AI-World-Story

DARTS 기반 자동 신경망 설계가 인버터 고장 진단과 엣지 AI 배포 성능을 동시에 높였다 태양광과 풍력 발전이 늘어나면서 전력을 변환하는 인버터의 중요성이 커지고 있다. 하지만 인버터 내부 반도체가 고장 나면 전력 품질이 떨어지고 시스템 전체가 멈출 수 있다. 문제는 일부 고장이 서로 매우 비슷한 파형을 만들어 기존 진단 방식으로는 구분하기 어렵다는 점이다. 2026년 발표된 연구에서는 이런 문제를 해결하기 위해 DARTS(Differentiable Architecture Search)라는 자동 AI 설계 기술을 활용했다. 연구진은 사람이 직접 신경망 구조를 설계하는 대신 AI가 스스로 최적의 진단 모델을 찾도록 만들었다. 그 결과 고장 진단 정확도는 *99.44%*를 기록했고, 모델 크기는 0.2417M 파라미터에 불과했다. 또한 NVIDIA Jetson Orin Nano 같은 엣지 장치에서도 실시간에 가까운 속도로 동작했다. 전력전자 분야에서는 왜 이런 접근이 중요할까. 그리고 AI가 스스로 설계한 모델은 기존 방식보다 무엇이 달랐을까. 멀티레벨 인버터는 높은 성능 대신 고장 진단이 어려워졌다 현대 전력 시스템은 단순한 2레벨 인버터보다 CHMI(Cascaded H-Bridge Multilevel Inverter)를 많이 사용한다. CHMI는 여러 개의 H브리지를 직렬로 연결해 보다 부드러운 전압을 출력한다. 전압 품질이 좋고 고출력 시스템에 적합하기 때문에 태양광 발전소, 전기차 구동장치, 충전소 등에서 널리 활용된다. 하지만 장점이 많아질수록 문제도 생긴다. 출력 단계를 늘리려면 IGBT라는 전력 반도체 스위치가 더 많이 필요하다. 반도체 개수가 증가할수록 고장 가능성도 높아진다. 특히 연구진은 개방회로 고장(Open-Circuit Fault, OCF)에 주목했다. OCF가 발생하면 특정 스위치가 더 이상 정상적으로 전류를 흐르게 하지 못한다. 그러면 전압과 전류 파형이 왜곡되고 장기적으로 다른 부품에도 손상을 줄 수 있다. ...

새로운 AI 모델은 뉴스 문장과 사진을 동시에 분석해 가짜뉴스를 더 정확하게 찾아낸다 소셜미디어에서 가짜뉴스가 퍼지는 속도는 점점 빨라지고 있다. 과거에는 기사 제목이나 본문만 조작하면 됐지만, 최근에는 실제 사진과 비슷한 이미지를 함께 사용하거나 문맥을 교묘하게 왜곡하는 방식이 많아졌다. 그래서 단순히 텍스트만 분석하는 AI로는 가짜뉴스를 충분히 잡아내기 어려워지고 있다. 이 문제를 해결하기 위해 2026년 발표된 연구에서는 MMCN_TCMB라는 새로운 멀티모달 가짜뉴스 탐지 모델을 제안했다. 연구진은 뉴스의 문장뿐 아니라 함께 게시된 이미지까지 동시에 분석하도록 설계했다. 그 결과 정확도 97.436%, 재현율 97.988%, F1 점수 97.098%를 기록하며 기존 방법보다 우수한 성능을 보였다. 이 연구가 중요한 이유는 단순히 정확도가 높기 때문만은 아니다. AI가 텍스트와 이미지 사이의 불일치를 찾아내는 방식으로 가짜뉴스를 판별한다는 점에서 실제 SNS 환경에 더 가까운 접근법을 제시했기 때문이다. 가짜뉴스 탐지가 점점 어려워지는 이유는 텍스트와 이미지가 함께 조작되기 때문이다 초기의 가짜뉴스 탐지 연구는 대부분 기사 본문이나 제목만 분석했다. 하지만 최근 가짜뉴스는 단순한 거짓 문장이 아니다. 실제 사건 사진을 다른 사건에 끼워 넣거나, 오래된 사진을 현재 상황처럼 소개하거나, 이미지와 문장의 의미를 일부러 어긋나게 만드는 방식이 흔하게 사용된다. 예를 들어 실제 사진은 진짜지만 설명 문장이 거짓인 경우가 있다. 반대로 문장은 사실에 가까워도 이미지가 조작된 사례도 존재한다. 이런 경우 텍스트만 분석하면 진짜로 판단할 가능성이 높다. 연구진은 이러한 한계를 해결하기 위해 텍스트와 이미지를 동시에 이해하는 멀티모달 구조를 설계했다. 연구진은 문장에서 중요한 의미를 먼저 추출했다 AI가 뉴스를 읽으려면 먼저 문장을 숫자 형태로 변환해야 한다. 연구에서는 BERT를 사용해 문장을 토큰 단위로 분해했다. BERT는 문장 속 단어를...