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…
머신러닝 알고리즘이 소재 과학의 복잡한 물리·화학적 난제를 해결하는 기술적 원리와 메커니즘을 심도 있게 해설하는 연재 섹션입니다. 딥러닝과 생성형 AI 등 최신 인공지능 기법이 소재 탐색에 적용되는 과정을 다루며, 특히 특별 기획으로 피지컬 AI 기반의 ‘셀프 드라이빙 실험실(Self-driving Lab)’을 소형화·최적화한 ‘소재 스크리닝 자동화 마이크로랩(Micro-Lab)’ 구축에 관한 브레인스토밍과 혁신적인 아이디어를 연재합니다.
소량 데이터의 한계 극복을 위한 수리적 통찰, SISSO 기반 소재 설계
소재 과학은 본질적으로 항상 데이터 기근의 영역에 머물러 있습니다. 수만 개의 데이터를 손쉽게 확보할 수 있는 이미지 인식이나 자연어 처리 분야와 달리, 고순도의 소재 실험 데이터는 막대한 비용과 시간이 소요되는…
디지털 세상 속 소재 설계 원리의 발견
그동안 소재 과학의 성패는 현미경 너머에 숨겨진 물리·화학적 원리를 인간의 직관이 얼마나 정확히 해석해 내는 지에 달려 있었습니다. 미지의 소재에 대한 물성을 찾아내기 위해 연구자들은 실험 결과들 사이에 숨겨진 상관관계를…