인공지능(AI)이 반도체 공정이나 패키징에서 열이 퍼지는 경로와 힘이 집중되는 부위를 예측할 수 있는 새로운 데이터 보정 알고리즘이 개발됐다.

울산과학기술원(UNIST)은 반도체 소재·부품대학원 정창욱 교수팀이 새로운 입력 데이터를 기존에 학습한 데이터 기준에 맞게 재정렬하는 '파이(π)-불변 테스트 시점 보정' 알고리즘을 개발했다고 26일 밝혔다.

이 알고리즘은 '학습 범위 밖의 입력'을 물리 법칙을 지키면서 학습 범위 안의 익숙한 형태로 바꿔주는 역할을 한다.

새로운 입력 데이터가 들어오면 먼저 π 값을 기준으로 기존에 학습한 데이터 중 물리적으로 가장 유사한 데이터를 찾고, 이와 비슷한 조건으로 맞춘 뒤에야 AI 모델에 입력해 계산하도록 하는 것이다.

π 값은 물리 방정식에서 길이, 온도, 힘처럼 단위를 가진 물리량을 조합해 만든 무차원 비율이다.

연구팀은 이 값이 같으면 크기가 달라도 본질적으로 같은 물리 상태로 볼 수 있다는 '버킹엄 π 정리'(Buckingham π theorem)'에 기반해 알고리즘을 고안했다.

별도의 재학습 없이도 기존 AI 모델에 그대로 붙여 사용할 수 있어 경제적이고, 학습 데이터를 전부 일일이 비교하는 대신 비슷한 데이터끼리 묶어 대푯값만 비교하는 방식을 적용해 계산 부담을 줄였다고 연구팀은 설명했다.

연구팀은 알고리즘을 열전도와 선형 탄성 문제에 적용했는데, 기존 모델이 어려워하던 새로운 조건에서도 안정적인 예측이 가능했다. 평균절대오차는 최대 약 91%까지 감소했다.

연구팀 관계자는 "반도체 칩의 열 설계, 패키지 신뢰성 평가, 배터리 열관리, 구조물 안전 해석 등 크기와 조건이 계속 달라지는 다양한 공학 시뮬레이션에서 계산 시간과 비용을 줄이는 데 활용될 것"이라고 말했다.

이번 연구는 한국연구재단의 나노·소재기술개발사업, 정보통신기획평가원의 AI대학원지원사업 등을 통해 이뤄졌다.

연구 결과는 AI 분야 3대 국제 학회로 꼽히는 '국제표현학습학회(ICLR) 2026'에 채택됐다.