MERRIC인
조회수 1080 좋아요 2 댓글 0
기계학습 및 최적화 기법을 활용한 융합연구
김정현 (Junghyun Kim)(한동대학교 AI융합교육원 조교수) / junghyun.kim at handong.edu
1. 본인의 연구에 대해서 대략적인 소개를 부탁드립니다.

현장에서 발생할 수 있는 다양한 공학 문제들을 해결하기 위하여 저는 기계학습, 최적화, 그리고 고급 설계기법 등의 전문지식 및 기술들을 융합하여 다양한 기관 (FAA, Boeing, American Airlines, 한국항공우주연구원, 한국항공우주산업, 현대자동차, 삼성전자, CJ대한통운, CD-adapco, 한국환경정책평가연구원) 들과 함께 주어진 과제들을 해결해왔습니다. 아래의 그림은 공학 문제를 해결하는 데 있어 언급한 전문지식 및 기술들이 어떻게 융합되고 관련 해결책을 제시하는지에 대한 과정을 개념적으로 보여주고 있습니다. 본 신진연구자 인터뷰에서는 현재까지 제가 경험한 다양한 연구 내용들의 간략한 요약과 또한 향후 진행하게 될 연구에 대해 소개하는 것을 목표로 하고 있습니다.



2. FAA, Boeing, American Airlines, 현대자동차, 삼성전자, CJ대한통운 등 다양한 기관의 과제들을 진행해 오셨는데 실제로 어떤 문제를 어떻게 해결하였는지 주요 사례 등을 이야기해 주시면 좋겠습니다.

- 기계학습 기법을 활용한 코드 자동완성 기능 개발 (삼성전자 공동연구)

인공지능의 출현으로 언어 모델(Language Model) 개발의 패러다임이 통계적 접근 방식에서 기계학습 기반의 접근 방식으로 전환됨에 따라, 저는 Deep Learning 기술을 활용하여 펌웨어(Firmware) 소프트웨어 개발자에게 코드 자동 완성 기능을 제공하는 것을 목표로 삼성전자와 공동연구를 수행하였습니다. GPT-2 (Generative Pre-trained Transformer 2) 모델을 활용하여 삼성전자에서 개발한 특정 펌웨어 제품 C++ 소스코드를 학습하였으며 두 가지의 방법 (Deterministic Design vs. Probabilistic Design) 을 통해 해당 모델의 정확도를 평가하였습니다. 제안된 방법을 검증하기 위해 반도체 분야에서 널리 사용되고 있는 오픈소스코드(SimpleSSD) 을 사용하여 검증을 수행하였고, 그 결과 확률론적 설계 방법이 결정론적 설계 방법보다 정확한 예측 결과를 가져오는 것을 발견하였습니다. 본 연구의 결과물은 삼성전자 펌웨어 소프트웨어 개발자들에게 제공되었습니다. 아래의 그림은 개발된 방법론의 과정 및 흐름을 개념적으로 보여주고 있습니다.



- 택배 물류 유통 네트워크 최적화 (CJ대한통운 공동연구)

CJ대한통운이 기존의 택배 물류 유통 네트워크를 확장하기 위해 새로운 택배 허브 (Hub) 을 건설할 계획을 발표함에 따라, 저는 CJ대한통운에 운송비용을 최소화하는 택배 허브의 건설 위치를 추천하는 시스템 개발을 목표로 CJ대한통운 네트워크 최적화 팀 실무진과의 공동연구를 수행하였습니다. 가장 먼저 CJ대한통운의 실제 교통 네트워크 및 운송 데이터를 활용하여 해당 시스템의 검증을 수행하였고, 모델 검증 이후에는 실험 계획법(Design of Experiment), 선형 계획법(Linear Programming), 기계학습 기반의 대체 모델(Machine Learning-based Surrogate Model), 그리고 몬테카를로 시뮬레이션(Monte Carlo Simulation) 을 활용하여 새롭게 건설될 택배 허브의 가장 최적화된 위치를 탐색하였습니다. 그 결과, 대한민국 중부 특정지역에 해당 허브가 건설될 경우 전체 운송비용을 최적화할 수 있다는 결론을 도출할 수 있었습니다. 아래의 그림은 개발된 방법론의 과정 및 흐름을 개념적으로 보여주고 있습니다.



3. 현재는 도심 항공 모빌리티(Urban Air Mobility) 관련 연구를 진행하고 계신 걸로 알고 있습니다. 소개를 부탁드립니다.

현재까지 체득한 기계학습, 최적화, 그리고 고급 설계기법 등의 전문지식 및 기술들을 활용하여 도심 항공 모빌리티(Urban Air Mobility, UAM) 관련 연구들을 진행하고 있습니다. 특히, 아래의 그림에서 정의하고 있는 UAM 관련 5가지의 도전 과제 (교통 관리 시스템 구축, 항공 교통 통합, 기체 개발, 기체 생산, 소음 및 항공법) 을 해결하는 것을 목표로 하고 있습니다.



가령 교통 관리 시스템 구축 및 항공 교통 통합과 관련하여, 전 세계의 수많은 기업들이 현재 UAM 기체 개발에 힘을 쏟고 있다는 점을 감안할 때, UAM의 안전하고 효율적인 운영을 위해서는 UAM 관련 교통 관리 및 공역 통합 문제는 반드시 해결해야 할 문제라고 생각합니다. 이를 위해 현재 저는 대한민국에 적합한 UAM 공역 설계에 관한 연구를 진행하고 있으며, 공역이 설계된 이후에는 Georgia Institute of Technology 및 American Airlines에서 개발한 시스템을 활용하여 운영 안정성, 운영 효율성, 충돌 회피 안내, 그리고 도착 관리를 종합적으로 지원하는 조금 더 포괄적인 관점의 새로운 의사 결정 지원 시스템을 개발할 예정입니다. 그뿐만 아니라 미국 Federal Aviation Administration (FAA) 와 Aviation Environmental Design Tool (AEDT) 개발 관련 공동연구를 통해 체득한 전문지식 및 기술들을 활용하여 대한민국 도심 UAM의 소음 분석 관련 연구도 수행할 계획입니다.


4. 위 내용 외에 소개해 주실 연구가 있으시면 소개를 부탁드립니다.

위 내용 외에도 기계학습 및 최적화 기법을 활용하여 다양한 기관들과 (가령, Boeing, Chick-Fil-A, 현대자동차) 융합연구를 진행하였습니다. 자세한 내용은 아래의 홈페이지를 방문하시면 확인하실 수 있습니다.

https://junghyunandykim.wixsite.com/home/research


5. 최근까지 American Airlines의 연구원으로 근무했던 것으로 알고 있습니다. 구체적으로 어떤 업무를 수행하셨는지 소개를 부탁드립니다.

미국의 대부분의 항공사는 항공기가 이륙하기 이전에 기상 정보를 수집하여 비행시간을 최소화하면서 위험한 날씨 지역을 회피하는 비행경로를 생성합니다. 그러나, 기상 정보는 항공기가 이륙한 이후 바뀔 수 있으므로 조종사는 비행 중 처음에 생성되었던 경로에 대하여 비행 재계획(Flight Re-Planning) 을 수행해야 할 수도 있습니다. 현재 American Airlines는 이러한 비행 재계획 활동에 대해 완전하게 자동화하지 못했으며 이는 곧 조종사의 작업량 증가와 함께 비행 안전에 영향을 주는 요소로 인식되고 있습니다. 이러한 잠재적인 문제를 해결하기 위하여 저는 기계학습 및 최적화 기법을 활용하여 실시간 비행 항로를 자동적으로 추천하는 소프트웨어를 개발하였습니다. 해당 소프트웨어는 크게 다음과 같은 세 가지의 방법론을 제안하고 있습니다. 첫째, 그래프 기반 최적화 알고리즘(Graph-based Pathfinding Algorithm) 을 활용하여 비행시간을 최소화하는 항로를 탐색합니다. 둘째, 정확한 비행시간 예측을 위해 지도 학습(Supervised Machine Learning) 을 활용하여 바람을 예측하고 이를 이용해 항공기의 지상 속도를 계산합니다. 셋째, 안전한 비행을 위해 비지도 학습(Unsupervised Machine Learning) 을 활용하여 불안정한 대류 날씨 지역을 예측하고 이를 이용하여 우회할 수 있는 항로를 생성합니다. 제안된 방법론을 검증하기 위해 실제 비행 사례와의 비교 및 통계 분석을 수행하였고, 그 결과 개발된 소프트웨어가 추천한 비행 항로가 실제 비행 사례와 비교했을 때 대부분의 경우 약 2% 정도 비행시간을 감소했다는 것을 확인하였습니다.



6. 영향을 받은 연구자가 있다면? 또한 어떤 영향을 받으셨는지 궁금합니다.

한국항공우주연구원에서 연구원으로 재직할 당시 International Council of the Aeronautical Sciences (ICAS)라는 국제 학회에 참석할 기회가 있었습니다. 당시 Georgia Institute of Technology에 소속된 Aerospace Systems Design Laboratory, ASDL (https://www.asdl.gatech.edu/)의 학생들의 발표를 들으며 많은 것들을 배울 수 있었고 결국 해당 연구실 박사과정으로의 진학을 결심하게 되었습니다. 그렇게 만나게 된 Dr. Dimitri Mavris 지도 교수님을 통해 1) 학생들을 대하는 태도, 2) 토론 위주의 수업 방식, 3) 연구를 진행해 가는 과정, 4) 산업체와 의사소통하는 방법, 그리고 5) 전문가 수준의 발표 능력 등의 다양한 부분들을 배울 수 있었고 이러한 경험을 통해 저 또한 성장할 수 있었습니다.


7. 연구 활동하시면서 평소 느끼신 점 또는 자부심, 보람

Georgia Institute of Technology에서 박사과정을 보내는 동안에 연구실에서 연구 조교로 활동하며 미국 연방항공국(FAA) 와 협력하여 항공기 환경 평가 프로그램인 AEDT을 개발하였고, 소음 저감 이륙 절차(Noise Abatement Departure Procedure) 알고리즘을 해당 프로그램에 구현한 경험이 있습니다. 당시 대한민국 정부에서 지원하는 국비유학생 프로그램에 선발되어 국비유학을 진행하고 있었던 시기라 지도 교수님께 구현된 알고리즘을 활용하여 김포국제공항 사례연구를 해보고 싶다는 의지를 말씀드렸고 교수님의 허락 아래 김포공항 소음대책 위원회와의 공동연구를 진행하게 되었습니다. 해당 연구는 먼저 김포국제공항에서 제공하는 실제 운영 데이터를 활용하여 개발된 알고리즘의 검증을 수행하였고 이후에는 연료 및 소음을 목적 함수로 하는 문제를 형성하여 유전자 알고리즘(Genetic Algorithm) 을 활용하여 Boeing 737-800 항공기의 소음 저감 이륙 절차에 대한 최적화를 수행하였습니다. 그 결과 소음의 경우에는 약 5% 소음 노출 영역을 감소시킬 수 있었으며, 연료의 경우에는 기존 운항 절차 대비 약 1% 감소하는 것을 확인하였습니다. 해당 연구의 결과물은 김포국제공항 소음대책 위원회에 전달되었고, 돌이켜보면 이러한 과정을 통해 대한민국 항공산업에 기여할 수 있었다는 것은 저에게는 큰 보람이 되었던 것 같습니다.


8. 이 분야로 진학(사업) 하려는 후배들에게 조언해 주신다면?

개인적으로 저는 다음과 같은 인생의 좌우명이 있습니다. “5,000 인분을 먹을 수 있는 부자가 아닌 5,000 명을 먹일 수 있는 사람이 되자” 저는 이 분야로 진학 혹은 사업을 하려는 후배들에게 열심히 공부해서 혹은 연구/사업을 진행하며 주변을 살피고 남들에게 베푸는 그런 사람이 되라고 말씀드리고 싶습니다.


9. 다른 하시고 싶은 이야기들

소중한 자리를 준비해 주신 관계자분들께 진심으로 감사드립니다. 또한 바쁘신 가운데 저의 이야기에 관심을 보여주신 모든 분들께 진심으로 감사의 말씀을 드립니다. 추가적으로 궁금한 사항이 있으시다면, 언제든지 이메일로 문의해 주시면 해당 내용에 대하여 답변할 수 있도록 노력하겠습니다.


*. 김정현 교수의 최근(대표) 논문들

- Junghyun Kim, Simon Briceno, Cedric Justin, and Dimitri Mavris, “Designated Points-Based Free-Flight Approach to Enable Real-Time Flight Path Planning”, AIAA Aviation, August 2021.

- Junghyun Kim, Simon Briceno, Cedric Justin, and Dimitri Mavris, “Data-Driven Approach using Machine Learning for Real-Time Flight Path Optimization”, AIAA Journal of Aerospace Information Systems, July 2021.

- Junghyun Kim, Kyuman Lee, and Sanghyun Choi, “Machine Learning-Based Code Auto-Completion Implementation for Firmware Developers”, Applied Sciences – Special Issue in Applied Machine Learning, November 2020.

- Junghyun Kim, Kisun Song, Seulki Kim, Yongchang Li, and Dimitri Mavris, “Aircraft Mission Analysis Enhancement by using Data Science and Machine Learning Techniques”, AIAA Aviation, June 2019.

- Junghyun Kim, Dongwook Lim, Dylan Monteiro, Michelle Kirby, and Dimitri Mavris, “Multi-Objective Optimization of Departure Procedures at Gimpo International Airport”, International Journal of Aeronautical and Space Sciences, April 2018.


  • Machine Learning
  • Optimization
  • Advanced Design Method
  • Air Traffic Management
  • Urban Air Mobility
인쇄 Facebook Twitter 스크랩

  전체댓글 0

[로그인]

댓글 입력란
프로필 이미지
0/500자