국민대학교(총장 정승렬) 인공지능학부 정진우 석사과정 학생 (김장호 교수 연구팀)에서 LG전자 CTO부문의 산학협력 과제 지원을 받아, 양자화된 인공지능 모델의 성능을 효과적으로 향상시키는 새로운 모델 앙상블 기술을 개발했다. 해당 연구성과는 세계적인 데이터마이닝·인공지능 분야 국제학술대회인 ACM SIGKDD Conference on Knowledge Discovery and Data Mining(KDD) 2026에서 발표됐다.

이번 연구의 제목은 ‘Quantized Model Soup Shake-Up: Weight Perturbation for Enhanced Ensemble Diversity’로, 정진우 석사과정 학생이 연구에 참여해 양자화된 인공지능 모델에서 발생하는 모델 간 다양성 저하 문제를 분석하고, 이를 개선하기 위한 새로운 가중치 조정 기법을 제안했다.

최근 인공지능 모델이 대형화되면서 스마트폰, 가전제품, 로봇 등 제한된 연산 자원을 가진 환경에서도 고성능 AI를 효율적으로 구동하기 위한 모델 경량화 기술의 중요성이 커지고 있다. 대표적인 경량화 기술인 양자화(Quantization)는 모델의 가중치를 낮은 정밀도의 값으로 변환해 메모리 사용량과 연산량을 줄일 수 있지만, 낮은 비트 환경에서는 모델의 표현력이 제한되면서 성능이 저하될 수 있다는 문제가 있다.

연구팀은 양자화 모델에 기존 Model Soup을 적용할 경우, 서로 다른 모델의 가중치가 동일한 양자화 값으로 수렴하면서 모델 간 다양성이 감소해 앙상블 효과가 제한되는 문제에 주목했다. 이를 해결하기 위해 양자화 경계 주변의 중요도가 낮은 가중치에 선택적으로 변화를 주어 모델 간 다양성을 높이는 ‘Quantized Model Soup Shake-Up(QMSS)’을 제안했다. 이를 통해 개별 모델의 성능은 유지하면서도 추가적인 추론 비용 없이 모델 결합의 효과를 높일 수 있다.

이번 연구는 AI 모델의 정확도를 높이기 위해 단순히 모델의 크기를 키우는 대신, 양자화 과정에서 발생하는 가중치 공간의 특성을 활용해 경량 모델 자체의 성능을 향상시킬 수 있다는 새로운 접근법을 제시했다는 점에서 의미가 있다. 특히 높은 성능과 제한된 연산 자원을 동시에 고려해야 하는 온디바이스 AI와 엣지 AI 환경에 활용될 수 있을 것으로 기대된다.

또한 이번 성과는 LG전자 CTO부문과 국민대 연구팀 간 산학협력 과제를 통해 도출된 연구성과라는 점에서도 의미가 있다. 실제 산업 현장에서 요구되는 AI 모델의 경량화와 효율적인 추론 문제를 대학의 인공지능 모델 최적화 연구와 연결함으로써, 산학협력을 통한 원천기술 연구의 사례를 보여줬다.

김장호 국민대 인공지능학부 교수는 “온디바이스 AI가 확대되면서 제한된 하드웨어 환경에서도 높은 성능을 확보할 수 있는 모델 최적화 기술의 중요성이 더욱 커지고 있다”며 “이번 연구는 양자화 모델의 특성을 단순한 제약으로 보는 것이 아니라 모델 간 다양성을 확보하는 새로운 관점에서 활용했다는 점에서 의미가 있다”고 밝혔다.

이번 연구는 국민대가 ‘KMU Vision 2035: EDGE’를 통해 추진하고 있는 미래 특성화 전략과도 맞닿아 있다. 특히 8대 특성화 분야 중 ‘AI+X’ 분야에서 AI 모델 최적화 기술을 산업체와의 산학협력을 통해 실제 산업적 요구와 연결했다는 점에서 대학의 특성화 방향을 보여주는 연구성과다. 기존 국민대 보도자료에서도 산업체와 수행한 AI 모델 최적화 연구를 AI+X 특성화의 주요 사례로 제시하고 있다.

한편, ACM SIGKDD Conference on Knowledge Discovery and Data Mining(KDD)는 데이터마이닝과 머신러닝 분야의 세계 최고 권위 국제학술대회로 평가받는 대표 학회로, 전 세계 유수 대학과 글로벌 연구기관의 연구자들이 참여해 첨단 인공지능 및 데이터마이닝 연구성과를 발표한다.