UNIST, 입력 데이터 보정 AI 개발…오차 91% 줄여

AI 요약

UNIST 정창욱 교수 연구팀은 버킹엄 π 불변량 개념을 바탕으로 새 입력을 학습 데이터와 물리적으로 유사한 형태로 보정하는 'π-불변 테스트 시점 투영' 알고리즘을 개발했으며, 이 연구는 ICLR 2026에 채택됐습니다. 로그 공간 최소제곱 최적화를 이용해 재학습 없이 기존 모델에 바로 적용하고, 비슷한 데이터끼리 묶어 대표값만 비교하는 방식으로 계산 비용을 전수비교 대비 약 100분의 1로 줄였습니다. 이 방법을 열전도와 탄성 해석 문제에 적용한 결과 OOD에서 평균 오차(MAE)를 최대 약 91%까지 줄였고, 나비에-스토크스 방정식 적용에서도 유사한 성능 개선이 확인됐습니다.