경북대학교 인공지능학과 강재모 교수팀이 작성한 상징회귀(Symbolic Regression) 분야 종합 리뷰 논문이 국제 저명 학술지 Archives of Computational Methods in Engineering에 채택됐다. 해당 학술지는 Impact Factor 12.9, JCR 상위 1%에 해당하는 계산공학 분야 권위지로, 이번 성과는 경북대학교의 설명가능 인공지능 및 AI 기반 과학적 발견 연구 역량을 국제적으로 인정받은 사례로 평가된다.

채택 논문은 “A Comprehensive Survey on Symbolic Regression: State-of-the-Art Approaches, Key Applications, Benchmark Evaluations, and Future Research Directions”로, 상징회귀의 최신 연구 동향과 응용 분야, 벤치마크 평가, 향후 연구 방향을 포괄적으로 정리했다.

상징회귀는 데이터로부터 사람이 이해할 수 있는 수학적 식을 자동으로 발견하는 인공지능 기술이다. 기존의 블랙박스 AI 모델이 높은 예측 성능에도 불구하고 의사결정 과정을 설명하기 어렵다는 한계를 갖는 반면, 상징회귀는 예측 결과와 함께 명시적인 수식 형태의 모델을 제시해 과학적 해석 가능성과 실용성을 동시에 높일 수 있다.

이번 논문은 상징회귀 연구를 결정론적 방법, 메타휴리스틱 알고리즘, 뉴럴-심볼릭 프레임워크, 하이브리드 전략 등 네 가지 핵심 패러다임으로 체계화했다. 특히 1992년부터 2025년까지의 주요 연구 흐름을 폭넓게 검토하고, 2020년 이후 급속히 발전한 트랜스포머 기반 모델, 대규모 언어모델 활용, 물리정보 기반 접근, 검색증강 상징회귀 등 최신 흐름까지 포함했다.

연구진은 300편 이상의 관련 연구를 분석해 기존 리뷰 논문보다 폭넓은 범위의 방법론과 응용 사례를 정리했다. 또한 50개 이상의 하이브리드 방법을 체계적으로 비교해, 진화연산의 탐색 능력과 딥러닝의 표현 학습 능력, 수학적 최적화의 안정성을 결합하는 차세대 연구 방향을 제시했다.

논문은 상징회귀가 물리 법칙 발견, 재료 물성 예측, 화학 반응 모델링, 에너지 시스템, 환경·기후 모델링, 헬스케어, 산업 공정 최적화 등 다양한 분야에 활용될 수 있음을 보여준다. 특히 데이터 기반 AI가 과학과 공학 문제 해결에 널리 활용되는 상황에서, 해석 가능하고 검증 가능한 수학 모델을 제공하는 상징회귀의 중요성이 더욱 커지고 있음을 강조했다.

강재모 교수는 “상징회귀는 단순히 예측 정확도를 높이는 것을 넘어, AI가 왜 그런 결론을 내렸는지를 수식으로 설명할 수 있게 하는 핵심 기술”이라며 “이번 논문은 상징회귀 분야의 방대한 연구 흐름을 통합적으로 정리하고, 설명가능 AI와 자동화된 과학적 발견 시스템으로 나아가기 위한 연구 방향을 제시했다는 점에서 의미가 크다”고 밝혔다.

강재모 교수 연구팀은 이번 성과를 바탕으로 설명가능 인공지능, 과학기술 데이터 분석, 지능형 최적화 및 AI 기반 과학적 발견 분야의 국제 공동연구를 지속적으로 확대해 나갈 계획이다.

※ 강재모 교수연구실(DeLTA LAB) 홈페이지: https://sites.google.com/view/jmkang (연구원, 대학원생, 학부연구생 상시모집)