현재 많은 센서들이 일상 생활과 다양한 산업 분야에서 활용되고 있습니다.

(자막)

현재 많은 센서들이 일상생활과 다양한 산업분야에서 활용되고 있습니다.

(슈퍼컴퓨팅응용센터 정민중 센터장) 안녕하세요. 슈퍼컴퓨팅응용센터 센터장을 맡고 있는 정민중입니다.

[기계 학습을 이용한 신호데이터 분석 장치]

기계 학습을 이용한 신호 데이터 분석 장치는 센서들이 감지해서 생산하는 실시간 데이터를 분석해서 자동차라든지 전자장비 건물의 안전성 진단 및 상태 등을 예측하는 장치입니다. 센서로 이루어진 장치들로 예를 들자면 자장 센서 같은 경우에는 건물 내부에 어떤 금속물의 손상 즉 구조물의 손상을 파악한다든지 또는 자동차에 있어 가지고 부품의 불량을 판단한다든지 어떤 소음인지 아니면 대형의 폭파 음인지 총소리가 되는지는 등을 식별하는 등 다양하게 활용될 수 있습니다. 

센서를 통해서 수입된 데이터에 대해 분석을 하게 되는데요. 형상 분석, 주성분분석 그리고 푸리 변환 등 기초적인 분석과 데이터를 학습시키기 위한 전처리 과정을 수행하고 여기에 현재 자체적으로 개발된 기계 학습을 실시하여서 목표하는 상태를 분석하는 현장 장치로 적용이 가능합니다.

[주요 기능과 활용가치]

이 기술은 보통 저희가 이제 많이 쓰는 센서들이 어떤 상태를 파악할 수 있는 걸로 우선 진동 센서라든지 그리고 특정한 소음이나 이런 걸 느낄 수 있는 음향 센서 그리고 화재 등에서 많이 쓰는 염기 센서, 광 센서 등 다양한 센서를 이용할 수가 있습니다. 

이러한 다양한 센서들은 단순히 어떤 형태의 사건이 발생하는 것을 감지하는 것뿐만이 아니고 우리가 측정하고자 하는 대상의 어떤 변화라든지 여기에 따른 대응방법을 제공할 수 있도록 저희가 기술을 설계하였습니다. 여기서 이제 특정한 상태란 것은 쉽게 말씀드리면 자동차 같은 경우에는 어떤 부품의 불량이라든지 파손 그리고 건축물의 경우에는 건축물의 노화 또는 균열 이런 것들을 파악할 수 있겠죠. 경우에 따라서 군사적인 측면이나 경호적인 측면에서 어떤 소음과 특정한 총소리를 구별해서 파악할 수 있는 그 센서를 통해 데이터를 가지고 파악할 수 있는 기술을 말하게 되겠습니다. 특히, 진동 센서나 연기 센서들은 대상물에 부착을 해놔야 되는데 음향 센서 같은 경우에는 원거리에서도 단순히 소리만 수집하면 대상물의 상태를 파악할 수 있으므로 대단히 적용상 용이한 점이 있습니다.

[기술을 개발하게 된 배경]

저희의 슈퍼컴 자원을 활용해서 데이터를 분석함으로써 저희가 알고 싶어하는 어떤 현상을 파악하고 거기에 대한 대응 방법을 만드는 쪽으로 데이터 기반의 연구들이 많이 진행이 되고 있고 그런 측면에서 센서에서 측정된 데이터를 분석하고 거기에서 우리가 원하는 학습을 시켜서 어떤 대상체에 대한 판단이라든지 결정을 할 수 있는 시스템을 만들 수 있는 계기가 되었습니다.

이번에 저희가 이제 개발한 그 기술 자체는 저희가 이제 자체적으로 개발한 C 프로그램 기반의 기계 학습 모델이 되겠습니다. 데이터의 입력, 기계 학습 출력, 상태 분석 예측에 이르는 전 과정에 대해서 자체적으로 프로그램을 확보해서 이를 다양한 형태의 장치, 현장 장치에 직접 적용할 수 있는 것이 가장 큰 특징이라고 볼 수 있겠습니다.

[대표적인 기술 활용 사례]

저희가 이제 적용한 대표적인 사례로서는 그 자동차에 이제 수많은 모터들이 채용이 되고 있습니다.

쉽게 생각하면은 측면에 보이는 이제 창문을 올리는데 아니면 핸들을 조작하는데 또는 의자를 움직인다든지 여러가지 모터가 자동차에 많이 사용되는데 이러한 그 공장에서 생성되는 모터를 단순히 음향 센서만으로 생산 과정에서의 문제가 있는지 파악하는데 적용할 수가 있었고 저희가 실제 적용을 해봤습니다. 그래서 상당히 우수한 성능을 거둔 걸 알 수가 있었고요. 더 나가서 최근에 이런 센서 데이터 분석하는 기술을 이용해서 어떤 소음 속에서 만약에 커다란 총소리가 났을 때 총소리를 구별해 낼 수 있을까라는 측면에서 적용을 했는데 훌륭한 성능을 다 보여서 향후에 일을 경호라든지 또는 국방 분야에 사용할 예정으로 진행하고 있습니다.

[기술개발 중 어려웠던 점]

수집된 데이터의 품질이 개발된 기계 학습에 어떤 영향을 미치기 때문에 즉 수입된 데이터를 보다 정확히 파악하고 이것이 센서 측정에서 발생한 단순한 오류 또는 불량, 이러한 문제가 있는 신호인지 또는 특정된 신호에 취득하는 여러가지 장치 설정에 따라서 출력되는 데이터의 변이가 발생합니다. 이러한 변이가 실제로 풀고자 하는 문제의 영향을 주지 않는지 그래서 이렇게 데이터의 품질에 따라서 연구의 투입되는 비용이 상실되기 마련인데 이를 최소화하는 것 즉 데이터의 품질을 스스로 확보할 수 있을 만큼 데이터에 대한 기술적인 처리 문제가 가장 큰 문제였습니다. 또 하나의 문제는 우리가 이제 많은 경우에 실제 센서는 노이즈가 있을 수밖에 없습니다. 근데 이 노이즈 안에 특정한 우리가 원하는 형태의 시그널이 들어갈 수가 있거든요.

즉 노이즈와 우리가 원하는 신호를 분리를 얼마나 잘 해낼 것인가 이거 역시 큰 장애물 중에 하나라고 볼 수가 있겠습니다.

[난관을 극복한 방법]

그러한 이제 장애물을 해소하기 위해서는 하나의 알고리즘을 적용하는 것이 아니고 여러 알고리즘을 복합적으로 적용하는 일종의 의료 분야에서 말하는 칵테일로 요법이 될 수가 있는데요. 이런 형태의 복합적인 알고리즘을 적용하는 능력이 필요하고요. 이 각각의 알고리즘에 대한 충분한 이해와 이 알고리즘들이 서로간에

어떠한 영향을 미치고 우리가 원하고자하는 기계학습 시스템의 성능에 영향을 미칠 수 있는지에 대한 어떤 예측을 할 수 있는 능력이 필요한데요. 그런면에서는 저희가 이제 많은 형태의 어떤 현장 연구를 통해서 기술력을 확보를 하였고 더 나아가서 데이터의 분석에 있어 가지고 어려움을 저희는 슈퍼컴퓨터를 활용해서

신속하게 풀 수 있다는 장점에서도 큰 도움을 받고 있습니다.

[보람찼던 순간]

이러한 기계 학습 장치를 개발했을 경우, 기술을 개발했을 경우, 현장에 적용될 때 사실 가장 큰 즐거움이 있을 수가 있는데요. 보통 예상되는 성능보다 조금은 부족하거나 문제가 발생할 경우도 많이 있는데 어떤 경우에는 예상했던 것보다 훨씬 더 좋은 형태의 성능을 발휘할 때 그리고 학습에 사용된 데이터가 아니고 현장에서 다양하게 측정되서 입력되는 데이터에서도 안정적으로 성능을 보였을 때, 우리가 개발한 기술이 현장에서 유효한 의미가 있는 기술이라는 걸 느꼈을 때 굉장히 많은 보람과 즐거움을 느낄 수가 있었습니다.

[슈퍼컴퓨팅응용센터, 앞으로의 계획]

슈퍼컴퓨팅응용센터는 저희가 이제 슈퍼 컴퓨터를 활용해서 데이터를 분석하거나 또는 기계 학습해서 어떤

현상을 예측하는 슈퍼컴퓨터에서 활용할 수 있는 기술을 제작하고 여러 연구자한테 공급을 하고 있습니다.

이러한 그 슈퍼컴퓨팅 기술 자체가 나노 소재·계산과학·바이오의료 등 다양한 분야에 대해서 여러가지 효과적인 연구의 도구로써 사용될 수 있게 지금 저희가 제공을 하고 있고, 이를 통해 가지고 슈퍼컴퓨터와 슈퍼컴퓨터를 활용할 수 있는 기술 그리고 거기서 얻어지는 다양한 형태의 연구 결과물이 우리 사회에 많은 그 발전의 기여하고 또한 창의적이고 안전한 사회 발전에 특히 기여할 수 있도록 저희가 노력하는 것이 큰 목표가 되겠습니다.