산업인공지능 연구실은 스마트 제조와 기계 시스템의 혁신을 위해 인공지능(AI) 기술을 적극적으로 도입하고 있습니다. 전통적인 제조 현장에서는 데이터의 수집과 해석, 그리고 공정 최적화가 많은 시간과 비용을 요구하였으나, 본 연구실은 기계학습, 딥러닝, 최적화 기법을 융합하여 제조 공정의 자동화와 지능화를 실현하고 있습니다. 특히, 대기업 및 한국생산기술연구원 등과의 협업을 통해 실제 산업 현장에서 발생하는 다양한 문제를 해결하고, 생산성 향상과 품질 개선에 기여하고 있습니다. 스마트 제조 분야에서는 AI를 활용한 진동 신호 분석, 결함 진단, 공정 변수 최적화 등 다양한 연구가 진행되고 있습니다. 예를 들어, 진동 신호를 이용한 기계 상태 진단, 딥러닝 기반 결함 예측, 그리고 능동 학습(Active Learning)을 통한 데이터 부족 문제 해결 등은 실제 현장에 적용되어 높은 신뢰성과 효율성을 입증하고 있습니다. 또한, 설명 가능한 인공지능(XAI) 기법을 도입하여 AI 모델의 의사결정 과정을 투명하게 분석하고, 현장 엔지니어와의 협업을 강화하고 있습니다. 이러한 연구는 단순히 이론적 모델 개발에 그치지 않고, 실제 산업 현장에 적용 가능한 솔루션을 제공하는 데 중점을 두고 있습니다. 다양한 산업 파트너와의 공동 연구를 통해 AI 기반 스마트 제조 시스템의 실용화와 확산을 선도하고 있으며, 미래 제조업의 디지털 전환과 자율화에 핵심적인 역할을 하고 있습니다.

본 연구실은 물리 기반 인공지능(Physics-Informed Neural Networks, PINN) 및 연산자 학습(Neural Operator) 기술을 활용하여 복잡한 공학 문제를 해결하는 데 앞장서고 있습니다. 전통적인 데이터 기반 AI는 대량의 데이터가 필요하고, 물리적 제약을 반영하기 어렵다는 한계가 있습니다. 이를 극복하기 위해, 본 연구실은 물리 법칙(편미분방정식 등)을 신경망 학습 과정에 직접 내재화하여, 적은 데이터로도 높은 예측 정확도와 물리적 일관성을 확보하는 연구를 수행하고 있습니다. 예를 들어, 복잡한 유동 해석, 열전달, 구조 해석 등 다양한 공학 문제에 대해 PINN, DeepONet, Operator Learning 등 최신 기법을 적용하여, 시뮬레이션 계산의 속도를 비약적으로 향상시키고 있습니다. 또한, 실험 데이터와 시뮬레이션 데이터를 융합하여, 실제 환경에서의 적용 가능성을 높이고 있습니다. 이러한 연구는 기존의 수치해석 방법과 비교해 계산 비용을 획기적으로 줄이고, 실시간 예측 및 최적 설계에 활용될 수 있습니다. 특히, 최근에는 생성형 인공지능(Generative AI)과의 융합을 통해, 불확실성이 존재하는 조건에서의 최적 설계, 역문제 해결, 데이터 부족 환경에서의 능동 학습 등 다양한 응용 분야로 연구를 확장하고 있습니다. 이와 같은 물리기반 AI 연구는 기계공학, 재료공학, 에너지, 바이오 등 다양한 공학 분야에서 혁신적인 해법을 제시하고 있습니다.

산업인공지능 연구실은 재료과학 및 헬스케어 분야에서도 AI 기술을 적극적으로 적용하고 있습니다. 재료 분야에서는 인공지능을 활용한 EBSD/SEM 이미지 초해상화, 결정립계 복원, 재료 특성 예측, 신소재 탐색 등 다양한 연구가 이루어지고 있습니다. 데이터가 부족한 재료 연구 환경을 극복하기 위해 능동 학습, 전이 학습, 자기 지도 학습 등 첨단 AI 기법을 도입하여, 실험 비용을 절감하면서도 신뢰성 높은 예측 모델을 구축하고 있습니다. 헬스케어 분야에서는 캡슐 내시경, 초음파 내시경, 음성 신호 기반 질환 진단 등 다양한 의료 영상 및 신호 데이터를 AI로 분석하여, 진단 정확도와 효율성을 높이고 있습니다. 예를 들어, 딥러닝 기반 내시경 영상 판독 시스템, 음성 및 연하 장애 진단 AI, 오가노이드 분화 예측 등은 실제 임상 현장에서 활용되고 있으며, 가톨릭대학교 의과대학 등과의 협업을 통해 의료 AI의 실용화에 기여하고 있습니다. 이러한 연구는 재료 및 의료 분야의 데이터 특성과 도메인 지식을 AI에 효과적으로 융합함으로써, 기존의 한계를 뛰어넘는 혁신적인 솔루션을 제시하고 있습니다. AI 기반 재료 설계, 신약 개발, 맞춤형 진단 등 미래 산업과 사회에 큰 파급 효과를 가져올 것으로 기대됩니다.