반도체 열·응력 해석 정확도 높이는 AI 기술 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 밝혔으며, 연구 결과는 ICLR 2026에 채택됐습니다. 이 알고리즘은 Buckingham π 정리에 기반해 길이·온도·힘 등 물리량을 조합한 무차원 비율인 π 값을 기준으로 학습 범위 밖의 입력을 물리적으로 유사한 학습 데이터 조건으로 변환해 별도 재학습 없이 기존 AI 모델에 적용할 수 있고, 학습 데이터를 대표값으로 묶어 전수 비교보다 약 1/100 수준의 계산 비용으로 보정합니다. 2차원 열전도와 선형 탄성, 나비에-스토크스 방정식에 적용한 결과 기존 모델이 어려워하던 새로운 조건에서 평균절대오차가 최대 약 91% 감소했고 외력이 작용하는 경우에도 정확도 개선 효과를 유지했으며 반도체 칩 열 설계·패키지 신뢰성 평가·배터리 열관리·구조물 안전 해석 등 다양한 공학 시뮬레이션에 활용될 수 있다고 연구팀은 기대했습니다.