물리 정보 기반 신경망(PINN)으로 한계 보완
학습 데이터 부족 환경에서도 높은 예측 정확도 확보
계명대학교는 최근 안유찬 화학공학과 교수 연구팀이 폐플라스틱 가스화 공정을 통해 수소 생산량을 예측하는 물리 기반 신경망(Physics-Informed Neural Networks, 이하 PINN) 프레임워크를 제시했다고 4일 밝혔다.
안 교수팀은 반응 속도론과 열역학적 평형 조건을 손실 함수에 반영한 세 가지 PINN 모델을 개발해 성능을 비교·분석했다.
그 결과 기존 인공신경망(Artificial Neural Network, ANN) 모델은 데이터가 제한된 환경에서 예측 성능이 크게 저하됐지만, PINN 모델은 전체 학습 데이터의 1%만 활용한 환경에서도 높은 예측 정확도를 보였다.
아울러 연구팀은 기울기 기반 잔차 분석을 통해 모델 예측이 열역학 및 반응 동역학적 경향과 일치하는 것도 확인했다.
안 교수는 "물리적 지식이 결합된 대리 모델의 활용 가능성을 확인했다"며 "폐플라스틱 기반 수소 생산 공정의 실시간 최적화와 제어 기술로 확장될 수 있을 것"이라고 설명했다.
한편 이번 연구는 한국연구재단 기초연구사업과 석사과정생연구장려지원사업 지원을 받아 수행됐다. 교신저자인 안 교수를 비롯해 제1저자 손준혁 석사연구원, 제2저자 정효진 석사연구원 등이 참여했다.
연구 결과는 '폐플라스틱 가스화 공정의 수소 생산량 예측을 위한 물리 정보 기반 대리 모델링'이라는 제목으로 환경·지속가능 분야 국제학술지 'Engineering Applications of Artificial Intelligence'(IF=9.0, JCR Q1)에 게재됐다.
