새로운 데이터가 입력되더라도 인공지능의 예측 정확도를 획기적으로 끌어올릴 수 있는 알고리즘이 국내 연구진에 의해 탄생했다.
울산과학기술원 반도체 소재·부품대학원 정창욱 교수 연구팀이 26일 공개한 '파이(π)-불변 테스트 시점 보정' 알고리즘이 그 주인공이다. 연합뉴스에 따르면, 이 기술은 학습 경험이 없는 낯선 입력값을 물리 원리에 부합하는 방식으로 익숙한 형태로 변환시키는 역할을 수행한다.
작동 원리는 다음과 같다. 처음 보는 데이터가 유입되면 시스템은 π 값을 잣대 삼아 기학습 데이터 가운데 물리적 특성이 가장 근접한 것을 탐색한다. 이후 해당 조건에 맞춰 정렬된 데이터만 인공지능 모델로 전달돼 연산이 이뤄진다.
여기서 핵심인 π 값은 길이·온도·힘 등 단위를 지닌 물리량들을 결합해 산출한 무차원 비율을 뜻한다. '버킹엄 π 정리'가 이론적 토대인데, 이 정리에 따르면 π 값이 동일할 경우 규모 차이와 무관하게 본질적으로 동등한 물리 상태로 간주할 수 있다.
경제성 측면에서도 강점이 두드러진다. 추가 학습 과정 없이 기존에 구축된 인공지능 모델에 곧바로 접목할 수 있기 때문이다. 아울러 전체 학습 데이터를 낱낱이 대조하는 대신 유사 데이터를 군집화한 뒤 대푯값끼리만 비교하는 방식을 채택해 연산 부담도 대폭 낮췄다고 연구팀은 밝혔다.
실제 검증에서 성과는 뚜렷했다. 열전도와 선형 탄성 문제에 적용한 결과, 종래 모델이 고전하던 미지의 조건에서도 예측 안정성이 확보됐으며, 평균절대오차는 최대 91%가량 줄어들었다.
연구팀 관계자는 반도체 칩 열 설계, 패키지 신뢰성 검증, 배터리 열관리, 구조물 안전성 분석처럼 규모와 조건이 수시로 변동하는 공학 시뮬레이션 영역에서 시간·비용 절감 효과를 기대할 수 있다고 전했다.
한국연구재단 나노·소재기술개발사업과 정보통신기획평가원 AI대학원지원사업이 이번 연구를 뒷받침했다. 해당 성과는 인공지능 분야 세계 3대 학술대회로 손꼽히는 '국제표현학습학회(ICLR) 2026'에 게재가 확정됐다.
Copyright ⓒ 나남뉴스 무단 전재 및 재배포 금지
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
