서울과학기술대학교 인공지능응용학과 연구진이 세계 최고 수준의 인공지능 학회인 ICLR 2026과 AAAI 2026에서 잇따라 연구 성과를 발표하였다.

먼저, “Instance-dependent Fixed-Budget Pure Exploration in Reinforcement Learning” 논문을 ICLR 2026에 채택시키는 성과를 거두었다. 해당 연구는 제한된 탐색 예산 하에서 강화학습의 순수 탐색(pure exploration) 문제를 이론적으로 분석하고, 문제 인스턴스에 따라 최적의 탐색 전략이 달라짐을 규명한 연구로, 앞서 ICML EXAIT 워크숍(2025)에서도 발표된 바 있다. 본 연구는 김영종 연구원(POSTECH)과 전광성 교수(University of Arizona)의 공동연구로 수행되었다.

또한, “Physics-informed Approach for Exploratory Hamilton–Jacobi–Bellman Equations via Policy Iterations” 논문은 AAAI 2026에 채택되어, 2026년 1월 20일부터 27일까지 열린 학회 현장에서 발표되었다. 해당 연구는 물리 기반 제약을 신경망 정책 반복(policy iteration) 알고리즘에 통합하여, 고차원 탐색적 확률 최적제어 문제를 안정적으로 해결하는 새로운 방법론을 제시했다. 본 연구는 가천대학교 조남경 교수, POSTECH 수리기계학습연구센터의 김영종 연구원, 본교의 김민석 연구원과의 공동연구로 수행되었다.

두 연구 모두 포스텍 수리기계학습연구센터의 지원을 받아 수행되었으며, 강화학습 이론과 수리적 인공지능 기반 최적제어 연구의 국제적 경쟁력을 다시 한 번 입증했다.