METAL

MIT, 혼돈계 AI 모델 경계 보장 기법 발표

에너지 비슷한 함수와 경계를 배우고 투영층으로 에너지 감소를 강제해 장기 예측이 폭주하지 않게 했다. 날씨·기후·난류 모델에 쓸 수 있다며 코드를 오픈소스로 공개했다.

MIT, 혼돈계 AI 모델 경계 보장 기법 발표 · Image: METAL LAB

이미지: METAL

요약

  • MIT 정보·의사결정시스템연구소 연구진은 11월 20일 혼돈계를 흉내 내는 AI 모델의 예측이 경계 밖으로 폭주하지 않음을 형식적으로 보장하는 기법을 PNAS 논문으로 발표했다.
  • 모델은 에너지 비슷한 함수와 경계를 함께 배우고, 투영층이 경계 밖에서 에너지가 줄어들도록 강한 제약을 걸어 궤적을 경계 안으로 끌어들인다.
  • 로렌즈 96 시험에서 분포 차이(KL 발산)는 제약 없는 모델 9.7856에서 0.4078로 줄었고, 연구진은 현실적인 날씨 시스템 모델로 시험을 넓힐 계획이다.
발표
2026년 11월 20일 MIT News(LIDS) · 논문 PNAS 게재 · 오픈소스 코드 공개
논문
Learning dissipative chaotic dynamics with boundedness guarantees
연구진
쑨보천 탕(항공우주공학과 박사과정) · 나비드 아지잔(기계공학과·IDSS 헤이스 부교수, LIDS 책임연구자) · 테미스토클리스 삽시스(기계공학과 교수)
방법
에너지 비슷한 함수·경계 동시 학습 · 투영층이 경계 밖 에너지 감소를 강한 제약으로 강제 · 모델 구조와 무관
시험 시스템
로렌즈 63 · 5차원 로렌즈 96 · 32차원 쿠라모토-시바신스키 축소 모델
KL 발산
로렌즈 96 9.7856 → 0.4078 · KS 축소 모델 3.0557 → 0.8355 (제약 없는 모델 → 새 모델, 논문 공개본)
스펙트럼 상대 오차
로렌즈 96 164.10 → 0.0213 · KS 축소 모델 244.47 → 0.0001
학습 데이터
로렌즈 63 200걸음 궤적 10개 · 로렌즈 96 500걸음 궤적 4개 · 은닉층 2개 신경망
후속
같은 팀 후속 연구 L4DC 최우수 논문상 · 다음 시험은 현실적인 날씨 시스템 모델
지원
매스웍스 · MIT-아마존 사이언스 허브 · MIT-구글 컴퓨팅 혁신 프로그램 · MIT-IBM 왓슨 AI 랩

MIT 정보·의사결정시스템연구소(LIDS) 연구진이 날씨와 기후, 난류처럼 혼돈 상태로 움직이는 시스템을 흉내 내는 AI 모델이 오래 돌려도 물리적으로 불가능한 값으로 폭주하지 않게 막는 기법을 발표했다. MIT는 11월 20일 이 연구를 소개하며 기계학습 모델에 혼돈계 예측의 경계를 형식적으로 보장한 첫 연구라고 밝혔다. 논문 「Learning dissipative chaotic dynamics with boundedness guarantees」는 미국국립과학원회보(PNAS)에 실렸고, 연구진은 코드를 오픈소스로 함께 공개했다.

연구는 MIT 대학원생 쑨보천 탕과 나비드 아지잔 교수, 테미스토클리스 삽시스 교수가 함께 했다. 탕은 항공우주공학과 박사과정생이고, 아지잔은 기계공학과와 데이터·시스템·사회연구소(IDSS)의 헤이스 부교수이자 LIDS 책임연구자다. 삽시스 기계공학과 교수는 "복잡한 비선형 시스템에서 응답이 유한하다는 보장이 없다는 점은 데이터 기반 모델을 세우는 데 늘 큰 걸림돌이었다"며 이번 방식이 "본질적으로 불안정한 문제까지 포함해 수많은 실제 문제에 가장 앞선 기계학습 구조를 예측과 제어에 쓸 길을 연다"고 말했다.

문제는 자기 출력을 다음 입력으로 쓰는 자기회귀 방식에서 생긴다. 혼돈계는 처음 조건이 아주 조금만 달라도 결과가 크게 갈라지고, 학습 데이터는 시스템이 실제로 오가는 영역의 일부만 담는다. 아지잔 교수는 "모델은 짧은 기간 데이터와 잘 맞아도 오래 돌리면 실패할 수 있다"며 "작은 오차가 쌓여 시뮬레이션이 끝없이 커지는 값을 내놓는다"고 설명했다. 그는 "혼돈이 무엇이든 일어날 수 있다는 뜻은 아니다. 이런 시스템은 대개 경계 안에 머물고, 모델도 그래야 한다"고 덧붙였다.

기존 해법은 학습 중에 벌점이나 보상을 주는 방식이었다. 탕은 이런 장치가 학습 단계에만 작동해 실제 사용에서 새 입력을 만나면 제약을 지킨다는 보장이 없다고 지적했다. 온도를 100도에서 자르는 식으로 임의의 상한을 두면 경계는 지켜도 데이터에서 배워야 할 복잡한 특징을 담지 못한다는 설명이다. 연구진의 답은 에너지 기반 제약이다. 모델은 시스템의 움직임과 함께 에너지 비슷한 함수, 그리고 혼돈이 머물러야 할 경계를 데이터에서 배운다. 마지막에 붙는 투영층이 경계 밖에서는 이 에너지가 반드시 줄어들게 강제해, 예측 궤적이 경계 안쪽으로 끌려 들어오게 만든다. 연구진은 이를 강한 제약이라 부르고, 학습을 유도만 하는 기존 방식을 약한 제약이라 구분했다.

실험은 단순한 교과서 사례에서 고차원 시스템까지 세 단계로 짜였다. 첫 시험 대상은 대기 대류를 단순화한 로렌즈 63 모델이다. 논문 공개본에 따르면 학습 모델이 5만 걸음 동안 굴린 궤적은 실제 시스템의 나비 모양 끌개를 그대로 그렸고, 학습한 에너지 경계는 끌개를 바짝 둘러쌌다. 이어 5차원 로렌즈 96 모델과 쿠라모토-시바신스키 방정식을 32차원으로 줄인 모델에서 연구진은 같은 데이터로 학습한 일반 다층 퍼셉트론과 결과를 견줬다. 비교 대상 다층 퍼셉트론은 유한 차원에서는 신경 연산자와 DeepONet에 해당하는 구조다.

기계학습 모델이 재현한 로렌즈 63 시스템의 나비 모양 끌개와 그 둘레에 학습된 경계, 경계 밖에서 안쪽으로 끌려 들어오는 궤적을 그린 그림

차이는 수치로 갈렸다. 제약 없는 모델은 두 시스템 모두에서 끌개를 벗어난 뒤 유한한 시간 안에 값이 폭주했다. 예측 분포와 실제 분포의 차이를 재는 쿨백-라이블러 발산은 제약 없는 모델이 로렌즈 96에서 9.7856, 축소 모델에서 3.0557이었고, 새 모델은 각각 0.4078과 0.8355였다. 푸리에 에너지 스펙트럼의 상대 오차는 제약 없는 모델이 164.10과 244.47, 새 모델이 0.0213과 0.0001이었다. 학습 데이터도 적었다. 로렌즈 63은 200걸음짜리 궤적 10개, 로렌즈 96은 500걸음짜리 궤적 4개로 배웠고, 모델 본체는 은닉층 2개짜리 작은 신경망이었다.

메탈이 확인한 논문 공개본의 결론부는 이 결과를 데이터가 비싼 물리 시스템에 연결한다. 연구진은 같은 데이터로 학습한 제약 없는 모델이 폭주했다는 점이 형식적 보장의 필요성을 보여 준다고 적고, 추가 데이터나 연산 없이 물리 원리에서 나온 귀납 편향만으로 모델 품질을 끌어올릴 수 있다고 밝혔다. 아지잔 교수는 "AI 모델은 데이터가 많은 영역에서 빛나지만 많은 물리 시스템은 데이터가 그만큼 풍부하지 않다"며 "물리 법칙이 또 하나의 정보원이 되기 때문에 이런 접근이 큰 도움이 된다"고 말했다. 메탈은 구글 딥마인드가 날씨 AI 데이터셋 2종을 공개한 소식을 보도한 바 있다.

쓰임새는 기후에 그치지 않는다. 연구진은 난류가 항공 운항을 흔들고 풍력 터빈 효율과 차량 연비를 떨어뜨린다는 점을 들며 산업 공정과 항공, 수문학 모델에도 이 방식을 쓸 수 있다고 밝혔다. 아지잔 교수는 투영층이 특정 모델에 묶이지 않아 여러 신경망 구조와 함께 쓸 수 있다고 설명했다. 탕은 "현실적인 날씨 시스템의 데이터 기반 모델에서 얼마나 잘 작동하는지 확인하려 한다"고 다음 단계를 밝혔다. 같은 팀의 후속 연구는 올해 동역학·제어 학습 학회(L4DC)에서 최우수 논문상을 받았다. 연구는 매스웍스와 MIT-아마존 사이언스 허브, MIT-구글 컴퓨팅 혁신 프로그램, MIT-IBM 왓슨 AI 랩의 지원을 받았다.

AI 엔지니어의 눈으로 보면 이번 연구가 옮긴 것은 검증의 자리다. 학습 중 벌점에 기대는 모델은 장기 예측에서 폭주하지 않는다는 점을 실제로 오래 돌려 보기 전까지 알 수 없었다. 투영층은 그 성질을 구조에 박아 넣어, 처음 보는 입력에서도 출력이 물리적으로 말이 되도록 만든다. 남은 검증은 5차원과 32차원 시험에서 거둔 결과가 훨씬 큰 실제 날씨 모델에서도 유지되는지다. 아지잔 교수는 "고위험 응용에는 모델이 대개 잘 작동한다는 증거가 아니라 늘 지켜져야 하는 성질에 대한 보장이 필요하다"며 "원칙을 AI 모델을 시험하는 방식만이 아니라 만드는 방식의 일부로 삼는 것이 목표"라고 말했다.

김현국

METAL 발행인 · 아카이브저널 발행인 · 이라선 운영

매거진·서점·교육을 오래 해 온 편집자예요. 라이프스타일 매거진 <아카이브저널>을 발행하고, 아트 서점 <이라선>을 운영했으며, 라이카 아카데미에서 디렉터로 사진 교육 프로그램을 만들고 이끌었어요. 그 시선으로 전 세계 AI 소식을 독자에게 전하는 메탈(METAL) 매거진 편집장입니다.

이 에디터의 기사 더 보기 →

공유

댓글

METAL for iPhone

AI 뉴스, 이제 앱에서 읽으세요.

METAL 앱을 다운로드하고 매일 새로운 AI 기사를 만나보세요.

App Store에서 다운로드

iPhone용 앱 · 무료 다운로드

iPhone의 App Store에서도 ‘메탈 AI 매거진’을 검색할 수 있습니다.