화를 방지하는 데 있어 대체할 수 없는 역할을 강조하기 위해.
• 대규모 실험 데이터를 활용하여 암흑물질과 입자물리학과 같은 현대 과학 문제에 XAI를 적용할 기반을 마련하기 위해.

제안 방법

• 노이즈가 많거나 희박한 관측 데이터를 다루기 위해 블랙박스 딥 네트워크를 사용하여 데이터 예측 및 증강을 수행한다.
• 심볼릭 회귀(백색 상자이자 해석 가능한 모델)를 적용하여 데이터 패턴에서 명시적이고 인간이 읽을 수 있는 수식을 추출한다.
• 도메인 지식을 심볼릭 회귀에 통합하여 물리적으로 의미 있는 관계(예: 힘, 각속도, 궤도 반경) 탐색을 안내한다.
• 발견된 심볼릭 규칙을 사용하여 마르스 전용 데이터에서 케플러의 법칙과 뉴턴의 만유인력 법칙을 유도하고 검증한다.
• 과도한 일반화를 방지하고 개념적 일관성을 확보하기 위해 인간이 참여하는 해석 과정을 적용한다(예: 마르스 전용 규칙과 일반 법칙을 구분하는 것).
• 케플러와 현대 물리학에서 알려진 값과 비교하여 유도된 상수(예: $ c = 7.56086 \times 10^{-6} \, \text{AU}^3\text{day}^{-2} $)를 검증한다.

실험 결과

연구 질문

• RQ1 설명 가능한 인공지능을 사용하여 심볼릭 회귀를 통해 단일 행 星의 관측 데이터에서 케플러의 천체 운동 법칙을 재발견할 수 있는가?
• RQ2 XAI에서 유도된 심볼릭 수식은 최소한의 인간 간섭으로도 물리 법칙(예: 뉴턴의 만유인력 법칙)으로 해석될 수 있는가?
• RQ3 심볼릭 회귀와 블랙박스 모델을 공동으로 사용하여 과학적 발견에서 예측 정확도와 해석 가능성의 균형을 어떻게 유지할 수 있는가?
• RQ4 인간 전문가가 AI가 도출한 규칙의 검증, 해석, 과도한 일반화 방지에 어떤 역할을 하는가?
• RQ5 이 XAI 기반 프레임워크는 대규모 실험 데이터를 활용하여 암흑물질이나 입자물리학과 같은 현대 과학 문제에 확장 가능한가?

주요 결과

• 심볼릭 회귀 모델은 마르스 궤도 데이터에서 $ r^3 \omega^2 = c $ 라는 규칙을 성공적으로 도출하였으며, $ c = 7.56086 \times 10^{-6} \, \text{AU}^3\text{day}^{-2} $ 로, 케플러가 발표한 값과 0.82% 이내로 일치한다.
• $ \bar{\omega} = \frac{2\pi}{T} $ 를 사용해 변환하면 유도된 규칙는 $ \frac{\bar{r}^3}{T^2} = 7.56086 \times 10^{-6} \, \text{AU}^3\text{day}^{-2} $ 가 되며, 현대 값 $ 7.495 \times 10^{-6} \, \text{AU}^3\text{day}^{-2} $ 와 매우 유사하다(오차: 0.88%).
• 모델은 마르스의 궤도 반경과 각속도 사이에 일관된 관계를 발견하여 케플러의 제3법칙으로 이르는 길을 제시하지만, 아직 일반화된 법칙은 아니다.
• 연구는 AI가 과학 법칙과 유사한 가설을 생성할 수 있음을 보여주지만, 인간의 안내 없이 물리적 의미를 부여하고 잘못된 일반화를 피하는 것은 불가능하다는 점을 입증한다.
• 인간의 직관은 미세 척도 패턴(예: $ r^3 \omega^2 = c $)을 거시 척도 법칙(예: $ \frac{\bar{r}^3}{T^2} = c' $)으로 연결하는 데 필수적이며, 이는 현재의 AI가 아직 습득하지 못한 능력이다.
• 이 프레임워크는 암흑물질과 입자물리학과 같은 복잡한 문제에 미래에 응용될 잠재력을 보이며, 고속 실험 데이터에서 알려지지 않은 관계를 발견하는 데 AI가 도움을 줄 수 있음을 시사한다.