우주 시뮬레이션 (우주론, 슈퍼컴퓨터, 암흑물질)

우주 시뮬레이션 (우주론, 슈퍼컴퓨터, 암흑물질)

우주의 미래를 '계산'할 수 있다는 말을 처음 들었을 때, 저는 솔직히 반신반의했습니다. 아무리 좋은 컴퓨터라도 수천억 개의 별이 담긴 우주를 어떻게 계산한다는 건지 잘 감이 오지 않았거든요. 그런데 실제로 현대 천문학에서 슈퍼컴퓨터 시뮬레이션이 어떻게 작동하는지 파고들수록, 이건 단순한 계산이 아니라는 걸 알게 되었습니다.

우주를 계산한다는 것의 의미, 우주론의 배경

망원경으로 우주를 관측하는 것과 슈퍼컴퓨터로 우주를 '돌려보는' 것은 완전히 다른 접근입니다. 관측은 과거의 빛을 보는 일이고, 시뮬레이션은 미래를 향해 방정식을 푸는 일입니다. 제가 이 차이를 처음 제대로 이해했을 때, 우주론이 얼마나 독특한 학문인지 새삼 실감했습니다.

현대 우주론에서 시뮬레이션의 기반이 되는 것은 람다-CDM 모델(ΛCDM)입니다. 여기서 람다-CDM 모델이란 우주 팽창의 원동력인 암흑에너지(Λ)와 차가운 암흑물질(Cold Dark Matter)을 핵심 구성 요소로 삼아 우주의 대규모 구조를 설명하는 표준 우주론 모형입니다. 쉽게 말해, 현재 우리가 알고 있는 우주의 '기본 설정값'이 이 모델 안에 담겨 있다고 보면 됩니다.

이 모델에 중력 방정식, 암흑물질의 분포, 우주 팽창 속도(허블 상수) 등의 초기 조건을 입력하면 슈퍼컴퓨터가 수십억 년 치의 우주 진화를 단시간에 재현해 냅니다. 여기서 허블 상수란 우주가 얼마나 빠르게 팽창하고 있는지를 나타내는 수치로, 현재 1메가파섹당 약 67~73km/s 수준으로 측정되고 있습니다. 이 값 하나가 달라지면 시뮬레이션 결과도 크게 바뀌기 때문에, 정확한 초기 조건을 정하는 것이 얼마나 중요한지 짐작할 수 있습니다.

슈퍼컴퓨터가 실제로 하는 일, N체 시뮬레이션의 핵심

제가 이 주제를 공부하면서 가장 인상 깊었던 부분은 N체 시뮬레이션(N-body simulation)이라는 기법입니다. N체 시뮬레이션이란 수억에서 수천억 개에 달하는 입자(주로 암흑물질 입자를 가상으로 설정)들 사이의 중력 상호작용을 시간 단계별로 계산해 우주의 구조가 형성되는 과정을 추적하는 방법입니다. 입자 하나하나가 실제 은하나 가스 덩어리를 대표하는 셈인데, 이걸 수십억 개 단위로 돌리려면 일반 컴퓨터로는 엄두도 못 냅니다.

대표적인 사례로 일루스트리스 TNG(IllustrisTNG) 프로젝트가 있습니다. 이 시뮬레이션은 독일 막스플랑크 천문학연구소 등 국제 공동 연구팀이 수행한 것으로, 수백만 광년 규모의 우주 상자 안에서 은하 생성, 별 탄생과 소멸, 블랙홀의 피드백 효과까지 함께 계산합니다. 실제로 이 시뮬레이션이 만들어낸 은하 분포 지도가 실제 관측 데이터와 높은 일치율을 보였을 때, 연구자들이 얼마나 고무되었을지 충분히 이해가 됩니다(출처: 막스플랑크 천문학연구소).

우리은하와 안드로메다은하의 충돌 예측도 이런 시뮬레이션의 산물입니다. 두 은하가 약 45억 년 후에 합쳐질 것이라는 분석은 NASA가 허블 우주망원경 관측 데이터를 바탕으로 수행한 계산에서 도출된 것입니다. 저는 이 숫자를 보면서 '내가 살아 있을 때 일어날 일은 아니지만, 이걸 계산해 냈다는 사실 자체가 경이롭다'는 생각을 했습니다. 시뮬레이션이 단순한 예측 도구가 아니라 우주론을 검증하는 실험실 역할을 한다는 것이 바로 이런 지점에서 드러납니다.

현재 슈퍼컴퓨터 기반 우주 시뮬레이션에서 핵심적으로 다루는 항목들을 정리하면 다음과 같습니다.

• 암흑물질의 분포와 헤일로(halo) 구조 형성 과정
• 바리온 물질(일반 가시 물질)의 가스 역학 및 별 생성률
• 초대질량 블랙홀의 AGN(활동은하핵) 피드백 효과
• 우주 거대구조인 필라멘트, 보이드, 은하단의 형성

암흑물질과 AI가 바꾸는 우주 예측의 전망

슈퍼컴퓨터 시뮬레이션의 가장 큰 도전은 여전히 암흑물질입니다. 암흑물질이란 빛을 방출하거나 흡수하지 않아 직접 관측할 수 없지만 중력 효과를 통해 존재가 확인된 물질로, 현재 우주 전체 질량의 약 27%를 차지하는 것으로 추정됩니다. 우주를 움직이는 가장 큰 손인데 정체를 모른다는 것이 현재 우주론의 가장 불편한 진실이고, 저는 이 부분이 개인적으로 가장 흥미롭습니다.

암흑물질의 정확한 성질을 모르는 상황에서 시뮬레이션은 가정값을 넣어 돌릴 수밖에 없습니다. 그렇기 때문에 시뮬레이션 결과가 실제 관측과 일치하면 그 가정이 맞다는 간접 증거가 되고, 어긋나면 모델을 수정합니다. 이게 바로 현대 우주론이 시뮬레이션에 의존하는 근본적인 이유입니다.

최근에는 인공지능, 특히 머신러닝 기반의 에뮬레이터(emulator) 기술이 이 과정을 획기적으로 바꾸고 있습니다. 에뮬레이터란 수천 번의 시뮬레이션 결과를 학습한 AI가 새로운 초기 조건을 입력받았을 때 실제 시뮬레이션 없이도 결과를 빠르게 예측하는 모델입니다. 제가 처음 이 개념을 접했을 때는 '시뮬레이션을 흉내 내는 AI'라는 게 이상하게 들렸는데, 실제로는 계산 시간을 수천 배 단축하면서도 정확도를 유지한다는 점에서 현재 천문학 연구에서 매우 활발히 쓰이고 있습니다. 현재 유럽우주국(ESA)의 유클리드(Euclid) 미션도 이런 AI 기반 분석 방법론을 적극적으로 채택하고 있습니다(출처: 유럽우주국 ESA).

물론 한계도 분명합니다. 아무리 정밀한 시뮬레이션도 암흑에너지의 본질, 양자 중력 효과, 우주 초기 인플레이션의 세부 메커니즘까지 완벽하게 반영하지는 못합니다. 시뮬레이션은 우리가 알고 있는 것의 범위 안에서만 정확하고, 모르는 것은 여전히 가정으로 채워야 합니다.

결국 슈퍼컴퓨터 시뮬레이션은 우주를 '대신 실험하는' 장치입니다. 실제 우주에서는 어떤 변수도 마음대로 바꿀 수 없지만, 컴퓨터 안의 작은 우주에서는 암흑물질의 양을 두 배로 늘려볼 수도 있고, 허블 상수를 조금 다르게 설정해볼 수도 있습니다. 저는 이게 인간이 우주를 다루는 가장 독창적인 방식이라고 생각합니다. AI와 컴퓨팅 성능이 계속 발전한다면, 앞으로 10년 안에 우주론의 미해결 난제들이 시뮬레이션을 통해 하나둘 풀릴 가능성이 충분히 있습니다. 우주를 직접 만질 수는 없지만, 계산으로 이해하는 것만으로도 충분히 경이롭다는 생각이 듭니다.