반도체 전문 온라인 매거진 - 올포칩

2023 세종 AI챌린지 시상식 사진 (이미지 제공: 세종대학교)

매스웍스는 세종대학교가 주최한 인공지능(AI) 분야 문제 해결 능력 경진대회 ‘2023 세종 AI 챌린지’를 후원했다고 발표했다. 이번 대회에는 총 196명의 학생들이 참가하여 MATLAB AI툴을 활용한 아이디어를 구현한 가운데 최우수상을 수상한 지능기전공학부 심재훈 학생을 포함한 20명의 학생이 시상대에 올랐다. 

매스웍스코리아는 2022년부터 세종대학교 ‘세종 AI 챌린지’의 공식 후원사로 참여해 학생들에게 자사의 소프트웨어를 경험할 수 있는 환경을 제공했다. 또한 세종대학교의 ICT혁신인재4.0사업에 참여해 무인이동체 인재양성을 위한 교육과정 발전에도 기여하고 있다. 올해 대회는 매트랩(MATLAB) 트랙과 기타 트랙으로 구분된 해커톤으로 진행됐다. 매트랩은 기업, 대학, 정부기관에서부터 스타트업에 이르는 10만 개 이상의 다양한 규모의 기업에서 사용되고 400만 건 이상의 연구에 인용된 솔루션으로, 학생들은 이번 대회를 통해 매트랩을 사용한 실무 역량을 쌓을 수 있는 기회를 가질 수 있었다.

이번 ‘2023 세종 AI 챌린지’에서는 매트랩 온라인 서버에서 GPU를 사용해 IMU(Inertial Measurement Unit)을 몸에 장착한 환자의 활동 상태를 예측하는 문제가 출제됐다. 학생들은 클라우드 환경에서 MATLAB 온라인에 접속하여 머신러닝과 이미지 처리 등에서 빠른 속도로 계산을 실행 및 확장했으며, 매트랩의 GPU 지원 기능을 통해 프로그래밍에 대한 깊은 지식 없이도 GPU 상에서 계산을 수행할 수 있었다. 최우수상을 수상한 지능기전공학부 심재훈 학생은 매트랩의 심층신경망 디자이너 앱을 사용해 센서값의 데이터를 선별한 후, 컨벌루션 신경망(Convolutional Neural Network, CNN) 구조로 레이어를 구성해 문제를 해결했다. 

심재훈 세종대학교 기능기전공학부 학생은 “이번 대회에서 스스로 문제를 분석하고, 데이터 전처리와 튜닝을 거치며 최적화된 모델을 개발하는 전체적인 과정을 깊게 고민해볼 수 있었다”고 말했다. 

이번 경진대회는 세종대학교 소프트웨어융합대학 지능기전공학과 김성한 및 최유경 교수가 운영하였으며, 이현석, 김형석, 김세원(지능기전공학과), 전창재(인공지능학과) 교수가 심사했다. 김성한 세종대학교 지능기전공학부 무인이동체공학 전공 교수는 “이번 대회에서 학생들은 매트랩 언어를 활용해 자동차, 로봇 등 여러 산업 분야에서 볼 수 있는 실무적인 프로젝트에 적용해 볼 수 있었다”며 “매트랩의 높은 편의성은 학생들이 한층 고도화된 데이터 분석과 검증을 통해 좋은 결과물을 만드는 데 큰 도움이 됐다”고 말했다. 

또한 김성한 교수는 “이번 2023세종AI챌린지에는 6개의 데이터를 이용하여 환자의 상태를 예측하는 문제를 출제했다”며 “일반적으로 전이학습을 통한 컨벌루션 신경망(Convolutional Neural network, CNN)을 활용하기 위해서 3개의 데이터를 선별하는데, 최우수상을 수상한 심재훈 학생은 새로운 신경망을 구성하여 기존 6개의 데이터를 예측모델에 적용해 높은 정확도의 우수한 결과를 선보였다”고 말했다. 

매스웍스코리아 김경록 교육 기관 세일즈 매니저는 “매스웍스는 대학생들이 자사의 소프트웨어를 쉽게 활용할 수 있도록 예제와 교육영상과 같은 다양한 학습 자료를 제공하고 있다”며 “학생들이 강의뿐 아니라 경진대회와 같은 다양한 기회에서 매스웍스의 소프트웨어를 통해 실무에 필요한 역량을 쌓을 수 있길 바란다”고 말했다. 

한편, 매트랩 온라인 서버의 확장성은 대규모 계산을 수행하는 엔지니어 및 연구원들에게 자체 하드웨어를 유지할 자원이 없을 시 특히 유용하다. 또한 스크립트와 결과를 쉽게 공유할 수 있어 협업에 용이하며, 온라인으로 호스팅 돼 인터넷이 연결된 모든 장치에서 어디에서나 매트랩 작업에 접근할 수 있다. GPU를 함께 사용할 시 무거운 계산을 오프로드하여 다른 작업에 CPU를 할당함으로써 전반적인 생산성을 향상할 수 있으며 외장 GPU 카드가 없는 PC에서도 테슬라(TESLA) 기반GPGPU(General-Purpose computing on Graphics Processing Units, GPU를 이용한 범용 계산)를 사용할 수 있다.