eBook

챕터 1

시뮬레이션 및 모델 기반 설계에 왜 AI를 사용할까요?

개발 공정 전반에 Simulink® 모델을 사용하는 모델 기반 설계라고 불리는 이 접근법은 효율성과 낮은 위험으로 복잡한 시스템을 개발하는 검증된 방식입니다. AI 전문가가 아니더라도 워크플로에 AI 기법을 추가하면 시간을 절약하고 설계를 개선할 수 있습니다.

시뮬레이션과 모델 기반 설계에 AI를 사용하는 주된 이유는 네 가지가 있습니다.

  1. 정확도 개선: 고품질 훈련 데이터로 AI 알고리즘을 구축하여 알고리즘 정확도를 개선할 수 있습니다.
  2. 복잡성 감소: 다른 방법으로는 계산이 복잡하거나 모델링이 불가능한 알고리즘을 AI로 대체할 수 있습니다.
  3. 시간 절약: 제1원리에서 도출하는 고충실도 모델이 구축하고 시뮬레이션하기에 너무 많은 시간이 걸리는 경우 AI를 사용하여 시스템의 차수 축소 모델을 생성할 수 있습니다.
  4. 협업: Simulink를 사용하여 오픈 소스 프레임워크나 MATLAB에서 개발한 AI 모델을 시스템 수준 설계에 통합할 수 있습니다.
섹션

시뮬레이션에서 AI의 활용 사례

이 eBook에서는 훈련된 AI 모델을 Simulink에 통합하는 두 가지의 주요 활용 사례를 다룹니다.

  • 최종적으로 임베디드 시스템에 배포하게 될 알고리즘의 AI 모델을 개발합니다. 예제를 심층적으로 살펴보려면 챕터 2를 참조하십시오.
  • 데이터 주도 플랜트 또는 환경 모델링에 AI를 활용합니다. AI 모델을 훈련시키는 데 사용되는 데이터는 하드웨어 또는 고충실도 시뮬레이션 모델에서 올 수 있는데, 이 모델은 시스템 수준 시뮬레이션을 하기에는 너무 계산 집약적입니다. AI를 사용하여 고충실도 구성요소의 차수 축소 모델을 만드는 방법에 대해 심층적으로 살펴보려면 챕터 3을 참조하십시오.

임베디드 알고리즘 개발: 이 활용 사례에는 최종적으로 임베디드 시스템에 배포될 AI 기반 제어기, 센서, 센서 융합, 이미지 프로세서, 객체 검출기가 포함되어 있습니다.

차수 축소 모델: AI를 사용하여 복잡한 시스템의 차수 축소 모델을 만들어서 많은 엔지니어들이 시스템 구성요소를 정교화하고 검증할 수 있도록 할 수 있습니다.

많은 경우에 하나의 AI 모델은 두 활용 사례에 모두 활용될 수 있습니다. 또 다른 옵션은 Simulink를 ML(머신러닝)의 한 분야인 강화 학습을 위한 역동적인 환경으로 활용하는 것입니다.

강화 학습에 대해 자세히 알아보기

임베디드 알고리즘 개발을 위한 모델 기반 설계에 AI를 통합하면 다음과 같은 작업을 할 수 있습니다.

  • 하나의 알고리즘에 대해 여러 AI 모델로 실험 및 정확도와 기기에서의 성능 사이의 절충점을 빠르게 비교.
  • 알고리즘의 AI 모델을 배포하기 전에 시스템 요구사항에 부합하는지 평가.
  • 시뮬레이션된 환경에서 다른 모델들과 함께 AI 모델을 실행하여 시스템 통합 문제 발견.
  • 하드웨어나 물리적 환경에서 실행하기가 어렵거나 비용이 많이 들거나 위험한 시나리오 테스트.

데이터 주도 차수 축소 모델링에 AI를 사용하면 다음과 같은 작업이 가능합니다.

  • 느린 고충실도 모델 시뮬레이션의 속도 향상.
  • 설계 공정 초기에 AI 기반 차수 축소 모델을 사용한 설계 가속화 및 설계 공정 후기에 고충실도 시뮬레이션 모델을 사용한 결과 검증.
  • 완전한 시스템 하드웨어 없이 제어기 설계를 검증하여 HIL(Hardware-in-the-Loop) 테스트 수행.
  • 경계 조건 탐색, 설계에 대한 반복, 대안 평가 등에 더 많은 시간 할애.
섹션

시스템 수준 설계 작업에서의 AI 활용

모든 산업 분야의 엔지니어는 AI 전문가가 아니더라도 AI를 사용할 수 있습니다. MathWorks에서는 AI 접근성을 높이기 위해 사용 간편한 인터페이스, 앱, 예제를 제공합니다.

친숙한 수직 응용 분야 내에서 머신러닝과 딥러닝 AI 기법을 활용하고 그러한 기법들을 산업 특정 문제에 적용하는 방법을 알아볼 수 있습니다.

섹션

사용자 성공 사례 더 살펴보기