KAIST 기계공학과 유승화 교수 연구팀의 최용진 박사후연구원이 공간적으로 불균질한 흙의 특성을 확률적으로 반영하여 토사 산사태의 영향 범위를 정밀하게 예측·평가할 수 있는 인공지능(AI) 기반 기술을 개발했다.

이번 연구는 산사태 발생 이후 토사의 이동 거리와 확산 범위를 단일한 예측값으로 제시하던 기존 평가 방식에서 벗어나, 각 구역이 위험 범위에 포함될 가능성(확률)까지 종합 분석할 수 있도록 한 것이 특징이다. 이를 통해 보다 현실적인 위험도 평가가 가능해졌다.

특히 연구팀이 개발한 AI 기술은 기존 해석 방식의 과도한 계산 부담을 효과적으로 줄이면서도 높은 예측 정확도를 유지했다. 대규모 반복 해석에 소요되는 시간을 획기적으로 단축함으로써 실제 재해 현장 및 위험도 분석에 즉시 적용할 수 있는 실용성을 확보했다.

아울러 평균값 중심의 기존 평가 체계에서 놓치기 쉬웠던 '저확률·고위험' 시나리오까지 정밀하게 추적할 수 있음을 입증했다.

연구팀은 이번 성과가 AI 기반 확률론적 재해 예측 기술의 실용적 가능성을 보여준 대표 사례라며, 향후 기후변화로 인한 자연재해 대응과 과학적·합리적 의사결정을 지원하는 핵심 기반 기술로 폭넓게 활용될 것으로 기대된다고 밝혔다.

KAIST Professor Seung-Hwa Ryu’s Research Team Develops AI-Based Probabilistic Prediction Technology for Landslide Impact Zones

Postdoctoral researcher Yongjin Choi from Professor Seung-Hwa Yoo's research team in the Department of Mechanical Engineering at KAIST has developed an artificial intelligence (AI)-based technology that probabilistically predicts and evaluates the impact range of soil landslides by incorporating spatially heterogeneous soil characteristics.

Unlike traditional single-value prediction methods, this research enables a more realistic risk assessment by providing comprehensive analysis, including the probability that each specific area will fall within the hazard zone following a landslide's movement and spread.

Notably, the AI framework effectively reduces the heavy computational burden associated with conventional simulation methods while maintaining high predictive accuracy. By drastically cutting the time required for large-scale iterative analyses, the team has significantly enhanced the practical usability of the technology for real-world disaster risk assessment.

Furthermore, the technology demonstrated its capability to capture "low-probability, high-risk" scenarios that are often overlooked by existing evaluation systems focused primarily on average values.

The research team stated that this achievement demonstrates the practical potential of AI-based probabilistic disaster prediction technology. They expect it to serve as a foundational technology supporting scientific disaster response and rational decision-making in the future.