① 어떤 상황에서 AI를 활용했나요?
평소 상대성 이론과 물리학에 깊은 호기심을 가지고 있었습니다. 그러다 LLM의 등장 이후 AI와 다양한 질문을 주고받으며 논의하는 과정에서 새로운 직관을 얻었고, 이에 힘입어 2025년 3월 가벼운 마음으로 첫 개념 제안서를 작성하며 연구의 첫발을 내디뎠습니다.

② 어떤 AI를 어떻게 활용했나요?
연구 초기(2025년 상반기)에는 Gemini, ChatGPT, Grok, Copilot 등 다양한 LLM에 동일한 물리적 직관을 던져보고, 각 모델이 제시하는 이론적 배경과 참고 자료를 폭넓게 수집·비교하여 초기 프레임워크(G-Field Framework)를 구축했습니다.
이후 연구가 수치 계산과 정밀 검증 단계로 깊어진 2025년 중반부터는 ChatGPT와 Gemini 모델을 주로 사용했습니다. 두 모델과 수백 차례 의견을 교환하고 논리적 모순을 상호 지적하게 하며, 수식 유도부터 수치 모의실험 코드 작성, 영문 학술 문서화까지 전 과정을 고도화했습니다.

③ AI 활용 결과 어떤 변화가 있었나요?
단순한 아이디어 메모에서 출발한 프로젝트가 2025년 3월부터 2026년 10월까지 20여 편의 영문 물리학 연구 문서 시리즈로 탄생했습니다.
* 개념의 확장: 시공간 정보 처리와 엔트로피라는 초기 개념에서 출발해, 현대 우주론의 난제인 허블 텐션과 초신성·BAO·CMB 데이터 적합성 분석으로 영역을 넓혔습니다.
* 천체물리 및 양자 영역으로의 심화: 태양계 경계값 문제(BVP) 제약, 감마선 폭발(GRB) 광자 비행시간 검증, 스칼라-가우스-보네 중성자별의 질량-반지름 변형 및 상태방정식(EOS) 분석을 거쳐, 이중 차트 유효이론과 구면 정준 환원에서의 질량 연산자 및 포크 공간(Fock space) 수치 계산에 이르기까지 실제 검증 가능한 수리물리 연구로 진화했습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?
비전공자가 AI로 과학 연구를 할 때 가장 빠지기 쉬운 함정인 ‘확증 편향’과 ‘할루시네이션’을 막기 위해 세 가지 원칙을 지켰습니다.
1. 다중 LLM 교차 검증(Cross-Checking): 동일한 수식과 물리적 질문을 ChatGPT와 Gemini에 교차 투입하여, 한 모델의 결과를 다른 모델이 감사(Audit)하게 만드는 방식으로 오류를 걸러냈습니다.
2. 자기 반증과 한계의 투명한 기록: 가설이 무조건 맞다고 주장하는 대신, 압축 CMB 데이터를 추가했을 때 기존 모델의 한계가 드러나는 과정이나 격자 세분화에 따른 수렴 한계까지 AI를 통해 검증하고 문서에 명시했습니다.
3. 모델 진화 대기 전략(Generation-Hopping): 난관에 부딪혀 진전이 없을 때는 무리하게 결론을 내지 않고 연구를 보류한 뒤, 추론 능력이 향상된 신규 AI 모델(새 버전)이 출시되었을 때 다시 시도하여 돌파구를 찾았습니다.

⑤ 다른 사람도 따라 할 수 있나요?
전문 학위나 지식이 부족하더라도, 관심과 실행력만 있다면 누구나 AI를 지렛대이자 동료로 삼아 전문 분야의 지식을 탐색하고 결과물을 출판할 수 있습니다. 특히 지난 1~2년 사이 AI 모델의 능력이 비약적으로 발전하면서, 과거에는 슈퍼컴퓨터와 전문가 팀이 필요했던 수치 검증과 논문 작성의 문턱이 대폭 낮아졌습니다. 시간이 지날수록 AI는 다양한 분야에서 더 높은 역량을 갖춘 친화적인 '동료 연구원' 역할을 해내고 있습니다. 아직 AI에게 부족한 장기 기억이나 비전 제시 등 인간이 앞서는 능력을 더해 협력한다면, 더 쉽게 유의미한 결과물을 얻을 수 있는 시대가 다가오고 있습니다.

지금은 AI를 활용하기 위해 특별한 기술을 배우는 것보다, 실제 행동으로 옮기는 것이 더 필요한 때라고 생각합니다.