초록 ▼

○ 인터랙티브 시각화 분석모듈과 데이터 도메인에 따른 분석모듈의 고도화
• 상호작용형 시각화 기법들을 추가 구현 (시각화 패널 사이의 동기화)
• 위상데이터분석 기법 구현

○ 기계학습을 이용한 소재의 특성 예측 모델 개발
• Materials Project(http://materialsproject.org/, 약칭 MP 데이터)에서 구성 원소 종류가 n=1,2,3,...8인 경우까지 총 69,640개의 결정 구조를 갖는 소재의 데이터 활용
• 소재의 전기적 특성을 결정짓는 band gap값 예측과

○ 인터랙티브 시각화 분석모듈과 데이터 도메인에 따른 분석모듈의 고도화
• 상호작용형 시각화 기법들을 추가 구현 (시각화 패널 사이의 동기화)
• 위상데이터분석 기법 구현

○ 기계학습을 이용한 소재의 특성 예측 모델 개발
• Materials Project(http://materialsproject.org/, 약칭 MP 데이터)에서 구성 원소 종류가 n=1,2,3,...8인 경우까지 총 69,640개의 결정 구조를 갖는 소재의 데이터 활용
• 소재의 전기적 특성을 결정짓는 band gap값 예측과 소재의 구조적 안정성을 결정짓는 formation energy를 예측 모델 개발

○ 기계학습 기반 체외충격파 요로결석 쇄석술 예측
• 요로결석에 대한 체외충격파 쇄석술 데이터 확보: 288명 데이터 수집
• 시술 후 요로결석 제거율에 대한 모델 개발: 88% 정확도

○ 보행관련 의료데이터 확보와 기계학습 기반 비선형 분석 방법 적용 및 건강도 예측 모델 가능성 확인
• 보행관련 의료데이터 확보: 700명 데이터 수집
• 기계학습 기반 임상지수 예측 및 피처의 중요도 분석
• 파킨스/알츠하이머 질병 가능성 예측 및 건강지수 분석
• 진단/예측에 활용 가능성 연구

(출처 : 요약서 3p)

Abstract ▼

□ Purpose & Contents
○ Purpose
• Enhancement of the system core for interactive data analytics system
• Development of customized extension moduldes for specific public and industrial data domain

○ Purpse This Year
• Interactive data analysis enhancements and expansion modules

□ Purpose & Contents
○ Purpose
• Enhancement of the system core for interactive data analytics system
• Development of customized extension moduldes for specific public and industrial data domain

○ Purpse This Year
• Interactive data analysis enhancements and expansion modules
• Development of Advanced interactive visualization analysis module and analysis module based on data domain
• Application to various fields

□ Results
○ Enhancement of interactive visualization analysis module and analysis module according to data domain
• Additional implementation of interactive visualization techniques(synchronization between visualization panels)
• Implement topological data analysis technique (visualization)

○ Development of material prediction model using machine learning
• Data Preprocessing of materials with a total of 69,640 crystal structures in the Materials Project
• Prediction of the band gap that determines the electrical characteristics of the material and the prediction of the formation energy that determines the structural stability of the material.

○ Machine learning based on extracorporeal shock wave urinary stone lithotripsy prediction
• Acquisition of extracorporeal shock lithotripsy data for urinary stone: 288 data collection
• Development of a model for urinary stone removal rate after surgery: 88% accuracy

○ Acquisition of medical data related to gait and application of non-linear analysis method based on machine learning
• Acquiring medical data related to walking: 700 data collection
• Prediction of clinical index based on machine learning and importance analysis of features
• Perkins / Alzheimer's disease predictability and health index analysis
• Model deveopment for diagnosis / prediction tools

□ Expected Contribution
○ Development of new data analysis techniques and forecasting systems based on mathematical science will be a cornerstone for solving problems in industry, medical and research, and will contribute to securing competitiveness in each field.
○ It is anticipated that it will be possible to expand the application to scientific, medical and industrial fields by securing effective data analysistechnology.
○ To acquire new knowledge and various insights about domain from data analysis result

(출처 : SUMMARY 5p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 요약서 ... 3
• 국문 요약문 ... 4
• SUMMARY ... 5
• CONTENTS ... 6
• 목차 ... 7
• 제1장. 연구개발과제의 개요 ... 8
• 제2장. 국내외 기술 개발 현황 ... 9
• 1. IBM-Watson ... 9
• 2. Google Translate ... 10
• 3. NIA(한국정보화진흥원) ... 10
• 4. ETRI(전자통신연구원) ... 11
• 5. KISTI(한국과학기술정보연구원) ... 11
• 6. NSF(National Science Foundation) ... 11
• 7. NIH(National Institutes of Health) ... 12
• 8. DoD(United States Department of Defense) ... 12
• 9. DARPA(The Defense Adavanced Research Projects Agency) ... 12
• 10. 에너지부(DoE) ... 13
• 11. FODAVA(The Foundations on Data Analysis and Visual Analytics-Geogia Tech) ... 13
• 12. MIT Media Lab: Human Dynamics Laboratory ... 14
• 13. Informational Trust Institute-University of Illinois at Urbana-Champaign ... 14
• 14. Dow Jones Economic Sentiment Indicator ... 14
• 15. 데이터 시각화 기법 개발의 확대와 다양한 응용 ... 14
• 16. Deep Learning을 활용한 데이터분석의 증가 ... 15
• 17. 인공지능 개발의 확대 ... 16
• 제3장. 연구 수행 내용 및 성과 ... 18
• 1. 인터랙티브 시각화 분석모듈과 데이터 도메인에 따른 예측/분석모듈의 고도화 ... 18
• 2. 기계학습을 이용한 소재의 특성 예측 ... 20
• 3. 크리스털 그래프 컨볼루션 신경망을 이용한 크리스털의 물성 예측 ... 28
• 4. 보행관련 의료데이터 확보와 기계학습 기반 비선형 분석 방법 적용 및 건강도 예측모델 개발 ... 34
• 5. 기계학습 기반 체외충격파 요로결석 쇄석술 예측 ... 42
• 제4장. 목표 달성도 및 관련 분야 기여도 ... 48
• 1. 연구개발성과 및 평가 방법 ... 48
• 2. 평가의 착안점에 따른 목표달성도에 대한 자체평가 ... 48
• 3. 해당 연도 정량적 연구성과 목표 및 달성도 ... 48
• 제5장. 연구개발성과의 활용 계획 ... 49
• 제6장. 연구 과정에서 수집한 해외 과학기술 정보 ... 50
• 제7장. 국가과학기술종합정보시스템에 등록한 연구시설·장비 현황 ... 55
• 제8장. 연구개발과제의 대표적 연구 실적 ... 56
• 제9장. 참고문헌 ... 57
• 끝페이지 ... 61