데이터 크기 달라져도 AI 예측 정확도 유지

UNIST

왼쪽부터 정창욱 교수, 이석기 연구원, 홍기용 연구원. UNIST 제공

데이터의 크기가 달라지면 인공지능(AI) 예측 정확도가 떨어지는 문제를 물리 법칙으로 입력 데이터를 보정해 추가 학습 없이 해결하는 기술이 나왔다.

울산과학기술원(UNIST)은 정창욱 반도체소재·부품대학원 교수팀이 AI가 경험하지 못한 크기나 조건의 데이터가 들어와도 정확하게 예측할 수 있도록 돕는 입력 보정 알고리즘을 개발했다고 26일 밝혔다. 연구 결과는 AI 분야 국제학회 '국제표현학습학회(ICLR) 2026'에 채택됐다.

반도체 설계에서는 열이 어디로 퍼지고 힘이 어디에 집중되는지를 미리 알아야 고장을 막을 수 있다. 최근 이런 계산을 AI로 빠르게 대신하는 기술이 쓰이고 있지만 AI가 학습할 때 본 적 없는 크기나 단위의 데이터가 들어오면 같은 물리 현상이라도 다른 문제로 받아들여 정확도가 크게 떨어진다. 작은 칩에서 잘 맞던 AI가 큰 배관에서는 엉뚱한 답을 내놓는 식이다.

연구팀은 100년 넘은 물리학 원리인 '버킹엄 파이(π) 정리'라는 법칙에서 해법을 찾았다. 버킹엄 파이 정리는 길이·온도·힘 같은 물리량을 조합해 단위가 없는 비율(π 값)로 만들면 데이터의 크기가 달라도 본질적으로 같은 물리 상태로 볼 수 있다는 원리다. 예를 들어 작은 모형 비행기와 실제 비행기의 공기 흐름이 특정 비율만 맞으면 동일하게 취급할 수 있는 것과 같다.

연구팀은 새로운 데이터가 들어오면 이 π 값을 기준으로 AI가 이미 학습한 데이터 가운데 물리적으로 가장 비슷한 것을 찾아 값을 맞춰 입력을 재조정한 뒤 AI에 넣는 방식을 설계했다. 물리적 의미는 유지하면서 AI가 익숙한 범위로 바꿔주는 것이다.

AI 모델 자체를 고치거나 다시 학습시킬 필요 없이 그대로 붙여 쓸 수 있고 비슷한 데이터끼리 묶어 대표값만 비교하는 방식을 적용해 계산 비용도 기존의 100분의 1 수준으로 줄였다.

열이 퍼지는 문제와 힘이 집중되는 문제에 적용한 결과 AI가 처음 보는 조건에서도 안정적으로 예측했고 오차는 최대 91%까지 줄어들었다. 물이나 공기의 흐름을 설명하는 나비에-스토크스 방정식처럼 계산이 까다로운 문제에서도 비슷한 개선 효과가 확인됐다.

연구팀은 "반도체 칩의 열 설계, 패키지 신뢰성 평가, 배터리 열관리, 구조물 안전 해석 등 데이터의 크기와 조건이 계속 달라지는 다양한 공학 계산에서 시간과 비용을 줄이는 데 활용할 수 있을 것"이라고 말했다.

[임정우 기자 jjwl@donga.com]