중국 연구진이 산업 현장의 데이터를 더 정확하고 안정적으로 분석하는 새로운 인공지능(AI) 모델을 개발했다.

중국과학원 선양자동화연구소 란샹 순 교수 연구팀은 17일(현지시간) 국제학술지 '엔지니어링'(Engineering)에 기존 인공신경망의 한계를 극복한 'PLSaoNET' 모델을 발표했다.

산업 현장에서 수집되는 데이터는 양이 적고 노이즈가 많으며 비선형성이 강한 특징이 있다. 이 때문에 기존 인공신경망은 무작위로 초기값을 설정하는 방식의 한계로 인해 성능이 떨어지고 실제 현장에 적용하기 어려웠다.

PLSaoNET은 이러한 '무작위 초기화' 문제를 해결한 것이 핵심이다. 연구팀은 통계 기법인 '부분 최소 제곱법'(PLS)을 활용해 신경망의 초기값을 설정했다. 이는 신경망 학습이 맹목적인 탐색이 아닌, 통계적으로 의미 있는 지점에서 최적화를 시작하도록 만든다.

또한 연구팀은 '층화 샘플링' 기반 훈련 전략을 도입했다. 데이터의 분포가 불균일할 경우 학습이 불안정해지는 문제를 해결하기 위해, 데이터 라벨 값에 따라 여러 그룹으로 나눈 뒤 각 그룹에서 비례적으로 샘플을 추출해 학습시키는 방식이다.

연구팀은 이 모델을 철광석 슬러리 등급 온라인 모니터링과 디젤 연료 품질 평가라는 두 가지 산업 시나리오에 적용해 성능을 검증했다. 그 결과 PLSaoNET은 기존 PLS 회귀 모델이나 표준 역전파 신경망(BPNN)보다 높은 정확도와 일반화 성능을 보였다.

란샹 순 교수는 "산업 현장에서 라벨이 붙은 데이터를 얻기는 어렵다"며 "제한된 데이터로도 안정적이고 신뢰할 수 있는 결과를 내는 모델이 필요하며, PLSaoNET은 데이터 기반 학습에 신뢰할 수 있는 출발점을 제공하려는 취지"라고 설명했다.

이 기술은 이미 한 광물 처리 공장의 철광석 등급 실시간 모니터링 시스템에 실제 적용됐다. 연구팀은 PLSaoNET이 복잡한 산업 환경에서 지능형 센서 기술의 적용 문턱을 낮출 것으로 기대했다.