최신논문
메타·수학자, Muse Spark 협업 논문 6편 공개…5편에서 미해결 연구문제에 답
발표일: 2026년 10월 2일. 공식 발표와 두 논문의 내용을 정리했습니다.
1. 이번에 공개된 것은 무엇인가
메타는 수학자들이 Muse Spark와 함께 작성한 논문 6편을 공개했고, 그중 5편이 기존 미해결 연구문제에 답한다고 설명했습니다. 분야는 확률론, 미분방정식, 군론, 최적화, 수리물리학, 비결합대수입니다.
연구진은 지난 수개월 동안 Meta.ai의 일반 채팅 화면에서 Muse Spark 1.1·1.2의 Thinking Mode를 사용했습니다. 별도의 연구용 에이전트 시스템을 구축한 사례는 아닙니다. 10월 2일은 발표일이며, 각 결과를 실제로 발견한 정확한 날짜는 공개되지 않았습니다.
2. 원소 384개짜리 군이 추측을 반박했다
Joseph Phillip Brennan과 Milana Golich의 군론 논문은 모든 유한 준아벨군(semiabelian group)이 단항군(monomial group)인지 묻는 Kida의 추측을 다룹니다. 두 용어는 군의 구조와 표현에 관한 서로 다른 조건을 가리킵니다. 따라서 여기서 따지는 것은 한 조건을 충족하면 다른 조건도 항상 따라오는지입니다.
저자들이 제시한 반례는 GAP의 SmallGroups 라이브러리에 등록된 SmallGroup(384, 20127)입니다. 원소가 384개인 이 군은 준아벨군이지만 단항군은 아닙니다. 보편적인 명제에는 조건을 만족하지 않는 사례 하나만 있어도 충분하므로, 이 결과는 해당 추측을 반박합니다.
3. AI가 작성한 탐색 코드와 사람이 확인한 증명
군론 논문에서 Muse Spark는 연구자의 요청에 따라 GAP 탐색 코드를 작성했습니다. 저자들은 원소 수 900까지를 범위로 탐색을 수행했다고 보고하며, 찾아낸 후보에 대해 재귀적인 분해를 사용해 준아벨 조건을 확인했습니다. 부록에는 GAP 4.16.1용 코드와 출력이 제시되어 있습니다.
이 과정에서는 후보를 찾는 계산과 그 후보가 필요한 조건을 충족한다는 논증이 연결됩니다. 저자들은 AI가 만든 내용을 검토하고 오류를 고쳤으며, 최종 결과에 대한 책임도 인간 연구자에게 있다고 명시합니다.
우선권에도 주의가 필요합니다. 논문은 Nilradical이 2026년 9월 16일 원소 2,592개짜리 다른 반례를 독립적으로 발표했음을 인정합니다. 메타의 결과를 이 추측의 최초 반박이라고 소개해서는 안 됩니다.
4. 다른 논문에서는 파동의 유한시간 붕괴를 증명
Leonard Dinh의 논문은 집속형 질량임계 쌍조화 비선형 슈뢰딩거 방정식에서 파동이 집중되는 현상을 다룹니다. 논문 초록에 따르면, 2차원 이상에서 초기 데이터가 H²에 속하고 방사대칭이며 에너지가 음수인 해는 시간의 양방향 모두에서 유한시간 안에 폭주합니다.
여기서 핵심은 시간이 무한히 흐른 뒤에야 폭주하는 가능성을 배제했다는 점입니다. 이는 해당 방정식과 가정 아래의 수학적 결론이며, 모든 파동이나 실제 레이저 장치에 무조건 적용되는 진술은 아닙니다.
초록은 지수적으로 국소화한 비리얼 논증과 4차 분산에 맞춘 방사형 보간 추정을 결합하고, 유한시간 폭주를 강제하는 4차 리카티 부등식을 얻었다고 설명합니다. 즉 수치실험에서 그럴듯한 움직임을 관찰하는 데서 더 나아가, 정해진 조건에서 다른 가능성을 배제하는 증명을 제시한 것입니다.
5. 사람과 AI의 기여는 어떻게 나뉘었나
메타가 제시한 공통 절차는 수학자의 방향 설정과 AI를 활용한 탐색, 별도 수학자 그룹의 검토입니다. 각 논문은 사람이 주로 작성한 부분과 AI가 주로 작성한 부분을 구별합니다.
미분방정식 연구에서는 Dinh가 문제와 핵심 증명 아이디어를 선택했고, Muse Spark는 계산과 논증 검토·수정을 도왔다는 설명입니다. 이런 기여 기록은 AI가 실제로 맡은 역할을 이해하는 데 중요합니다.
6. AI 연구 자동화의 증거로 어디까지 읽을 수 있나
이번 공개 자료는 연구자가 AI와 탐색하고 검증 가능한 논문으로 정리하는 작업의 구체적인 사례를 제공합니다. 군론 사례에는 다시 실행할 수 있는 코드와 출력까지 포함되어 있어, 결과를 추적할 단서가 비교적 분명합니다. 다만 이 글에서 그 코드를 독립적으로 재실행한 것은 아닙니다.
또한 공개 발표에는 모델 호출 횟수, 총 계산비용, 실패한 문제의 수, AI 없이 같은 연구를 했을 때와의 통제 비교가 없습니다. 따라서 논문 수만으로 성공률이나 생산성 향상 배수를 계산할 수는 없습니다.
AGI 타임라인과 연결하려면 문제 선정, 장기간의 시행착오, 오류 발견, 최종 검증까지 얼마나 넓은 범위에서 안정적으로 수행하는지도 봐야 합니다. 이번 결과의 의미는 그 질문을 구체적인 연구 과정과 기여 기록을 바탕으로 살펴볼 수 있게 됐다는 데 있습니다.