반도체 열 확산과 응력 예측 AI 알고리즘 개발

AI 요약

정창욱 UNIST 교수팀은 26일 새로운 입력 데이터를 기존 학습 데이터 기준에 맞게 재정렬하는 π-불변 테스트 시점 보정(π-invariant test-time projection) 알고리즘을 개발했다고 밝혔으며, 관련 논문은 국제표현학습학회(ICLR) 2026에 채택됐습니다. 이 알고리즘은 길이·온도·힘 등 단위를 가진 물리량을 조합한 무차원 비율인 π값을 기준으로 학습 범위 밖의 입력을 물리적으로 유사한 학습 범위 안의 형태로 변환해 별도 재학습 없이 기존 AI 모델에 그대로 적용할 수 있고, 로그 공간 변환과 대표값 비교로 계산 부담을 줄여 기존 전수 비교 대비 약 1/100 비용으로 보정합니다. 2차원 열전도와 선형 탄성 문제에 적용한 결과 평균절대오차가 최대 약 91%까지 감소하고 새로운 조건에서 안정적 예측이 가능했으며, 나비에-스토크스 방정식 적용에서도 유사한 성능 개선 효과가 확인되어 반도체 칩 열설계, 패키지 신뢰성 평가, 배터리 열관리, 구조물 안전 해석 등 다양한 공학 시뮬레이션에 활용할 수 있다고 연구팀은 제안했습니다.