반도체 열 확산과 응력 예측 AI 알고리즘 개발
2026.04.26 09:02
입력 데이터 보정해 예측 정확도 높여
2차원 열전도·선형 탄성 예측 오차 최대 91% 감소
손톱만 한 반도체 칩부터 수미터 발전소 배관까지 크기가 달라도 열이 퍼지는 경로와 힘이 집중되는 부위를 보다 잘 예측할 수 있는 인공지능(AI) 기술이 나왔다.
정창욱 UNIST 반도체소재·부품대학원 교수팀은 새로운 입력 데이터를 기존 학습 데이터 기준에 맞게 재정렬하는 'π-불변 테스트 시점 보정(π-invariant test-time projection)' 알고리즘을 개발했다고 26일 밝혔다. 관련 논문은 AI 분야 3대 국제학회로 꼽히는 '국제표현학습학회(ICLR) 2026'에 채택됐다.
반도체 공정이나 패키징은 열이 퍼지는 경로와 힘이 집중되는 부위를 빠르게 예측하기 위해 AI 모델을 활용한다. 하지만 이 모델에 기존 학습 데이터에 없던 아주 크거나 작은 단위의 데이터를 입력하면 예측 정확도가 떨어진다.
정 교수팀이 개발한 알고리즘은 '학습 범위 밖의 입력'을 물리 법칙을 지키면서 학습 범위 안의 '익숙한 형태'로 바꿔준다. 새로운 데이터가 들어오면 먼저 π 값을 기준으로 기존 학습 데이터 가운데 물리적으로 가장 유사한 데이터를 찾아, 그와 비슷한 조건으로 맞춘 뒤에 계산하도록 유도하는 것이다.
여기서 π값은 주어진 물리 방정식에서 길이, 온도, 힘처럼 단위를 가진 물리량을 조합해 만든 무차원 비율이다. 이 값이 같으면 크기가 달라도 본질적으로 같은 물리 상태로 볼 수 있다는 '버킹엄 π 정리(Buckingham π theorem)'에 기반한 알고리즘이다.
이 알고리즘은 별도 재학습 없이도 기존 AI 모델에 그대로 붙여 사용할 수 있어 경제적이다. 입력 데이터를 로그 공간에서 변환해 물리적 비율(π 값)을 유지하도록 맞추는 방식이어서 모델 구조나 학습 과정은 건드릴 필요가 없다.
학습 데이터를 전부 일일이 비교하는 대신 비슷한 데이터끼리 묶어 대표 값만 비교하기 때문에 계산 부담도 줄여준다. 기존 전수 비교 대비 약 1/100 비용으로 빠르게 입력을 보정할 수 있다.
이 알고리즘을 2차원 열전도와 선형 탄성 문제에 적용한 결과, 기존 모델로는 어려웠던 새로운 조건에서 안정적 예측이 가능했고, 평균절대오차도 최대 약 91%까지 감소했다.
정 교수팀은 유체 역학의 난제로 불리는 나비에-스토크스(Navier-Stokes) 방정식에 적용해도 비슷한 성능 개선 효과 나온다는 것을 확인했다. 나비에-스토크스 방정식은 물이나 공기 같은 유체의 움직임을 설명하는 수식으로, 항공기 설계 등에 필수적이지만 계산이 매우 어려운 것으로 알려져 있다.
정창욱 교수는 “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 활용할 수 있을 것”이라고 말했다.
이번 연구는 과학기술정보통신부 한국연구재단 나노·소재기술개발사업, 정보통신기획평가원(IITP) AI대학원지원사업 등의 지원을 받았다.
울산=임동식기자 dslim@etnews.com
저작권 보호를 위해 본문의 일부만 표시됩니다.
원문 보기 →댓글 (0)
첫 번째 댓글을 작성해보세요!
항공기의 다른 소식
모든 소식을 불러왔습니다