실제 세계를 이해하기 위한 가상 세계, 디지털 트윈
미래 주요 유망 기술로 꼽히는 ‘디지털 트윈(Digital Twin)’은 현실 세계를 가상 세계에 옮겨와 미리 현상을 이해하고, 실시간으로 상호작용할 수 있는 기술을 말한다. 어떤 물리 현상이 지배하는 실제 세계와 같은 쌍둥이 개체를 생성해 이를 사전에 다양하게 분석하고 검증할 수만 있다면 실제 사물이 존재하지 않더라도 우리는 그를 해석할 수 있다. 또, 조건에 따른 장비, 시스템 등의 상태를 미리 탐색하고 유지·보수 시점을 파악할 수도 있을 것이다. 이런 디지털 트윈 기술의 이점과 잠재성은 특히 스마트 팩토리(Smart Factory) 분야에서 많은 주목을 받고 있다. 제품의 △설계 △개발 △제조 △유통 등 전 산업 과정을 미리 분석해볼 수 있어 전체적인 생산 비용을 획기적으로 줄일 수 있기 때문이다. 그러나 우리가 사는 실제 세계는 복잡한 현상들이 마구 얽혀 있어 이를 가상 세계에 정확히 복제하기란 매우 어렵다. 간단한 제품을 생산하는 소규모 공장만을 예로 든다고 하더라도, 이에 관한 실제 △물리적 △과학적 △공학적인 변수를 전부 모델링할 수 없다. 나아가 실제 가동 중에 가능한 여러 환경 변수 등을 고려하기란 더욱 어려울 것이다.
이런 기술적 한계를 극복하기 위한 대안으로 데이터 기반의 인공지능(Artificial Intelligence, AI) 방법들이 시도되고 있다. 실제 세상에서 발생할 수 있는 물리 현상들을 전부 고려해 모델링하는 방법과는 달리, 다양한 센서에서 취득한 빅데이터를 학습해 숨겨진 패턴이나 현상을 밝혀내고자 하는 방법이다. 이는 기존 방법의 패러다임을 완전히 바꾼 정반대 성격의 접근이다. 그간 연구를 통해 AI 기술의 성능과 가능성이 확인되면서, 산학연을 막론하고 이 AI 기술을 디지털 트윈을 포함한 여러 분야에 도입하고자 하는 시도가 늘고 있다. 하지만, 우리 연구팀은 그간 다양한 산업 인공지능 연구를 통해 이런 데이터 기반의 AI 기술만을 활용해 만족할 만한 성능을 얻기엔 많은 제약이 있다는 점을 확인하고 있다. 더군다나 우리가 다루는 문제는 그간 수 세기 동안 걸쳐 정립돼 온 물리 지식을 근간으로 하므로 이를 활용하지 않을 이유가 없다. 그렇다면 물리 지식과 데이터 기반 AI 방법을 어떻게 잘 활용할 수 있을까?

물리 지식과 인공지능 기술의 만남
위에서 언급한 데이터 방법만의 한계를 극복하기 위해 사전에 알려진 물리 지식을 AI 알고리즘에 통합하고자 하는 시도들이 최근 들어 매우 활발하게 일어나고 있다. 간단하게 말하자면, 이는 AI 알고리즘을 학습하는 데에 있어 우리가 알고 있는 물리적 법칙을 따르도록 규제하는 방법이다. 실제로 그간 우리 연구팀은 물리 이론과 접목한 AI 기술을 통해 주목할 만한 연구 성과를 얻고 있다. 특히 이번에 개발한 물리 지식 기반 AI 음향 해석 기술은 기존 기술들의 단점을 비약적으로 극복했다. 이를 가능케 한 기술의 핵심은 AI 신경망에 소리가 퍼지고 반사되는 물리적 이론을 주입하는 것이다. 환경적 돌발상황이나 변수가 생기더라도 물리 지식 기반 인공지능 모델이 이론적 원리를 바탕으로 학습했기 때문에 정확한 분석과 예측을 수행할 수 있다. 경험적 지식에 의존하는 통상적인 AI 기술에서 나아가, 현실에 존재하는 파동이 물리적으로 당연히 만족해야 하는 이론을 함께 학습했기 때문에, 기본적인 데이터만 학습했음에도 사전에 본 적 없는 돌발적인 문제를 정확하게 해석해낼 수 있다.
우리 연구팀이 이번에 개발한 물리 지식 기반 AI 음향 해석 기술은 이론적 접근법과 경험적 접근법에서 이미 존재하던 단점을 극복했다. 본 연구팀은 이번 연구 성과가 가전기기, 자동차, 건물 등의 디지털 트윈에 활용될 것을 기대하며, 실시간으로 사물이나 구조물 내외의 △음향 △소음 △진동 상태를 정확히 관찰하고 최적화하는 데 사용될 것으로 기대한다. 이번 연구뿐만 아니라, 물리 지식을 접목한 AI 기술 연구를 통해 관련 기술을 선도할 수 있는 다양한 연구 성과를 얻고 있다. 최근 발표한 AI를 활용한 전기차 배터리 수명 예측 연구가 한 사례인데, 전기·기계적 현상을 설명하는 물리 지식과 데이터 기반 AI 방법을 함께 활용해 다양한 배터리 용량 및 수명 분포 예측 정확도를 비약적으로 향상한 바 있다. 이처럼 본 연구팀은 다양한 과학, 공학적 지식과 AI 지식을 바탕으로 한 여러 도전적인 융합 연구를 수행하고 있다. 이런 노력이 훗날 미래 핵심 기술 선도와 산업 인공지능 기술의 발전에 기여할 수 있기를 기대한다.