물리 지식 결합 AI로 폐플라스틱 수소량 예측

계명대학교 안유찬 화학공학과 교수 연구팀이 폐플라스틱 가스화 공정에서 발생하는 수소 생산량을 예측하는 물리기반 신경망(PINN) 프레임워크를 개발했다. 반응 과정의 물리 법칙을 인공지능 학습에 결합해, 사용할 수 있는 공정 데이터가 매우 적은 조건에서도 예측 정확도를 유지하도록 설계한 것이 핵심이다.

연구팀은 기존 인공신경망(ANN)의 한계를 보완하고자 반응 속도론과 열역학적 평형 조건을 손실 함수에 소프트 제약 형태로 반영했다. 이를 토대로 속도론 모델과 평형 모델, 두 조건을 함께 적용한 통합 모델 등 세 가지 PINN을 구축해 성능을 비교했다. 전체 학습 데이터의 1%만 사용한 환경에서도 PINN은 높은 예측 정확도를 유지했지만, 기존 ANN의 성능은 크게 낮아졌다.

기울기 기반 잔차 분석에서도 PINN의 예측 결과가 열역학 및 반응 동역학의 경향과 일치하는 것으로 확인됐다. 이번 성과는 단순화된 공정 데이터를 이용해 가능성을 검증한 개념 증명 연구다. 논문 제목은 ‘폐플라스틱 가스화 공정의 수소 생산량 예측을 위한 물리 정보 기반 대리 모델링’이며, 환경·지속가능 분야 국제학술지 ‘엔지니어링 어플리케이션스 옵 AI’에 최근 게재됐다.

연구팀은 물리 지식을 결합한 대리 모델이 폐플라스틱 기반 수소 생산 공정의 실시간 최적화와 제어 기술로 확장될 가능성을 확인했다. 계명대 화학공학과 손준혁 연구원이 제1저자, 정효진 연구원이 제2저자로 참여했고 안유찬 교수가 교신저자로 연구를 이끌었다. 연구 수행에는 한국연구재단 기초연구사업과 석사과정생연구장려지원사업의 지원이 활용됐다.