강건한 모델 예측 제어(Robust Model Predictive Control)를 통한 자가 적응형 디지털 트윈의 지속적인 검증, 업데이트

요약

운영 조건 변화(concept drift)에 대응하여 디지털 트윈의 모델 충실도를 유지하는 새로운 적응형 프레임워크를 제안합니다. Fisher score 기반 드리프트 감지, LoRA를 활용한 효율적 지속 학습, Mann–Whitney U 검정을 통한 통계적 검증을 통합하여 모델의 신뢰성을 보장합니다.

핵심 포인트

• Fisher score를 활용한 다변량 드리프트 감지 메커니즘
• LoRA를 이용해 모델 매개변수의 1% 미만만 사용하여 효율적 미세 조정
• Mann–Whitney U 검정을 통한 업데이트 모델의 통계적 성능 인증
• 급격한 및 점진적 드리프트 상황에서도 예측 정확도와 불확실성 복구 성공