사업 영역 | 주식회사 엔이알

차세대 예측 엔진, PatchTST: 기존의 RNN이나 LSTM 기반 예측 모델이 가진 장기 데이터 처리 한계 극복 위해
최신 트랜스포머 아키텍처인 PatchTST(Patch Time Series Transformer)를 도입
다변량 시계열 패치 학습: 데이터 패치화: 미세먼지·CO2 등 다변량 데이터를 시간 단위 패치(Patch)로 구조화

특징 분석: 국소적 상관관계와 장기 추세를 동시 학습하여 분석 효율 극대화

예측 성능: 향후 3시간 내 오염 농도 변화 추이를 정밀도 90% 이상으로 예측
저전력·고속 엣지 AI 엔진 최적화: 모델 최적화: 양자화(Quantization) 및 가지치기(Pruning)를 통한 PatchTST 경량화

MCU 구동 환경 구축: 저사양 기기 내에서도 안정적인 연산 처리가 가능하도록 효율 제고

초저지연 추론: 클라우드 거치 없이 100ms 이내의 독립적 엣지 추론 실현

저전력 운영: 추론 전력 소모를 최소화하여 에너지 효율 극대