[ICML 2024] 확산 모델(Diffusion Model)을 이용한 조합 최적화 문제 해결 - LG AI Research BLOG

조합 최적화(Combinatorial Optimization)는 유한한 이산 해의 집합에서 최적의 목표값을 찾는 분야로, 외판원 문제(TSP)나 인쇄 회로 기판(PCB) 설계와 같은 난제가 포함됩니다. 이러한 문제들은 대부분 NP-hard에 속해 계산량이 기하급수적으로 늘어나는 특징이 있습니다.

기존에는 사람이 직접 설계하는 휴리스틱(Heuristic) 알고리즘이나, 데이터 패턴을 학습하는 인공 신경망(Neural Network) 방식이 주로 사용되었습니다. LG AI연구원은 현재 PCB 자동 배선을 위해 자체 개발한 휴리스틱 알고리즘인 **Pathfinder++**를 활용하고 있습니다.

이번 ICML 2024에서 LG AI연구원 DI 랩은 확산 모델(Diffusion Model)에 강화학습(Reinforcement Learning)을 결합하여 조합 최적화 문제를 해결하는 CADO 연구를 선보였습니다. 이는 기존 휴리스틱 방식의 한계를 넘어, 생성형 모델의 능력을 최적화 알고리즘에 접목한 최신 연구 방향을 제시합니다.