[온라인 세미나] 물리기반 AI와 Embedded AI를 활용한 모터 제어

개요

본 온라인 세미나에서는 PINN, FNO, Galerkin Transformer 등 물리 법칙을 AI 모델에 결합하는 최신 기법을 활용해, 정확한 예측과 복잡한 PDE 문제를 해결하는 방법을 MATLAB 예제와 함께 소개드립니다.

또한 Embedded AI와 PMSM의 FOC 모터 제어를 결합하여 기존 PI 제어의 한계를 극복하는 소형 신경망(TinyNN) 설계 접근법을 다룰 예정입니다. Simulink 기반 데이터 생성부터 신경망 학습, 최적화, C 코드 생성 및 MCU 배포(HIL 포함)까지의 전체 워크플로우를 통해 실질적인 적용 방법을 확인하실 수 있습니다.

관심 있는 분들의 많은 관심과 참여 부탁 드립니다.

하이라이트

PINN(Physics-Informed Neural Networks)을 활용한 PDE 해석
FNO, Galerkin Transformer를 통한 연산자 학습 기반 모델링 및 고차원 물리 문제 적용 사례
임베디드 AI 배포를 위한 신경망 설계 전략
신경망 경량화 및 코드생성/배포

행사 안내

본 세미나는 온라인 무료 세미나입니다.

참석을 위해 사전등록이 반드시 필요하며, 사전등록은 회사 또는 학교 계정으로 진행해주시기 바랍니다.

세미나 관련 문의: 매스웍스코리아 마케팅팀

발표자 소개

엄준상 Principal Application Engineer는 응용수학 석사이후 매스웍스코리아에서 인공지능, 건전성 예측관리, 클라우드 관련제품을 담당하고 있습니다.
김종남 Principal Application Engineer는 LG전자, 인텔코리아 등에서 연구원으로 근무하였으며, 매스웍스코리아에서 영상처리, 인공지능 분야를 담당하고 있습니다.

아젠다

시간	세션제목
14:00 – 14:05	세미나 안내
14:05 – 14:35	[세션 1] 물리 기반 AI의 혁신: PINN, FNO, Galerkin Transfromer의 가능성 물리 법칙을 내재한 AI 모델은 복잡한 시스템 해석을 혁신하고 있습니다. 본 세션에서는 PINN, FNO, Galerkin Transformer를 활용한 최신 기법과 산업 적용 가능성을 소개합니다. PINN(Physics-Informed Neural Networks)을 활용한 PDE 해석 FNO(Fourier Neural Operator)를 통한 연산자 학습 기반 모델링 Galerkin Transformer의 고차원 물리 문제 적용 사례
14:35 – 14:45	Live Q&A
14:45 – 15:15	[세션 2] Edge AI 적용을 위한 신경망의 단계적 설계 및 구현 본 세션에서는 PMSM의 FOC 모터 제어에 소형 AI를 적용하여 기존 PI 제어의 한계를 개선하고, 성능·정확도·에너지 효율을 향상하는 방법을 다룹니다. 이를 위하여 제한된 MCU 자원에서 동작하는 Embedded AI 모터 제어 기법을 예제와 함께 소개합니다. 임베디드 AI 배포를 위한 신경망 설계 신경망의 C 코드 생성 신경망 경량화 및 성능 차이
15:15 – 15:30	Live Q&A 및 마무리

[온라인 세미나] 물리기반 AI와 Embedded AI를 활용한 모터 제어

개요

하이라이트

행사 안내

발표자 소개

아젠다

관련 제품