ウルサン科学技術院（UNIST）半導体素材・部品大学院のチョン・チャンウク教授の研究チームが、半導体のプロセスやパッケージング過程で熱が広がる経路と応力が集中する位置を予測できる新たな人工知能（AI）ベースのデータ補正アルゴリズムを開発したと26日明らかにした。
当該研究成果は、人工知能分野の三大国際学会とされる国際表現学習学会（ICLR）2026に採択された。半導体の敵と呼ばれる熱は、工程過程で特定部位に偏在したり制御が難しい場合、性能低下や亀裂、破損につながり得る。
研究陣は新しい入力データを既存の学習データ基準に合わせて再整列する「パイ（π）不変テスト時点補正」アルゴリズムを開発し、半導体プロセスに適用した。このアルゴリズムは「学習範囲外の入力」を物理法則を守りながら学習範囲内の見慣れた形に変換する役割を果たす。
新しい入力データが入ると、まずπ値を基準に既存の学習データのうち物理的に最も類似したデータを探し、これと近い条件に整えたうえでAIモデルに入力して計算するようにした。
とりわけ別途の再学習なしに既存AIモデルにそのまま接続して使えるため経済的であり、学習データをすべて逐一比較する代わりに類似データ同士を束ねて代表値だけを比較する方式を適用し、計算負担を減らしたと研究チームは説明した。
研究チームはアルゴリズムを熱伝導と線形弾性の問題に適用した。テストの結果、既存モデルが苦手としていた新しい条件でも安定的な予測が可能であることが示された。平均絶対誤差は最大約91%まで減少した。
研究チーム関係者は「半導体チップの熱設計、パッケージ信頼性評価、バッテリーの熱管理、構造物の安全解析など、規模と条件が絶えず変化する多様な工学シミュレーションで計算時間とコストを削減するのに活用される」と述べた。