MIT 연구진, 표 형식 파운데이션 모델을 활용해 복잡한 엔지니어링 설계를 100배 더 빠르게 최적화하는 기술 개발

섹션별 상세

01

기존 Bayesian Optimization은 변수가 많아질수록 Surrogate Model의 재학습 비용이 기하급수적으로 증가하여 고차원 문제 해결에 한계가 있었다.

02

연구진은 대량의 표 형식 데이터로 사전 학습된 Tabular Foundation Model을 도입하여, 매 반복마다 모델을 새로 학습시킬 필요 없이 즉각적으로 최적의 탐색 지점을 예측하도록 설계했다.

03

GIT-BO 알고리즘은 수백 개의 설계 기준 중 결과에 가장 큰 영향을 미치는 핵심 변수(High-impact variables)를 지능적으로 선택하여 탐색 범위를 좁힘으로써 계산 효율을 높인다.

04

60개의 벤치마크 테스트 결과, 전력 시스템 및 자동차 설계와 같은 복잡한 엔지니어링 문제에서 기존 최첨단 알고리즘 대비 10배에서 100배 빠른 최적화 속도를 달성했다.

05

이 기술은 파운데이션 모델을 단순한 언어/이미지 처리를 넘어 과학 및 공학 도구의 핵심 알고리즘 엔진으로 확장했다는 점에서 큰 의의를 가지며, 향후 신소재 개발이나 신약 발견에도 응용될 수 있다.