한양대 오기용 교수팀, Physical AI 기반 인공지능 전환 기술 최초 개발

최근 세계 최대 AI 반도체 기업 엔비디아의 젠슨 황(Jensen Huang) CEO가 “차세대 AI는 Physical AI, 즉 물리 기반 시스템과의 결합이 핵심”이라고 언급하며 주목받는 가운데, 한양대학교 기계공학부 오기용 교수 연구팀이 한국기계연구원과의 공동연구를 통해 전기모터 건전성 예측을 위한 Physical AI 기반 인공지능 전환 기술(AX 기술)을 세계 최초로 개발했다.

최근 전기차, 로봇, 국방 시스템 등 다양한 첨단 산업에서 모빌리티는 핵심 기술로 부상하고 있다. 특히 가혹한 운전 환경에서 핵심 부품의 안전성 및 신뢰성 확보는 중요한 과제로 여겨진다. 대표적으로 모터 내부에서는 전자기 및 구조 동역학 등 복잡한 다물리 현상이 동시에 발생하기 때문에, 이를 신속하고 정확하게 예측하는 기술은 건전성 예측 및 관리(PHM, Prognostics and Health Management)에 필요한 원천기술이다.

그러나 기존 물리 기반 수치해석은 높은 정확성을 제공하는 반면, 계산 비용과 시간이 과도하게 소요되고 실시간 감시에 적용이 불가능하며, AI 기반 모델은 학습되지 않은 새로운 조건에서의 예측 성능 저하 및 측정 위치에서의 응답값만 예측 가능하다는 한계를 갖고 있었다.

이에 한양대 오기용 교수팀과 한국기계연구원 공동연구팀은 물리 법칙과 인공지능을 융합한 다물리 기반 심층 연산자 네트워크 (Multiphysics-informed Deep Operator Network, MPI-DON) 기술을 개발하여, 양 방식의 장점을 결합한 차세대 ‘Physical AI’ 원천기술을 구현했다. 해당 기술은 물리 기반 제약 조건을 딥러닝 구조에 통합함으로써, 제한된 데이터 환경에서도 정확하고 강건한 예측이 가능한 ‘인공지능 전환 사이버-물리 시스템(AX Cyber-Physical System, AX CPS)을 실현한다.

특히 이 기술은 실제 센서 설치가 어려운 위치의 물리량까지 정밀 예측 가능한 가상 센싱(Virtual Sensing) 기능을 제공한다. 이를 통해 전기모터 내의 전자기장 분포, 진동 등 직접 측정이 불가능한 데이터를 실시간으로 예측 가능하기에, 향후 다양한 운전 환경에서의 고장진단, 수명 예측, 실시간 모니터링 등 PHM의 정확도와 효율성을 획기적으로 높일 수 있다.

공동연구팀이 개발한 AX CPS 기술은 기존 수치해석 방식보다 최대 370배 빠른 예측 속도, AI 기반 모델 대비 최대 94% 낮은 예측 오차를 기록했다. 또한 주요 물리 응답에서 RMSE 3% 이하, 진동 예측 오차 0.23% 이하의 우수한 예측 성능을 달성해 차세대 모빌리티 적용에 필요한 높은 정확도와 신뢰성을 입증했다. 아울러 이 기술은 모터 베어링 고장진단 사례에 적용해 실효성까지 검증된 바 있으며, 향후 모빌리티 설계·제어·유지보수 전반에서 AX 기술 확산을 가속화할 것으로 기대된다.

오기용 교수는 “이번 연구 결과는 Physical AI 기반 CPS 기술을 활용하여 복잡한 모빌리티 시스템의 AX를 실현할 수 있는 핵심 기술”이라며, “전기모터뿐만 아니라 드론, 보행로봇 등 다양한 첨단 모빌리티 시스템의 AX를 앞당기는 중요한 기술이 될 것으로 기대한다”고 강조했다.

본 연구는 미공군 및 한국기계연구원의 지원을 받아 수행됐으며, 연구 성과는 기계 시스템 및 신호 처리 분야의 세계적 학술지 「Mechanical Systems and Signal Processing, IF=7.9」 4월 15일자에 게재됐다. 논문 「Digital twin model of a permanent magnet synchronous motor via a multiphysics-informed deep operator network」은 손세호 석박통합과정생이 제1저자, 선경호 박사와 오기용 교수가 공동 교신저자로 참여했다.