"AI 예측 한계, 물리로 넘었다"... 반도체 열·응력 해석 정확도 ‘최대 91% 개선’

AI 요약

UNIST 정창욱 교수 연구팀은 입력 데이터를 물리적으로 재정렬해 AI 예측 정확도를 높이는 π-불변 테스트 시점 보정(π-invariant test-time projection) 알고리즘을 개발했으며 해당 연구는 ICLR 2026에 채택되었습니다. 이 알고리즘은 버킹엄 π 정리를 적용해 입력 데이터를 학습 데이터와 물리적으로 유사한 형태로 변환해 기존 AI 모델을 재학습 없이 활용할 수 있게 하고 계산량을 약 100분의 1로 낮췄습니다. 2차원 열전도와 선형 탄성 문제에서 평균절대오차가 최대 91% 감소했으며 나비에-스토크스 방정식 및 외력이 작용하는 환경에서도 성능 개선과 안정적 정확도가 확인되어 반도체 열 설계, 배터리 열관리, 구조물 안전 해석 등 산업 전반에 적용 가능성이 제시되었습니다.