※ 세부 내용은 링크 참고 부탁드립니다.

서론

미래를 예측하고자 하는 인류의 노력은 과학의 발달과 함께 끊임없이 지속되었다. 특히 수치화된 과거의 데이터를 바탕으로 미래의 수치를 예측하고자하는 시계열 예측은 일기예보, 에너지, 금융 등 수많은 분야에서 중요하게 다뤄졌다. 기존에는 일기예보처럼 복잡한 미분방정식을 기반으로 한 과학적 모델링이나 통계를 이용한 분석을 기반으로 예측이 이루어졌으나, 최근 인공지능 기술의 발달과 함께 이를 활용한 시계열 예측 방식이 주목받고 있다.

시계열 데이터 예측은 더욱 세부적으로 단일 시계열 데이터 예측, 예측 대상 간의 상관관계가 있을 수 있는 다변량 시계열 데이터 예측, 제어 가능한 외부 변량을 고려한 공변량 시계열 데이터 예측 등으로 나뉜다. 기존에는 이러한 예측을 수행하기 위해 해당 도메인의 데이터를 대량으로 확보하여야 했는데, 최근 발전하고 있는 거대 언어 모델(LLM: Large Language Model)이 도메인 특화 데이터 없이도 일정 수준의 성능을 보이는 점에서 영감을 얻어 시계열 예측에 특화된 거대 인공지능에 관한 연구가 진행되었고, 이로 인해 탄생한 시계열 파운데이션 모델(TSFM: Time-Series Foundation Model)이 별도의 학습이나 파인튜닝 과정 없이도 우수한 예측 성능을 보이고 있다.

이에 실리콘밸리의 스타트업 기업부터 Google,  Amazon 등 세계적인 대기업까지 다양한 곳에서 시계열 파운데이션 모델에 관한 연구를 진행하고 있다. 본고에서는 이와 같은 시계열 파운데이션 모델에 관한 최근 기술 동향을 소개한다.

본고의 구성은 다음과 같다. Ⅱ장에서 기존의 시계열 예측 기술과 인공지능 기반 시계열 예측 기술을 거쳐 트랜스포머 기반 모델에 이르기까지의 연구 동향에 대해 소개한다. Ⅲ장에서는 시계열 파운데이션 모델 연구 동향에 대해서 소개하고, Ⅳ장에서는 시계열 파운데이션 모델 관련 데이터셋 및 벤치마크 기술 동향을 살펴본다. 마지막으로 Ⅴ장에서 결론을 제시한다. 

* DOI: 10.22648/ETRI.2026.J.410207

출처 : 한국전자통신연구원 전자통신동향분석 > 시계열 파운데이션 인공지능 모델 기술 동향 (2026.04.01)

(저자 : 이상준 에너지지능화연구실 선임연구원, 황유민 에너지지능화연구실 선임연구원, 고석갑 에너지지능화연구실 책임연구원/실장)

※ 공공누리 4유형(출처표시+상업적이용금지+변경금지)에 따라 한국전자통신연구원의 공공저작물을 이용하였습니다.