# 미국 Accelerated Understanding, 물리 상태를 4D 예측하는 AI 모델 공개… 포스트 트랜스포머 '뉴럴 오퍼레이터' 활용으로 추론 시 5조 초과 컨텍스트

> https://bookfactory.kr/c/news/10749
> 게시판: 뉴스
> 작성자: tachikoma43
> 작성일: 2026-08-29T20:37:22.184Z

---

미국 AI 스타트업인 Accelerated Understanding은 물리 시스템의 상태로부터 향후 변화를 공간과 시간에 걸쳐 예측하는 AI 모델을 공개했다. 캘리포니아 공과대학교(Caltech)의 컴퓨팅 및 수학 과학 브렌 교수(Bren Professor of Computing and Mathematical Sciences)인 애니마 아난드쿠마르(Anima Anandkumar)와 AI 인프라 엔지니어인 베네딕트 예니크(Benedikt Jenik)가 공동 창업한 기업이다. 로이터(Reuters)는 2026년 8월 25일(현지 시간), 두 사람이 부부라는 사실도 보도했다.

이 회사는 언어가 아닌 물리 데이터를 직접 학습하여 여러 분야의 물리 현상을 하나의 모델로 다루는 '범용 물리 AI(universal physical AI)'를 표방한다. 공식 기술 해설에서는 지금까지 최대 1조 개 파라미터 모델로 수백 회의 사전 학습을 진행했으며, 추론 시에는 5조 개가 넘는 컨텍스트를 처리했다고 밝혔다.

## 3D 공간+시간을 한 번에 예측하는 '4D' AI

Accelerated Understanding의 모델은 물리 시스템의 현재 상태를 입력받아 그것이 시간에 따라 어떻게 변화하는지 예측한다.

특징 중 하나는 3차원 공간에 시간을 더한 '4D'로 물리 현상을 다룬다는 점이다. 시간 방향을 1단계씩 예측하는 대신, 시간 변화를 포함한 일련의 궤적을 한 번에 생성한다. 회사 측 설명에 따르면, 서로 다른 종류의 물리 현상을 동일한 모델로 학습시킴으로써 개별 물리 문제 전용으로 학습된 모델을 뛰어넘는 성과도 확인했다고 한다.

또한, 모델은 해상도에 의존하지 않아 학습 시와 추론 시 모두 서로 다른 해상도를 활용할 수 있다고 한다. 이 회사가 공개한 데모에서는 1,000억 개 미만의 파라미터 모델이 여러 분야의 물리 현상을 하나의 모델에서 생성하는 모습을 소개하고 있다.

3차원 공간에 시간축을 더해 '4D' 궤적으로 물리 현상을 다루는 이미지

## 추론 시 컨텍스트는 5조 개 초과, 1회 출력은 약 22TB

이 회사에 따르면, 지금까지 최대 1조 개 파라미터 모델로 사전 학습을 진행한 것 외에도, 아키텍처 스케일링 실험에서는 최대 35조 개 파라미터까지 시도했다고 한다.

한편, 이 회사가 특히 중시하는 것은 모델 크기가 아닌 '컨텍스트'의 규모다. 언어 모델에서는 문장을 1차원 토큰 수열로 다루는 반면, 물리 시뮬레이션에서는 3차원 공간과 시간의 4차원을 다룰 필요가 있다. 예를 들어 공간의 3개 방향으로 각각 1,000개 지점, 시간 방향으로 1,000개 단계를 두는 것만으로도 데이터 포인트는 1조 개에 달한다.

이 회사는 기술 해설에서 학습 시 최대 1조 개, 추론 시에는 5조 개가 넘는 컨텍스트를 처리했다고 밝혔다. 5조 개 컨텍스트에서의 1회 추론 출력은 약 22TB에 달한다고 한다. 이는 모두 Accelerated Understanding이 공표한 수치다.

## 트랜스포머가 아닌 '뉴럴 오퍼레이터' 활용

로이터에 따르면, 이 회사의 AI는 ChatGPT 등의 기반이 되는 트랜스포머(Transformer)와는 달리, 아난드쿠마르 교수가 연구를 진행해 온 '뉴럴 오퍼레이터(neural operator)' 기술을 활용하고 있다.

뉴럴 오퍼레이터는 물리 현상을 고정된 데이터 점의 집합으로 다루는 것이 아니라, 공간이나 시간에 연속적으로 펼쳐지는 함수로 학습하기 위한 기법이다. Caltech은 2026년 8월 12일에 공개한 해설에서 아난드쿠마르 씨가 개발을 추진해 온 뉴럴 오퍼레이터를 소개하고 있다. 기상 예측이나 핵융합, 지하에 저장된 이산화탄소의 거동 등 연속적인 과학 문제로의 응용이 진행되어 왔다.

Accelerated Understanding은 이러한 물리 시뮬레이션을 개별 용도별 모델로 나누는 것이 아니라, 광범위한 물리 현상을 동일한 모델로 다루는 것을 목표로 하고 있다. 공식 사이트에서는 엔지니어링 시뮬레이션이나 설계, 로보틱스 등에의 활용을 상정하고 있다.

Reuters에서는 반도체 설계, 이상 기후 예측, 에너지 기업의 지질 데이터 분석 등에 대한 활용도 상정하고 있다고 소개하고 있다.

해당 기업은 실험이나 수치 시뮬레이션으로 결과를 확인한 후 다음 설계를 시도하는 기존 연구개발 프로세스에 비해, AI를 통한 물리 시뮬레이션으로부터 개선 방향까지 얻을 수 있는 구조를 구상한다. 최종적인 결과는 실험이나 기존 기법으로 확인하면서 설계와 검증을 반복하는 공정의 일부를 AI로 고속화할 구상이다.

[원문 보기](https://ledge.ai/articles/accelerated_understanding_physical_ai_4d) | 출처: Ledge.ai