MATLAB 대학생 AI Challenge 수상작

MATLAB 대학생 AI Challenge 2021의 수상작 Top 3를 소개합니다. 참가해주신 모든 팀을 비롯하여 여러분께서 보내주신 관심과 성원에 감사드립니다.

1등

UNet을 활용한 2D 위상 최적화 Simulator 개발

성균관대학교 - UTS(User-friendly Topology Optimization Simulator) 팀

본 프로젝트는 인공지능을 활용하여 위상 최적화를 수행하는 "2D Topology Optimization Simulator" 개발 프로젝트 입니다. GUI에 원하는 2D 형상을 입력하여주면, 딥러닝 알고리즘을 통해 위상 최적화된 Image를 제공해 줌으로써, 일반인들도 쉽고 편리하게 위상 최적화를 해볼 수 있는 시뮬레이터 프로그램 개발 전반을 소개합니다. 특히 모델의 정확도 향상을 위해 딥러닝 네트워크를 ResUNet 2개, UNet1개, 즉 3가지로 나누어서 구성하는 새로운 시도를 통해 딥러닝 모델을 구축하였습니다. 첫번째 ResUNet을 통해 응력 분포를 예측하고, 두번째 ResUNet을 통해 위상 최적화를 진행하고, 마지막으로 Pretrained 된 U-Net을 이용하여 이미지의 해상도를 향상 시켰습니다. 이러한 Simulator 기술을 2D를 넘어 3D에도 적용 될 수 있도록 확장시켜 나간다면, 실제 산업에도 크게 도움이 될 수 있는 훌륭한 프로젝트입니다.

2등

LSTM을 활용한 탄성파 탐사 자료 내삽 모듈 개발

한양대학교 - 이재우

본 프로젝트는 석유탐사나 CCS deep monitoring등에 사용되는 고해상도 물리탐사 방법인 탄성파탐사 과정에 딥러닝을 적용하는 과정을 보여줍니다. 기존의 머신러닝을 사용한 내삽 방법의 경우 인풋 데이터가 어느정도 있어야 적용 가능하며, 입력 데이터 이외의 학습을 위한 수평해상도가 높은 자료가 필요하다는 한계점이 있었습니다. 본 프로젝트에서는 주변 아주 적은 수의 트레이스만 사용하는 접근방법을 통해 이러한 한계들을 극복하는 것을 보여줍니다. 해당 프로젝트에서는 이러한 접근방법을 실현시키기 위해 stacked LSTM with skip connection 을 사용하였으며 데이터 입력 과정부터 출력 과정까지 모두 MATLAB과 Deep Learning Toolbox 및 관련 분야의 FileExchange add-on들을 활용한 훌륭한 사례입니다.

3등

CNN 회귀 모델을 활용한 유해조류 농도 추정 시스템

울산과학기술원 - WEIL팀

본 프로젝트는 인공지능을 활용하여 유해 조류 농도를 추정하는 과정을 소개합니다. 녹조 문제의 해결을 위해서는 녹조의 이동, 확산, 분포 등에 관한 정확하고 신속한 정보의 수집이 필수적이기에 보다 향상된 정확도와 효율성을 갖는 면단위 녹조 모니터링 시스템에 인공지능을 적용하였습니다. 초분광 항공 이미지를 입력하면 CNN 모델을 통해 추정된 강 전체의 조류 농도가 컬러맵 이미지로 출력되도록 시스템을 구성하였고, Deep Learning Toolbox의 심층 신경망 디자이너 앱을 사용하여 신경망을 설계하고, 실험 관리자 앱을 이용하여 하이퍼 파라미터 최적화를 진행하여 높은 정확도를 가진 유해 조류 추정 이미지를 얻을 수 있었습니다. 이러한 시스템을 4대강을 포함한 전국의 강에 적용한다면 시간적 비용적 부담을 덜고, 녹조 문제에 대한 실시간 모니터링 및 대처가 가능할 것으로 기대되는 훌륭한 프로젝트입니다.