EMMO의 철학에 기반한 4차원 세계에서 소재는 다른 개체들과 함께 존재합니다
EMMO를 처음 접하면서 방대한 클래스들과 IRI를 공부하는 일은 정말 어려운 일입니다. 좋지 못한 소식은 그 어려움보다 더한 어려움을 우리는 마주하게 된다는 사실입니다. 바로 그동안 우리가 익숙하게 다루어 온 소재 데이터의…
소재 온톨로지 구축에 앞서 가장 먼저 살펴보아야 할 EMMO, 그 활용법은?
"들어가며: 소재 온톨로지를 만들려는 연구자는 결국 EMMO를 만나게 됩니다." 자신의 전문 분야에서 온톨로지를 구축하려는 연구자라면, 관련 기술과 사례를 검토하는 과정에서 언젠가는 최상위 온톨로지(Top-level Ontology)라는 개념에 이르게 됩니다. 특히 소재 분야에서는…
소재 연구데이터의 미디어화: 토픽 클러스터 기반의 지식 유통체계 구현
미디어 환경이 지능화됨에 따라 전문 영역의 미디어 플랫폼 역시 단편적인 뉴스 전달을 넘어, 방대한 정보의 위계와 상관관계를 전달하는 지식 가이드 역할을 요구받고 있습니다. 특히 고도의 전문성이 집약된 데이터 기반 소재…
SKOS: 방대한 소재 온톨로지를 빠르게 구축하기 위한 출발점
파편화된 소재 연구 데이터를 체계적으로 연결하고 가치를 창출하기 위해 온톨로지(Ontology)적 접근법은 이제 선택이 아닌 필수입니다. 하지만 막상 방대한 소재 분야를 정리하려고 하면, 어디서부터 어떻게 손을 대야 할지 그 시작점은 난해할…
미디어랩 역사의 출발: AI 미디어가 보편화된, 00년 후의 너에게
AI 미디어가 사람들의 삶 속에서 당연하게 받아들여 지고 있는 미래의 어느 날, 물질의 근원을 깨우치기 위하여 밤, 낮 없이 소재 과학 연구에 매달리고 있을 당신에게 이 기록을 보냅니다. Ontology Media-Lab이라는…
소재 데이터 활용을 위한 그래프 RAG 기반의 물질화(Materialization)
이번 포스트에서는 소재 데이터의 복잡한 인과관계를 체계적으로 자산화하기 위한 지식 그래프(Knowledge Graph)와 그래프 RAG 방식에 대하여 물질화(Materialization) 기법과 관련된 부분을 집중적으로 살펴보고자 합니다. 그리고 이 과정이 LLM의 논리적 추론 방식인…
데이터 무결성과 정합성 확보 전략: 일반적인 시각과 독창적 시각
현대 소재 연구의 패러다임이 모델의 고도화를 넘어 데이터의 품질을 최우선으로 하는 Data-centric AI로 전환됨에 따라, 신뢰할 수 있는 데이터 자산을 구축하는 것이 연구 경쟁력의 핵심이 되었습니다. 성공적인 AI 모델링을 위해…
수식을 찾는 AI vs 법칙을 지키는 AI: SISSO와 PINNs은 어떻게 다를까
블랙박스와도 같은 기존의 AI 방법론을 넘어서, 지금 과학자들에게 필요한 것은 단순한 결과 예측이 아니라, 어떤 결과가 왜 도출되었는지 그 이유를 설명할 수 있는 인공지능 방법론입니다. 이전에도 중요시 되었던 시각이었지만, 최근에는…
물질화: 소재 발견의 예측 가능 시나리오를 미리 추출해서 저장한다면?
현대 데이터 엔지니어링에서 물질화(Materialization)는 단순히 조회 성능을 높이는 기술적 수단을 넘어, 파편화된 데이터에 생명력을 불어넣어 지식의 구조화를 완성하는 핵심 전략으로 자리 잡고 있습니다. 특히 소재 과학과 같이 복잡한 인과관계가 얽힌…
소재 연구 메타데이터에 대한 올바른 이해
소재 분야의 전문성과 관련된 연구 데이터의 복잡성을 고민하다 보면, AI를 활용한 연구를 수행하기 위하여 과연 “우리가 가진 데이터는 해당 도메인 내에서 AI가 학습하기에 충분히 친절한가?”라는 생각이 듭니다. 많은 연구 현장에서…