인공지능

/

딥러닝 · 머신러닝

딥러닝 차세대 혁신기술 - 물리 정보 신경망 입문과 Pytorch 실습

딥러닝 차세대 혁신기술 중 하나인 물리 정보 신경망을 공부하고 Pytorch를 이용하여 직접 구현을 하는 강의입니다. 인공지능의 차세대 혁신기술을 저와 함께 배워봐요!

(5.0) 수강평 7개

수강생 106명

PyTorch딥러닝머신러닝인공신경망
Thumbnail

초급자를 위해 준비한
[딥러닝 · 머신러닝, 인공신경망] 강의입니다.

이런 걸
배워요!

  • 인공지능의 차세대 혁신기술인 물리 정보 신경망 개념

  • 파이토치을 이용한 물리 정보 신경망 구축

오뜨 띠배너 (11)

떠오르는 차세대 딥러닝 모델
물리 정보 신경망(PINN) ✨

최근 물리 법칙을 통합한 딥러닝 모델이 인공지능을 활용한 문제해결의 새로운 열쇠가 되고 있습니다. 젠슨황 엔비디아 CEO는 AI의 다음 물결은 물리적 세계를 학습하는 AI가 될 것이라며, 가능성을 강조하기도 했죠. 그 중 가장 주목받는 모델은 바로 물리정보신경망(PINN) 입니다.



[구글트렌드] physics-informed neural networks의 치솟는 관심도


물리 정보 신경망(Physics-informed neural networks)은 물리 정보를 학습하여 만들어진 인공 신경망입니다. 이는 신경망의 성능과 물리 정보의 결합을 통해 제한된 데이터로도 복잡한 시스템을 정확하게 구축할 수 있는 기술로써 산업 분야에서도 차세대 혁신 기술로 보고 있습니다.

인공지능(AI) 컴퓨팅의 선두를 달리는 엔비디아에서도 물리 기반 머신러닝 모델을 혁신 기술이라고 소개하며 자사의 AI 프레임워크 Modulus를 출시하였습니다. 엔비디아를 포함한 아마존, 필립스, 엑손모빌, 스페이스 엑스, BMW, 지멘스 등 많은 기업들이 물리 정보 신경망에 투자 및 개발을 하고 있으며 물리 기반 머신러닝 모델이 산업 전반에서 차세대 혁신을 견인할 것으로 기대하고 있습니다.

왜 물리 정보 신경망인가?

(1) 다양한 난제를 해결

딥러닝에 물리 법칙을 통합한 물리정보신경망은 기존 딥러닝이 풀지 못했던 다양한 난제를 해결하며, 딥러닝을 적용하는 산업군을 확장시키고 있습니다. 특히 최근에는 의료(신약개발), 환경(기후 예측), 건축(구조 설계) 등에 도입되며 매력적인 기술로 주목받고 있습니다.

Screenshot 2024-04-01 at 12.08.14

엔비디아의 모듈러스

(2) 적은 데이터 사용

인공 신경망의 기본 학습 방법인 지도 학습은 일반적으로 방대한 양의 데이터를 필요로 하게 됩니다. 반면에 물리 정보 기반 학습은 물리 법칙을 기반으로 예측하기 때문에 데이터 없이 혹은 적은 양의 데이터 사용만으로도 정확한 모델을 구축할 수 있습니다.

01 nn

물리 정보 신경망

(3) 투명성과 효율성을 겸비한 시스템 구축

물리 정보 신경망은 다양한 기술과 통합이 가능하여 다양한 분야에서 정확성을 높일 수 있으며, 기존 방법 대비 연산 속도를 크게 개선할 수 있게 합니다. 또한 물리 법칙에 근거하여 모델의 예측과 결정 과정이 이루어지기 때문에 상대적으로 딥러닝의 "블랙박스" 문제를 해결하는 데 도움을 줄 수 있습니다.

FEM vs PINN

이론부터 구현까지
물리 정보 신경망의 기초를 담다

Screenshot 2024-05-11 at 13.44.11

본 강의에서는 개념 학습 후 여러 가지 문제에 대해서 모델을 직접 구현합니다.

✅ 수학이 장벽이 되지 않도록, 미분개념부터 다룹니다.
✅ 물리정보신경망의 개념과 신경망의 학습원리를 소개합니다.
✅ 6개의 실습으로 물리정보신경망을 직접 구현해볼 수 있습니다.


수강 전 참고 사항

실습 환경

  • 실습은 별도의 설치가 필요 없는 구글 코랩(Colaboratory)에서 진행됩니다. 구글 계정(무료)이 필요하며 코랩 사용이 안 될 경우 실습에 차질이 생길 수 있습니다.

학습 자료

  • 수업에 사용되는 슬라이드 및 코드는 모두 제공됩니다.

  • 파이토치(Pytorch)를 이용하여 모델을 구현합니다.

선수 지식 및 유의사항

  • 지도학습, 경사하강법 등의 약간의 딥러닝 기본 지식이 필요합니다.

  • 이 강의는 미분 방정식, 수치해석 등의 수학 내용이 다수 포함되어 있습니다. 하지만 미분 지식이 없으신 분들도 들을 수 있도록 강의를 구성하였습니다.

  • 이 강의는 질문이 가능한 강의입니다. 수업 관련 질문은 언제든 환영합니다. :)

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • 인공지능 관련 대학교/대학원을 준비하는 분

  • 인공지능 미래를 따라가고 싶은 분

  • 딥러닝 차세대 혁신기술을 경험하고 싶은 분

선수 지식,
필요할까요?

  • 하고자 하는 열정

  • 딥러닝 기본 지식

  • 파이썬 기초 지식

안녕하세요
딥러닝호형입니다.

안녕하세요.

딥러닝/머신러닝 관련 유튜브를 운영하는 딥러닝 호형입니다.

수학/데이터 분석을 전공하고 다수의 딥러닝 프로젝트를 완료하고 수행하고 있습니다.

 

머신러닝, 고급 머신러닝, 딥러닝, 최적화 이론, 강화 학습 등의 인공지능 내용과 선형 대수학, 미적분, 확률과 통계, 해석학, 수치해석 등의 수학 내용까지 여러분들과 공유할 수 있는 지식을 가지고 있습니다. 

 

모두 만나서 반갑습니다!

 

* 관련 이력

현) SCI(E) 논문, 국제 학회 발표 다수

현) 인공지능 관련 대학교 자문 다수

전) K기업 전임 연구원 - 데이터 분석 및 시뮬레이션: 신제품 개발, 성능 향상, 신기술 적용

"딥러닝을 위한 파이토치 입문" 저서 (세종도서 학술부문 2022 우수도서로 선정)

 

 

 

 

커리큘럼

전체

19개 ∙ (2시간 22분)

수업 자료

가 제공되는 강의입니다.

강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!