울산과학기술원 정창욱 교수 연구팀이 반도체 칩의 설계와 신뢰성 평가에 필수적인ㅠ열과 응력 해석의 정확도를 높이는 인공지능 기술을 내놓았다. 이 기술은 학습할 때 보지 못한 새로운 조건이 들어와도 물리 법칙을 지키면서 결과를 더 정확하게 예측하는 것이 핵심이다.
기존 인공지능은 훈련에 쓰인 데이터와 크기나 조건이 크게 다르면 성능이 쉽게 떨어지는 문제가 있었다. 연구팀은 이 한계를 줄이기 위해 파이 불변 테스트 시점 보정 알고리즘을 만들었다. 이 방법은 새로 들어온 데이터를 곧바로 계산하지 않고, 먼저 기존 학습 데이터와 물리적으로 비슷한 상태로 맞춘 뒤 인공지능이 이해하기 쉬운 형태로 바꿔 준다.
여기에는 물리량의 비율이 같으면 실제 크기가 달라도 같은 물리 상태로 볼 수 있다는 원리가 쓰였다. 쉽게 말해, 크기만 다를 뿐 본질이 같은 상황이라면 인공지능도 비슷한 문제로 받아들이게 만드는 방식이다. 그래서 학습 범위를 벗어난 입력이 들어와도 예측이 훨씬 안정적이다.
이 기술의 장점은 기존 인공지능을 다시 처음부터 학습시키지 않아도 된다는 점이다. 모델 구조를 바꾸지 않고 바로 이어서 쓸 수 있어 비용 부담이 적고 활용 범위도 넓다. 또 비슷한 데이터끼리 묶어 대표값만 비교하는 방식을 적용해 계산량도 크게 줄였다.
실험 결과도 뚜렷했다. 연구팀이 이 기법을 이차원 열전도 문제와 선형 탄성 문제에 적용했더니, 기존 방식이 약했던 조건에서도 평균절대오차가 최대 약 91퍼센트까지 줄었다. 복잡한 유체 흐름을 설명하는 나비에 스토크스 방정식 같은 어려운 문제에서도 보정 효과가 좋았다.
연구팀은 이번 기술이 반도체 패키지 신뢰성 평가뿐 아니라 배터리 열관리, 구조물 안전 해석처럼 조건이 계속 바뀌는 여러 공학 분야에도 도움이 될 것으로 보고 있다. 실제 산업 현장에서 계산 시간과 비용을 줄이면서도 안정적인 예측 정확도를 확보하는 데 활용될 가능성이 크다.