Neural Vector Lyapunov-Razumikhin Certificates for Delayed Interconnected Systems

1. 문제 정의 (Problem Statement)

• 배경: 지능형 교통 시스템, 로봇 공학, 스마트 그리드 등 대규모 상호 연결 시스템은 센싱, 계산, 네트워크 전송으로 인한 **통신 지연 (Communication Delays)**과 불확실성 (모델 오차, 외부扰动) 하에서 운영됩니다.
• 핵심 과제: 이러한 시스템의 안정성을 보장하는 것이 필수적이지만, 기존 방법론에는 한계가 존재합니다.
  • 모델 기반 제어: 정확한 시스템 모델이 필요하며, 지연이 포함된 복잡한 상호 연결 시스템에 적용 시 성능이 저하되거나 모델 식별이 어렵습니다.
  • 학습 기반 제어 (신경망 등): 데이터 기반의 우수한 성능을 보이지만, '블랙박스' 특성으로 인해 **형식적 안정성 보장 (Formal Stability Guarantees)**을 제공하기 어렵습니다. 특히, 기존 신경망 기반 안정성 증명 연구들은 지연이 없는 시스템을 가정하거나 내부적으로 양수 (positive) 인 시스템에 국한되어 있어 일반적인 지연 시스템에는 적용이 제한적입니다.
• 목표: 대규모 상호 연결 시스템에서 **지연 (Delay)**을 명시적으로 고려하면서도 시스템 크기 (N) 에 독립적인 **확장 가능한 입력 - 상태 안정성 (Scalable Input-to-State Stability, sISS)**을 보장할 수 있는 신경망 기반의 인증서 (Certificate) 를 합성하고 검증하는 프레임워크를 개발하는 것.

2. 방법론 (Methodology)

저자들은 이 문제를 해결하기 위해 이산 시간 (Discrete-time) 환경에서 신경 벡터 라야푸노프 - 라주미킨 (Neural Vector Lyapunov-Razumikhin) 인증서를 학습하고 검증하는 3 단계 프레임워크를 제안합니다.

2.1. 이론적 기반: 이산 시간 sISS 조건

• 벡터 라야푸노프 - 라주미킨 함수 (Vector Lyapunov-Razumikhin Functions): 지연이 있는 시스템을 분석하기 위해 라야푸노프 - 라주미킨 기법을 확장했습니다.
• 충분 조건 (Theorem 4.1): 시스템이 sISS 가 되기 위한 충분 조건을 제시합니다.
  • 각 에이전트 $i$에 대해 국소 라야푸노프 함수 $V_i$가 존재해야 합니다.
  • 조건 (i): $V_i$는 상태의 노름에 대해 Class-$K_\infty$ 함수로 경계 짓습니다.
  • 조건 (ii) (조건부 감소): 만약 과거 상태들이 현재 상태보다 충분히 작다는 **라주미킨 조건 (Razumikhin condition)**이 만족되면, $V_i$는 이웃 에이전트들의 $V_j$와 외부扰动에 의해 결정된 선형 결합보다 작아져야 합니다.
  • 소이득 조건 (Small-gain condition): 에이전트 간의 결합 계수 $\gamma_{i,j}$의 합이 네트워크 크기와 무관하게 1 보다 작아야 수렴이 보장됩니다.

2.2. 합성 및 검증 프레임워크

• 신경망 합성 (Synthesis):
  • 라야푸노프 함수 $V_i$와 결합 행렬 $\Gamma$를 신경망으로 파라미터화합니다.
  • CEGIS (Counterexample-Guided Inductive Synthesis) 루프: 학습된 인증서가 조건을 위반하는 사례 (Counterexample) 를 찾으면 이를 학습 데이터에 추가하여 재학습하는 과정을 반복합니다.
  • 손실 함수는 라야푸노프 경계 조건, 라주미킨 조건, 그리고 소이득 조건을 위반하는 정도를 최소화하도록 설계됩니다.
• 검증 전략 (Verification):
  • 도달 가능성 제약 지연 영역 (Reachability-constrained delay domains): 전체 상태 공간을 검증하는 것은 계산적으로 불가능하므로, 초기 상태 집합에서 도달 가능한 상태들만 고려하여 검증 영역을 축소합니다.
  • 2 단계 검증 (Two-stage Verification):
    1. Outside 영역: 라야푸노프 값이 임계값 $R$보다 큰 영역에서는 라주미킨 조건 (조건부 감소) 을 검증합니다.
    2. Inside 영역: 라야푸노프 값이 $R$ 이하인 영역에서는 무조건적인 수축 (Unconditional contraction) 을 검증합니다.
  • 샘플링 기반 검증: 리프시츠 (Lipschitz) 연속성 가정을 바탕으로, 연속 영역을 격자 (Grid) 샘플링으로 근사하여 유한한 점들에서 검증을 수행하고 이를 전체 영역으로 확장합니다.

2.3. 확장성 (Scalability)

• 구조적 동형성 (Substructure Isomorphism): 더 큰 시스템의 인증서는 더 작은 시스템에서 학습된 인증서를 재사용하여 얻을 수 있음을 증명했습니다.
• 노드 구조적 동등성 (Node Structural Equivalence): 구조적으로 동일한 에이전트 (동일한 동역학, 이웃, 지연) 는 동일한 인증서를 공유할 수 있습니다. 이를 통해 대규모 시스템의 검증 복잡도를 획기적으로 줄일 수 있습니다.

3. 주요 기여 (Key Contributions)

1. 이론적 확장: 지연이 있는 이산 시간 상호 연결 시스템에 대한 확장 가능한 sISS 를 위한 벡터 라야푸노프 - 라주미킨 함수의 충분 조건을 수립했습니다. 이는 네트워크 크기에 무관한 안정성 보장을 가능하게 합니다.
2. 학습 및 검증 파이프라인: 신경망을 통해 인증서를 학습하고, 도달 가능성 제약 영역과 구조적 재사용을 활용하여 확장 가능한 합성 - 검증 파이프라인을 제안했습니다.
3. 실증적 검증: 혼합 자율 주행 차량 대열 (Platoon), 드론 군집 (Drone formations), 마이크로그리드 (Microgrids) 등 3 가지 실제 응용 시나리오에서 기존 베이스라인 (예측 피드백, 구성적 ISS 등) 과 비교하여 검증 효율성 향상과 경쟁력 있는 제어 성능을 입증했습니다.

4. 실험 결과 (Results)

• 검증 효율성 (Table 1):
  • 제안된 방법 (Ours) 은 도달 가능성 축소와 구조적 재사용을 모두 적용하여 모든 시나리오 (N=10, 50) 에서 시간 초과 (Timeout) 없이 검증을 완료했습니다.
  • 반면, 도달 가능성만 고려하거나 확장성만 고려한 방법들은 대규모 시스템 (N=50) 에서 시간 초과가 발생하거나 검증 시간이 10 배 이상 길어졌습니다.
  • 시스템 크기 (N) 가 증가해도 검증 시간이 거의 일정하게 유지되어 확장성이 입증되었습니다.
• 제어 성능 (RMSE):
  • 차량 대열: 제안된 방법은 예측 피드백 및 기존 ISS 기반 방법보다 낮은 RMSE 를 기록하여 더 우수한 외란 억제 능력을 보였습니다.
  • 드론 군집: 모델 기반 예측 피드백과 유사한 성능을 내면서 모델 불필요한 학습 기반 접근법의 강점을 보였습니다.
  • 마이크로그리드: 초기 외란에 대해 가장 낮은 RMSE 를 기록하여 시스템 안정성을 효과적으로 유지했습니다.
• 시각화: 라야푸노프 함수 값이 평형점 근처에서 작고 상태가 이탈할수록 커지는 것을 확인했으며, 궤적 시뮬레이션에서 모든 에이전트가 원하는 상태에 수렴하거나 유계 (Bounded) 로 유지됨을 확인했습니다.

5. 의의 및 결론 (Significance)

이 논문은 지연이 있는 대규모 네트워크 제어 시스템에 대한 형식적 안정성 보장의 중요한 간극을 메웠습니다.

• 블랙박스 제어기의 신뢰성 확보: 신경망 기반 제어기가 블랙박스임에도 불구하고, 수학적 증명을 통해 안정성을 보장할 수 있는 체계를 마련했습니다.
• 실용성: 복잡한 물리 시스템 (교통, 전력, 로봇) 에서 지연과 불확실성이 존재하는 실제 환경에서도 적용 가능한 확장 가능한 솔루션을 제공합니다.
• 미래 영향: 사이버 - 물리 시스템 (CPS) 의 안전성 검증 표준을 높이며, 자율 주행, 스마트 그리드 등 지연이 불가피한 분야에서 학습 기반 제어 기술의 상용화를 가속화할 것으로 기대됩니다.

요약하자면, 이 연구는 신경망 학습과 **형식적 검증 (Formal Verification)**을 결합하여, 지연이 있는 복잡한 시스템에서도 확장 가능하고 엄격한 안정성을 보장하는 새로운 패러다임을 제시했습니다.