황원주 교수팀, 세계 최고 권위 AI 학술 대회 ‘‘ICLR 2025’ 논문 채택

부산대학교 무선인공지능 연구실 황원주 교수팀이 제안한 연구논문이 ICLR(International Conference on Learning Representations) 2025 Main Conference에 채택되는 쾌거를 이루었다. 이번 성과는 우리 학부의 인공지능융합혁신인재양성사업과 ITRC Digital-X AIoT연구센터의 지속적인 지원 덕분이다

**사진 설명:

왼쪽부터 연구 지도를 맡은 황원주 교수(교신저자), 박진선 교수(공동 교신저자), *박사 과정생 Minh-Duong Nguyen(제1 저자), *석사 과정생 Nguyen trong Binh(제1 저자).

ICLR은 기계 학습 및 딥러닝 분야에서 최고 권위를 자랑하는 학회로, 엄격한 심사와 오픈 리뷰 시스템을 통해 연구 수준을 높이고 있다. 강화 학습, 딥러닝 최적화, 자연어 처리 등 첨단 기술을 다루며, 구글, 메타, 엔비디아, 테슬라, 현대자동차 등 글로벌 기업들이 이곳에서 발표된 연구를 바탕으로 신기술 개발과 산업 혁신을 이끌고 있다.

황원주 교수팀은 연합 학습(federated learning)과 도메인 일반화(domain generalization) 문제를 동시에 해결하는 ‘FedOMG’ 기법을 제안하여 ICLR 2025 Main Conference에 논문이 채택되었다. 이 연구는 기존 연합 학습의 한계를 극복하고 분산 환경에서도 도메인 간 차이를 효과적으로 줄일 수 있는 중요한 기법으로 평가받는다.

기존 연합 학습에서는 각 클라이언트가 서로 다른 환경에서 데이터를 수집하다 보니, 데이터 분포 차이가 클 경우 서버에서 단순히 로컬 모델을 결합하면 오히려 모델 성능이 저하될 수 있다. 이러한 현상은 도메인 시프트(domain shift) 문제로 불리며, 의료, 금융, 스마트 기기 등 다양한 산업에서 연합 학습 도입에 장애 요인으로 작용해왔다.

아래 그림과 같이 FedOMG는 클라이언트의 원본 데이터를 직접 공유하지 않고도 서버 측 최적화를 통해 도메인 불변의 그래디언트 방향(invariant gradient direction)을 찾아내어, 도메인 간 차이를 효과적으로 완화하는 동시에 개인정보 보호를 유지한다. 예를 들어, 의료 분야에서는 병원마다 사용되는 장비의 해상도 차이나 국가별 환자 특성 등으로 인한 데이터 이질성이 큰 분산 시스템에서도 우수한 성능을 보인다.

최근 황원주 교수팀은 과학기술정보통신부의 양자컴퓨팅 기반 물류 최적화 연구 과제에 선정되어 부산항의 글로벌 경쟁력 강화 방안을 모색하고 있다. 연구팀은 양자컴퓨터를 활용해 복잡하고 불확실성이 높은 항만 물류 문제를 해결하는 데 도전 중이며, 부두 안벽 크레인 운영, 선박 입항 시각 조정, 크레인 작업 지연 등 항만 운영의 핵심 과제를 최적화하여 물류 효율을 극대화하는 것을 목표로 하고 있다.

그동안 황원주 교수팀은 국내외 학술지에 170여 편의 논문을 발표하며 AI와 무선 네트워크 분야에서 학문적 성과를 인정받아왔다. 이러한 연구 역량을 바탕으로, 연구실은 초거대 AI와 양자컴퓨팅 기술 등을 활용한 혁신적 접근 방식을 통해 네트워크 최적화뿐 아니라 다양한 산업 분야에 새로운 해법을 제시할 것으로 기대된다.