상세 설명

도메인지식 기반 인공지능은 전통적인 데이터 기반 인공지능 모델에 기계·제조 등 공학적 도메인지식을 융합하여, 실제 산업 현장에서 발생하는 다양한 문제를 더욱 신뢰성 있고 효과적으로 해결하는 것을 목표로 합니다. 이 연구는 물리적 관계, 기계의 특성 등 도메인 고유의 정보를 데이터 전처리, 모델 구조, 학습 전략 등에 반영함으로써, 기존의 블랙박스형 인공지능이 가지는 한계를 극복하고자 합니다. 연구실에서는 도메인지식이 반영된 데이터 전처리 기법을 개발하여, 센서 신호나 기계 데이터에서 물리적 의미가 있는 특징을 추출하고, 환경 변화에 강인한 모델을 구현합니다. 예를 들어, 모터의 고장 진단에서는 운전 조건 변화에 따른 신호 특성을 보정하거나, 결함 신호를 강조하는 전처리 방법을 적용하여 데이터의 일관성과 진단 정확도를 높입니다. 또한, 적응적 학습 전략과 제약 기반 손실 함수 등을 도입하여, 모델이 실제 공학적 제약을 준수하면서도 높은 예측 성능을 유지할 수 있도록 설계합니다. 이러한 접근은 산업용 모터, 철도차량, 반도체 제조 등 다양한 산업 현장에 적용되고 있으며, 실제로 소량의 고장 데이터만으로도 미학습 결함을 진단할 수 있는 퓨샷 학습, 환경 변화에 강인한 도메인 적응, 설명 가능한 인공지능 등 최신 연구 성과를 창출하고 있습니다. 앞으로도 도메인지식과 인공지능의 융합을 통해, 신뢰성과 해석 가능성이 뛰어난 차세대 산업용 AI 솔루션 개발에 앞장설 예정입니다.

키워드

관련 이미지

관련 자료