À¯½ÂÈ­ ȸ¿ø (KAIST), ¿ì¼öÇÑ ¼ÒÀ縦 ¼³°èÇÏ´Â µö·¯´× ¹æ¹ý·Ð °³¹ß​
(¿ÞÂʺÎÅÍ) ±â°è°øÇаú À¯½ÂÈ­ ±³¼ö, ±è¿ëÅ ¹Ú»ç°úÁ¤, ±è¿µ¼ö ¹Ú»ç
¡ã (¿ÞÂʺÎÅÍ) ±â°è°øÇаú À¯½ÂÈ­ ±³¼ö, ±è¿ëÅ ¹Ú»ç°úÁ¤, ±è¿µ¼ö ¹Ú»ç
 
¿ì¸® ÇÐȸ ȸ¿øÀÎ KAIST ±â°è°øÇаú À¯½ÂÈ­ ±³¼ö ¿¬±¸ÆÀÀÌ ´Éµ¿-ÀüÀÌ ÇнÀ (active-transfer learning)°ú µ¥ÀÌÅÍ Áõ°­±â¹ý(Data augmentation)¿¡ ±â¹ÝÇØ, ½ÉÃþ½Å°æ¸Á Ãʱâ ÈƷÿ¡ ¾²ÀÎ ¼ÒÀçµé°ú ÇüÅÂ¿Í Á¶ÇÕÀÌ ¸Å¿ì ´Ù¸¥ ¿ì¼öÇÑ Æ¯¼ºÀ» Áö´Ñ ¼ÒÀ縦 È¿À²ÀûÀ¸·Î Ž»öÇÏ°í ¼³°èÇÏ´Â ¹æ¹ý·ÐÀ» °³¹ßÇß´Ù°í 9¿ù 16ÀÏ ¹àÇû´Ù. 
 
Àΰø½Å°æ¸Á¿¡ ±â¹ÝÇØ ¹æ´ëÇÑ ¼³°è °ø°£¿¡¼­ »õ·Î¿î ¼ÒÀ縦 ã±â À§ÇÑ ¿ª¼³°è ¿¬±¸´Â ÃÖ±Ù ¸Å¿ì È°¹ßÇÏ°Ô ÁøÇàµÇ°í ÀÖ´Ù. ÇÏÁö¸¸ ÀÌ·¯ÇÑ ±âÁ¸ ¼³°è ¹æ½ÄÀº ¸ñÇ¥·Î ÇÏ´Â ¼ÒÀçÀÇ ÇüÅÂ¿Í Á¶ÇÕÀÌ ½ÉÃþ½Å°æ¸Á ÈƷÿ¡ È°¿ëµÈ ¼ÒÀçµé°ú ¸Å¿ì ´Ù¸¦ ¶§ Àΰø½Å°æ¸ÁÀÌ °¡Áö´Â ³·Àº ¿¹Ãø´É·ÂÀ¸·Î ÀÎÇØ ±ØÈ÷ ¸¹Àº ¼öÀÇ ¼ÒÀç µ¥ÀÌÅÍ °ËÁõÀÌ ¿ä±¸µÇ¸ç, ÀÌ¿¡ µû¶ó Á¦ÇÑÀûÀ¸·Î¸¸ È°¿ëÀÌ °¡´ÉÇÏ´Ù. 
 
¡ã  ±×¸² 1. ´Éµ¿-ÀüÀÌ ÇнÀ°ú À¯Àü ¾Ë°í¸®Áò¿¡ ÀÇÇØ »ý¼ºµÈ µ¥ÀÌÅÍ Ãß°¡ ±â¹ÝÀ¸·Î ÇÏ´Â Àΰø½Å°æ¸ÁÀÇ ½Å·ÚÇÒ ¼ö ÀÖ´Â ¿¹Ãø ¿µ¿ªÀÇ Á¡ÁøÀû È®Àå ¸ð½Äµµ±×¸² 1. ´Éµ¿-ÀüÀÌ ÇнÀ°ú À¯Àü ¾Ë°í¸®Áò¿¡ ÀÇÇØ »ý¼ºµÈ µ¥ÀÌÅÍ Ãß°¡ ±â¹ÝÀ¸·Î ÇÏ´Â Àΰø½Å°æ¸ÁÀÇ ½Å·ÚÇÒ ¼ö ÀÖ´Â ¿¹Ãø ¿µ¿ªÀÇ Á¡ÁøÀû È®Àå ¸ð½Äµµ
 
¿¬±¸ÆÀÀº À̹ø ¿¬±¸¿¡¼­ À̸¦ ±Øº¹Çϱâ À§ÇØ Ãʱâ ÈÆ·Ã µ¥ÀÌÅÍ ¿µ¿ª¿¡¼­ ¹þ¾î³ª ¿ì¼öÇÑ ¼ÒÀ縦 È¿À²ÀûÀ¸·Î Ž»öÇÒ ¼ö ÀÖ´Â Àΰø½Å°æ¸Á ±â¹Ý ÀüÁø ¼³°è (Forward design) ¹æ¹ý·ÐÀ» Á¦¾ÈÇß´Ù. ÀÌ ¹æ¹ý·ÐÀº, <±×¸² 1>¿¡ µµ½ÃµÈ ¹Ù¿Í °°ÀÌ À¯Àü ¾Ë°í¸®Áò°ú °áÇÕµÈ ´Éµ¿-ÀüÀÌ ÇнÀ ¹× µ¥ÀÌÅÍ Áõ°­±â¹ýÀ» ÅëÇØ ½ÉÃþ½Å°æ¸ÁÀ» Á¡ÁøÀûÀ¸·Î ¾÷µ¥ÀÌÆ®ÇÔÀ¸·Î½á, Ãʱâ ÈƷõ¥ÀÌÅ͸¦ ¹þ¾î³­ ¿µ¿ª¿¡¼­ ½ÉÃþ½Å°æ¸ÁÀÇ ³·Àº ¿¹Ãø´É·ÂÀ» ÀûÀº ¼ýÀÚÀÇ µ¥ÀÌÅÍ °ËÁõ ¹× Ãß°¡·Î º¸¿ÏÇÑ´Ù. 
 
À¯Àü ¾Ë°í¸®Áò¿¡ ÀÇÇØ Á¦¾ÈµÇ´Â ¿ì¼ö ¼ÒÀç È帱ºÀº ±âº¸À¯ÇÑ ¼ÒÀç µ¥ÀÌÅ͸¦ Á¶ÇÕÇØ µµÃâÇϱ⠶§¹®¿¡ ½ÉÃþ½Å°æ¸ÁÀÇ ½Å·ÚÇÒ ¼ö ÀÖ´Â ¿¹Ãø ¿µ¿ª°ú ¼³°è °ø°£ Ãø¸é¿¡¼­ »ó´ëÀûÀ¸·Î °¡±î¿ö ¿¹ÃøÁ¤È®µµ°¡ À¯ÁöµÈ´Ù. ÀÌ È帱º°ú ´Éµ¿-ÀüÀÌ ÇнÀÀ» È°¿ëÇØ Á¡ÁøÀûÀ¸·Î ½ÉÃþ½Å°æ¸ÁÀÇ ½Å·Ú¼º ÀÖ´Â ¿¹Ãø ¹üÀ§¸¦ È®ÀåÇϸé, Ãʱâ ÈƷõ¥ÀÌÅÍ ¿µ¿ª ¹Û¿¡¼­µµ ÀûÀº µ¥ÀÌÅ͸¦ »ý¼ºÇØ È¿À²ÀûÀÎ ¼³°è °úÁ¤ÀÌ °¡´ÉÇÏ´Ù. 
 
À̹ø ¹æ¹ýÀº õ¹®ÇÐÀûÀÎ ¼öÀÇ ¼³°è ±¸¼ºÀ» °¡Áö´Â ±×¸®µå º¹ÇÕ¼ÒÀç ÃÖÀûÈ­ ¹®Á¦¿¡ Àû¿ëÇØ °ËÁõÇßÀ¸¸ç, À̸¦ ÅëÇØ Àüü °¡´ÉÇÑ º¹ÇÕÀç ±¸Á¶ÀÇ 1029ºÐÀÇ 1 °¡·®ÀÎ 10¸¸ °³ÀÇ º¹ÇÕÀçµé¸¸ Ãʱâ ÈÆ·Ã µ¥ÀÌÅÍ·Î È°¿ëÇØ ½ÉÃþ½Å°æ¸ÁÀ» ÇнÀÇÑ ÈÄ, ÀÌÈÄ ¾à 500°³¿¡ ¹ÌÄ¡Áö ¸øÇÏ´Â µ¥ÀÌÅÍ °ËÁõÀ» ÅëÇØ Ãʱâ ÈƷÿ¡ ¾²ÀÎ º¹ÇÕÀç¿Í ¸Å¿ì ´Ù¸¥ ±¸Á¶¸¦ °¡Áö°í ¿ì¼öÇÑ Æ¯¼ºÀ» Áö´Ñ º¹ÇÕÀç ±¸Á¶¸¦ ¼³°èÇÒ ¼ö ÀÖÀ½À» º¸¿´´Ù. 
 
¿¬±¸ÁøÀÌ °³¹ßÇÑ ¹æ¹ý·ÐÀº ±¹¼Ò ÃÖÀûÁ¡(Local optima)¿¡ ¼ö·ÅÇÏ´Â ¹®Á¦¸¦ ¿ÏÈ­Çϸ鼭µµ Àΰø½Å°æ¸ÁÀÇ ½Å·ÚÇÒ ¼ö ÀÖ´Â ¿¹Ãø ¿µ¿ªÀ» Á¡ÁøÀûÀ¸·Î È®ÀåÇÏ´Â È¿À²ÀûÀÎ ¹æ¹ýÀ» Á¦°øÇϱ⠶§¹®¿¡, Å« ¼³°è °ø°£À» ´Ù·ç´Â ´Ù¾çÇÑ ºÐ¾ßÀÇ ÃÖÀûÈ­ ¹®Á¦¿¡ Àû¿ëÇÒ ¼ö ÀÖÀ» °ÍÀ¸·Î ±â´ëµÇ¸ç, ƯÈ÷ ¼³°è¿¡ ¿ä±¸µÇ´Â µ¥ÀÌÅÍ °ËÁõÀÇ ¼ýÀÚ°¡ Àû±â ¶§¹®¿¡ µ¥ÀÌÅÍ »ý¼º¿¡ ½Ã°£ÀÌ ¿À·¡ °É¸®°í ºñ¿ëÀÌ ¸¹ÀÌ µå´Â ¼³°è ¹®Á¦¿¡¼­ ÀÌ ¹æ¹ý·ÐÀÌ Å©°Ô È°¿ëµÉ ¼ö ÀÖÀ» °ÍÀ¸·Î ±â´ëµÈ´Ù. 
 
¡ã ±×¸² 2. ´Éµ¿-ÀüÀÌ ÇнÀ°ú À¯Àü ¾Ë°í¸®Áò¿¡ ±â¹ÝÇÑ Àç·á ¼³°èÀÇ È帧µµ
 
À̹ø ¿¬±¸´Â °øµ¿ Á¦1ÀúÀÚ ±è¿ëÅ ¹Ú»ç°úÁ¤, ±è¿µ¼ö ¹Ú»ç(Çѱ¹±â°è¿¬±¸¿ø) ÁÖµµÇÏ¿¡ ÁøÇàµÆÀ¸¸ç, À¯½ÂÈ­ ±³¼ö(±â°è°øÇаú)°¡ ±³½ÅÀúÀÚ·Î Âü¿©ÇØ, ±¹Á¦ÇмúÁöÀÎ `npj ÄÄÇ»Å×À̼ųΠ¸ÓÅ͸®¾ó(Computational Material, IF:12.241)'¿¡ `Deep Learning Framework for Material Design Space Exploration using Active Transfer Learning and Data Augmentation' ¶ó´Â Á¦¸ñÀ¸·Î °ÔÀçµÆ´Ù.
 
À̹ø ¿¬±¸´Â Çѱ¹¿¬±¸Àç´ÜÀÇ Áß°ß ¿¬±¸ÀÚÁö¿ø»ç¾÷(3D ÇÁ¸°Æà º¹ÇÕÀçÀÇ ÃÖÀû¼³°è±â¹ý ¹× ÇǷμö¸í ¿¹Ãø±â¹ý °³¹ß)°ú ¹Ì·¡¼ÒÀç µð½ºÄ¿¹ö¸® »ç¾÷ (·¹ÀÌÀú-¹°Áú »óÈ£ÀÛ¿ë ¸ÖƼ½ºÄÉÀÏ ¸ðµ¨¸µÀ» ÅëÇÑ ºÐÀÚµðÀÚÀÎ), KAIST ±Û·Î¹ú ƯÀÌÁ¡ ÇÁ·¾ »ç¾÷ÀÇ Áö¿øÀ» ÅëÇØ ¼öÇàµÆ´Ù.
 
¡á ³í¹® Á¤º¸
*URL: https://doi.org/10.1038/s41524-021-00609-2
 
-Ãâó: KAIST ´º½º