[11.13] R&D 대전환- AI 기반 자율실험실(SDL) 심층분석- 최적화 구축/활용/실습 3차 세미나

주제 및 세부 내용

0. 도입 및 산업적 배경

- 왜 지금 AI for Materials인가, 공정-구조-물성

- 성능 프레임워크, 소재 탐색/개발/최적화

- 전체 과정 안내

[모듈1] 문제 정의와 소재 데이터- 기본 용어에서 지표 정의까지

- AI/ML 기본 용어

- 회귀, 분류, 군집화, 최적화의 차이

- 입력값, 목표값, 기술자, 라벨 및 도메인 제약조건

- 성공 지표 정의

[모듈2] 소규모ㆍ불완전ㆍ불일치 데이터- 수집에서 설계까지

- 문헌 데이터 수집, 결측 발생 메커니즘, 삭제와 대치의 비교

- MICE, KNN, 랜덤 포레스트 및 화학 지식 기반 대치, 데이터 누출 방지

- 학습/검증/시험 데이터 설계

[모듈3] 공정-물성 관계 예측과 모델 선택 및 비교

- 기준 모델, 트리 앙상, 교차 검증, RMSE, R2, 정밀도, 재현율 및 F1

- 하이퍼파라미터 튜닝, 제한된 데이터에서의 모델 선택

[모듈4] 역설계와 실험 추천 및 최적화

- 정방향 모델과 역설계의 차이, 공정변수 최적화, 제약조건과 실행가능성

- 설계-소자(design-to-device) 파이프라인, 실험 검증

[모듈5] 소재 특성평가를 위한 컴퓨터 비전 사례를 통한 상태분류

- CNN 개념, 이미지 선별 및 증강, 패치 분할/크롭, 클래스 불균형

- 혼동행렬: Grad-CAM, 도메인 이동과 일반화

[모듈6] 불확실성과 신뢰성 및 해석 가능성 사례 분석

- 점 예측과 확률론적 예측, 우연적/인식론적 불확실성

- NGBoost: 음의 로그우드와 보정, SHAP: 분포 외 시험

[모듈7] 산업 적용과 자율실험 데이터인프라 및 실험설계

- 데이터 인프라, 최소 실행 가능 데이터셋, 모델 모니터링

- 시뮬레이션, 특성평가, 실험실 자동화와의 통합

- 베이지안 최적화와 폐루프 실험

- 거버넌스 및 책임 있는 활용

8. 종합 마무리

- AI for Materials 활용사례 개요 작성

- 문제, 데이터, 모델, 검증, 불확실성, 사업 가치 및 다음 실험

- 핵심 정리와 질의응답

※ 본 행사는 사전등록이 마감될 경우, 현장등록은 불가능하오니 사전등록 바랍니다.

※ 자세한 사항은 홈페이지(https://www.kiei.com) 또는 전화 (02)2025-1333~7 문의 바랍니다.