UNIST 정창욱 교수팀, 입력 데이터 보정해 AI 예측 정확도 높이는 알고리즘 개발

AI 요약

UNIST 반도체소재·부품대학원 정창욱 교수팀은 새로운 입력 데이터를 기존 학습 데이터 기준에 맞게 재정렬하는 π-불변 테스트 시점 보정(π-invariant test-time projection) 알고리즘을 개발했다고 26일 밝혔습니다. 이 알고리즘은 버킹엄 π 정리를 기반으로 입력의 무차원 비율(π 값)이 같은 학습 데이터와 물리적으로 유사한 조건으로 입력을 변환해 별도 재학습 없이 기존 AI 모델에 적용할 수 있으며, 전수 비교보다 약 1/100 수준의 계산 비용으로 보정해 2차원 열전도와 선형 탄성 문제에서 평균절대오차를 최대 약 91%까지 감소시키고 나비에-스토크스 방정식 적용에서도 성능 개선을 확인했습니다. 해당 연구는 23일부터 27일까지 브라질 리우데자네이루에서 열린 국제표현학습학회(ICLR 2026)에서 Buckingham π-Invariant Test-Time Projection for Robust PDE Surrogate Modeling이라는 제목으로 발표했습니다.