공과대학

손영두 동국대학교 산업시스템공학과 교수 연구팀 논문 '불규칙 다변량 시계열 분류를 위한 적응적 시간 인코딩'이 세계 최고 권위 인공지능 (AI) 학회인 NeurIPS(Conference on Neural Information Processing Systems)에 최종 채택됐다.

이번 연구는 경상국립대학교 산업시스템공학부 이상호 교수, 뉴욕대학교 그로스만 의과대학 인구보건학과 도형록 교수와 공동연구다

의료·산업 현장에서 빈번히 발생하는 불규칙 다변량 시계열 데이터 문제를 해결할 수 있는 새로운 접근법을 제시했다는 점에서 주목을 받고 있다.

실제 현장에서 수집되는 시계열 데이터는 센서 오류, 비용 제약, 환자 검사 주기 차이 등으로 인해 시간 간격이 일정하지 않거나 변수 간 기록이 비동기적인 경우가 많다. 이러한 불규칙성은 기존 AI 모델 성능을 크게 저하시키는 주요 원인으로 꼽혀왔다.

연구팀은 이를 해결하기 위해 학습 과정에서 참조 시점을 자동으로 학습하는 메커니즘과 딥러닝 학습 과정 중 변수간 관계를 유지하는 새로운 정규화 기법을 제안했다.

불규칙성과 함께 다변량 시계열 구조를 효과적으로 반영한 잠재 표현을 생성하는 새로운 방법을 제시했다. 이를 통해 일부 센서 정보가 결측되거나 변수 일부가 누락된 상황에서도 안정적 성능을 유지할 수 있음을 입증했으며, 실제 의료 및 산업 환경에서의 활용 가능성을 크게 높였다.

NeurIPS는 매년 전 세계에서 수만 편 논문이 투고되는 AI 분야 최상위권 학회로, 이번 성과는 한국 연구진이 해당 분야에서 국제적인 경쟁력을 확보했음을 보여주는 사례로 평가된다.

손영두 교수는 “이번 연구는 불완전한 데이터를 정교하게 해석할 수 있는 새로운 방법론을 제시했다는 점에서 의미가 크다”면서 “의료 진단, 산업 설비 모니터링 등 다양한 응용 분야에서 불규칙성을 다루는 AI 모델의 핵심 기술로 활용될 수 있을 것”이라고 말했다.

손영두 교수가 이끄는 동국대학교 데이터과학연구실은 최신 AI 기법 연구를 바탕으로 기상 위성 영상 분석, 농산물 품질 관리, 공정 자동화, 설비 고장 진단 등 다양한 산업 응용 프로젝트를 수행하고 있다. 연구팀은 이번 성과를 발판 삼아 실제 산업 현장에 적용 가능한 AI 모델 개발 연구를 이어갈 계획이다.

관련 기사 : 동국대 손영두 연구팀, NeurIPS 논문 채택… “불규칙 시계열 분석 해법 제시” - 전자신문