박준영 KAIST 박사과정생, AI프렌즈 학술세미나서 '조합최적화와 강화학습' 주제 발표
유용균 원자력연 박사, 'ICCV 2019' 참여 후기 공유하며 생생한 현장 전달
6일 대덕테크비즈센터(TBC)에서 제31회 'AI프렌즈 학술세미나'가 진행됐다. 박준영 KAIST 박사과정생이 이날의 발표자로 나서 조합최적화 문제의 일종인 JSSP(Job-shop scheduling problem)를 강화학습을 이용해서 해결하는 방법에 대해 소개했다.
잡 샵(Job-shop)은 현대적이면서도 복잡한 공정들의 순서를 최적화하는 시스템적인 방법이다. 작업을 설정하기 위해 요구되는 수학적 난이도가 매우 높지만 현실적인 공정의 문제나 시간 제약 안에서 공정의 작업을 수행하는 데 획기적인 방법이다. 이러한 시스템은 현재 반도체 생성 공정에서 가장 많이 사용된다.
제품 생산 라인은 간단한 도식으로 나타낼 수 있다. 어떤 공정에 컨베이어 벨트와 생산해야 할 제품의 원판이 있다. 컨베이어 벨트 위에 놓여진 제품은 벨트의 움직임에 따라 일정한 지점에 도달하게 되고 사전에 설정한 공정 작업이 이루어진다. 작업이 진행되는 데는 일정한 시간이 소요된다. 첫 번째 공정이 끝난 제품은 다음 공정으로 이동한다.
어떠한 제품이 생산되기 위해서 1지점과 2지점에서 특정한 작업을 수행해야 한다고 가정해보자. 1지점에서 작업을 수행하고 2지점까지 이동하는 데는 10초가 걸리고, 2지점에서 작업을 수행하고 완제품을 수령하는 지점까지 5초가 걸린다면 이론적으로는 전체 공정에 15초가 소요된다.
그러나 실제로 설비를 운용하다 보면 인간이 예측할 수 없는 일이 발생한다. 예를 들어 반도체 공정에서 갑자기 기계가 멈추면 다시 최적화된 스케줄과 경로를 설계해서 현장에 재적용해야 하는데, 이러한 경우까지도 사전에 고려해서 공정을 설정해야 한다.
공정은 정해진 순서대로 진행돼야 한다. 어떤 제품을 생산하기 위해 A작업과 B작업이 차례로 이루어져야 한다고 가정했을 때, B작업이 A작업보다 선행되면 중대한 오류가 발생한다. 또한 A작업과 B작업이 동시에 진행돼서도 안 된다.
이러한 상황에서 GNN(그래프 뉴럴 네트워크)와 강화학습은 공정 적용에 매우 효과적이다. 반복적인 강화학습과 GNN 스케줄러의 구조를 이용하면 다양한 경우의 수를 고려해 공정을 효과적으로 개선할 수 있기 때문이다.
일반적으로 인공지능을 이용해 학습을 진행할 때는 인풋에 주로 텍스트나 음성 등을 지정하지만, JSSP는 그래프 자체를 인풋으로 설정해 스케줄링 과정을 그래프의 연속으로 표현한다. 이 과정에서 외부의 정보나 특징을 계속해서 업데이트해서 최적의 그래프를 만들어 내야 한다. 그렇지 않으면 공정의 성능은 계속 뒤처진다.
박준영 박사과정생은 "조합최적화 과제는 그래프를 이용해서 해결하기에 매우 용이하다"는 장점을 언급하며 "현재에도 JSSP는 다양한 산업 현장에서 응용되고 있지만 앞으로 해결해야 할 문제들이 많으니 끊임없는 연구가 필요하다"고 강조했다.
ICCV는 국제 컴퓨터 비전 학회로 CVPR, ECCV와 함께 세계적으로 권위 있는 컴퓨터 비전학회로 손꼽힌다. 메이저 국제 인공지능 학회 중 유일하게 국내에서 개최됐으며, 지난 10월 27일부터 11월 2일까지 일주일간 서울 코엑스에서 진행됐다.
현장에서는 메타러닝, 3D 데이터를 이용한 딥러닝 등 다양한 주제의 발표가 진행됐다. 그중에서도 유 박사는 "이미지 복원 기술을 이용해 폭우가 내리는 날 찍은 흐릿한 사진을 선명하게 보정하고, 카메라에 맺힌 물방울까지 찍힌 사진을 맑은 날 찍은 것처럼 만드는 기술이 흥미로웠다"고 전했다.
유 박사는 "발표 수준이 높고 재미있는 체험거리도 많았다"며 행사에 대한 만족감을 나타내면서 "최근 중국에서 수준 높은 연구가 진행되고 논문도 많이 나오고 있는데 우리도 훌륭한 성과를 내기 위해 노력해야 한다"는 의견을 덧붙였다.
한편 AI프렌즈 학술세미나는 '혁신네트워크: AI프렌즈'에서 AI멤버십 모임과 함께 격주로 진행하는 행사로, 페이스북의 AI프렌즈 페이지를 통해서 모임과 행사 일정 등을 안내받을 수 있다.
댓글 정렬