기계 학습 방법의 새로운 개발, 에너지 사용량 절감 가능

스위스 전자 및 마이크로 기술 센터(CSEM)의 엔지니어들은 에너지 사용량을 절감할 수 있는 새로운 기계 학습 방법을 개발했습니다. 이 방법은 인공지능(AI)이 과거의 경험에서 학습하여 지속적으로 개선하는 강화 학습의 한계를 해결하는 데 목적이 있습니다.

강화 학습의 한계

강화 학습은 컴퓨터가 과거의 경험에서 학습하여 지속적으로 개선하는 인공지능의 주요 측면입니다. 그러나 이 기술은 실제 상황에 적용하기 어렵습니다. 예를 들어, 기후 제어 시스템을 훈련하는 경우 강화 학습은 급격한 온도 변화를 초래할 수 있습니다.

CSEM 엔지니어들은 이 문제를 해결하기 위해 새로운 접근 방식을 개발했습니다. 그들은 컴퓨터를 먼저 이론 모델로 훈련시키고, 실제 시스템으로 전환하는 방식입니다. 이 방법은 실제 시스템에서 기계 학습을 더 정확하게 수행할 수 있도록 합니다.

피에르-장 알레(Pierre-Jean Alet)는 CSEM의 스마트 에너지 시스템 연구 책임자이자 연구의 공동 저자입니다.

“운전 면허를 취득하기 전에 운전 수업을 받는 것과 같습니다,” 알레는 말합니다. “이 전훈련 단계를 통해 컴퓨터는 지식 기반을 구축하여 올바른答案을 찾는 데 도움을 받습니다.”

에너지 절감

이 새로운 방법의 가장 중요한 측면은 에너지 사용량을 20% 이상 절감할 수 있다는 것입니다. 엔지니어들은 100개의 방이 있는 건물에 설치된 난방, 환기, 공조 시스템(HVAC)에 이 방법을 테스트했습니다.

엔지니어들은 세 단계를 거쳤습니다. 첫 번째 단계는 컴퓨터를 가상 모드로 훈련하는 것이었습니다. 이 모델은 건물의 행동을 설명하는 단순한 방정식으로 구성되었습니다. 실제 건물 데이터를 컴퓨터에 입력하여 더 정확한 훈련을 수행했습니다. 마지막 단계는 컴퓨터가 강화 학습 알고리즘을 실행하여 HVAC 시스템에 대한 최적의 접근 방식을 찾는 것이었습니다.

CSEM 엔지니어들이 개발한 새로운 방법은 기계 학습에 큰 영향을 미칠 수 있습니다. 강화 학습이 적용하기 어려웠던 많은 응용 분야가 이제 새로운 방식으로 접근할 수 있습니다. 이는 에너지 사용량을 줄이고, 경제적 비용을 절감하며, 다른 많은 이점을 제공할 수 있습니다.

이 연구는 IEEE Transactions on Neural Networks and Learning Systems 저널에 발표되었으며, “시스템 식별 및 최적 제어를 위한 하이브리드 학습 방법”이라는 제목입니다.

저자로는 바티스트 슈브넬(Baptiste Schubnel), 라파엘 E. 카리요(Rafael E. Carrillo), 피에르-장 알레(Pierre-Jean Alet), 안드레아스 후터(Andreas Hutter)가 있습니다.