초록 ▼

Ⅳ. 연구개발결과
본 연구에서는 2년간의 1단계 기간을 통해 GeoAI 활용 플랫폼의 시작품 구축을 완료하였다. 플랫폼 구동을 위한 서버 하드웨어, 소프트웨어 인프라 및 네트워크 환경을 구축하였으며 코드 개발 기능을 위한 도구 및 워크플로우 기반 모형 개발을 위한 기본 기능을 구현, 플랫폼 시작품에 탑재 완료하여 차기년도 한국지질자원연구원 내 제한 공개 예정에 있다.

플랫폼 탑재를 위한 GeoAI 추론 모형으로 2차원 지오데이터 추론 기법을 개발, 시범적용하였으며 3차원 격자기반으로 공간모형을 근사하고 지질정보를

Ⅳ. 연구개발결과
본 연구에서는 2년간의 1단계 기간을 통해 GeoAI 활용 플랫폼의 시작품 구축을 완료하였다. 플랫폼 구동을 위한 서버 하드웨어, 소프트웨어 인프라 및 네트워크 환경을 구축하였으며 코드 개발 기능을 위한 도구 및 워크플로우 기반 모형 개발을 위한 기본 기능을 구현, 플랫폼 시작품에 탑재 완료하여 차기년도 한국지질자원연구원 내 제한 공개 예정에 있다.

플랫폼 탑재를 위한 GeoAI 추론 모형으로 2차원 지오데이터 추론 기법을 개발, 시범적용하였으며 3차원 격자기반으로 공간모형을 근사하고 지질정보를 특징 기반으로 추출하는 인공지능 모형을 개발, 플랫폼 탑재 및 부분 연동을 완료하였으며, 기계학습 기반의 전기비저항 역산 모델 및 물리탐사, 시추자료 중합을 통한 지반의 암질 지수 및 물성을 추론할 수 있는 인공지능 모형을 개발하였다.

또한 그래프 신경망 기반으로 입자기반 해석법인 완화입자유체동역학의 기본 구조를 유지한 채 동역학 시뮬레이션을 가속화할 수 있는 PIML 융합전산해석 기술을 개발하였으며 기존에 개발해 오던 동역학 시뮬레이터 소프트웨어에 탑재하기 위한 시험 및 검증을 마쳤다. 해당 연구는 현재 standalone 타입의 소프트웨어 형태의 개발 결과물을 산출, 기술이전을 완료하여 상용화를 앞두고 있다.

지오빅데이터 수집 및 구축 기술 개발의 일환으로 GeoAI 플랫폼용 파일 전처리 사용자 함수 개발을 부분 완료하였으며 BGS 의 공개 데이터셋을 활용, 기계학습에 최적화된 9.4TB의 박편 이미지 데이터셋을 구축 완료하였다. CESMD(center for engineering strong motion data)에서 공개 중인 지진계별 강진동 가속도 파형 데이터를 일괄 수집하여 기계학습에 활용 가능하도록 전처리를 거쳐 데이터베이스화하였으며, 국내 SOC 사업을 통해 진행된 지반 조사 자료를 바탕으로 30개 프로젝트 대상(1단계　14, 2단계 16), 717개 전기 비저항 탐사 단면 측치 및 1,009개 시추공 지층정보 데이터를 확보하여 기계학습이 가능한 형태로 가공, 데이터셋을 구축 완료하였다.

마지막으로 플랫폼 잠재 사용자 162명을 대상으로 사용자 요구 사항 도출을 위한 수요분석을 실시하여 GeoAI 플랫폼 중장기 발전 전략 수립에 활용하기 위한 조사 자료를 확보하였다.

(출처 : 요약문 8p)

Abstract ▼

Ⅳ. Results of the Work
Through the first stage of the research for the past two years, we have built a prototype GeoAI application platform. Infrastructures of hardwares, softwares, and network environment for the operation of platform has been established. Various development tools in code-envir

Ⅳ. Results of the Work
Through the first stage of the research for the past two years, we have built a prototype GeoAI application platform. Infrastructures of hardwares, softwares, and network environment for the operation of platform has been established. Various development tools in code-environment, and basic tools for workflow-based model development are embodied and embarked into the platform prototype, and will be open inside the instituted within the next year.

We also developed various inference models of geoscience data based on artificial intelligence including two-dimensional geo-spatial data inference model, three-dimensional proxy models based on 3D grids, feature based extraction of geological information, machine-learning-based inversion modelling of resistivity. Furthermore, we proposed an AI model that can be used to infer the rock mass rate and bedrock properties based on the fusion of data from geophysical exploration and drilling.

Furthermore, we developed a physics-informed-machine-learning model that can accelerate the dynamic simulation of smoothed particle hydrodynamics (SPH) while maintaining the fundamental structure of the algorithm, and tested the algorithms to be embarked into the dynamic simulator software. As a product of the research , the algorithm will be integrated into a standalone type software that is transferred to a domestic company and ready for commercialization.

As part of geo-big data acquisition technology, we developed various user-defined function for data pre-processing in GeoAI platform, and established a large-scale dataset of microscopic images for rock flakes with the size of 9.4TB from open-data set provided by BGS. We also collected strong motion tectonic wave data from various open dataset provided by CESMD. Furthermore, based on the data that is obtained from ground survey conducted from domestic SOC projects, we acquired 717 2D sectional measured data of electric resistivity, 1,009 drilling-based stratum information, and estabilished data-sets by processing the measured data into a suitable format for machine-learning.

Finally, for the sake of user requirements of the GeoAI platform, we conducted a demand survey targeting potential 162 users of the platform, and analyzed the result for the sake of the strategization of long-term development of the platform.

(source : SUMMARY 11p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 3
• 요약서 ... 5
• 요 약 문 ... 7
• SUMMARY ... 10
• CONTENTS ... 13
• 목차 ... 15
• 제1장 연구개발과제의 개요 ... 17
• 제1절 연구개발의 목적 및 필요성 ... 17
• 1. 연구개발의 목적 ... 17
• 2. 연구개발의 필요성 ... 17
• 제2절 핵심 개발 기술 정의 ... 23
• 1. AI 플랫폼 ... 23
• 2. 지오빅데이터와 GeoAI ... 25
• 3. GeoAI 활용 플랫폼 및 핵심 기술 ... 25
• 제3절 연구개발 범위 ... 29
• 제2장 국내외 기술개발 현황 ... 30
• 제1절 AI 플랫폼 기술 동향 분석 ... 30
• 제2절 국내·외 시장 현황 분석 ... 33
• 제3절 특허 조사를 통한 국내외 기술현황 분석 ... 35
• 제3장 연구개발 수행 내용 및 결과 ... 37
• 제1절 GeoAI 모델 서비스 환경 및 활용 플랫폼 구축 ... 37
• 1. 플랫폼 개발을 위한 사전 분석, 요구사항 정의 및 상세 설계 ... 37
• 2. 플랫폼 인프라 구축 및 소프트웨어 아키텍쳐 구성 ... 47
• 3. GeoAI 플랫폼 프로토타입 개발 ... 50
• 제2절 GeoAI 활용 플랫폼 탑재형 지오데이터 추론 모형 개발 ... 60
• 1. 2차원 지오데이터 추론기법 개발 및 시범적용 ... 60
• 2. 격자기반 지하공간모형 시뮬레이션 근사기능 설계 및 구현 ... 96
• 3. 기계학습 기반 전기비저항 역산 모델 개발 ... 153
• 4. 탐사정보/시추공정보 중합 기반 지반정보 추론을 위한 신경망 개발 ... 166
• 제3절 동역학 해석-AI 연계 PIML 솔버 개발 ... 179
• 1. 완화입자유체동역학(SPH) 기반 Geo-Flow 해석기술 개발 ... 179
• 2. 입자군 데이터 특성공학 및 신경망 설계 ... 189
• 3. PIML 시뮬레이터 S/W 개발 ... 197
• 제4절 지오빅데이터 수집 및 구축 기술 개발 ... 208
• 1. GeoAI 플랫폼용 파일 전처리 사용자함수 개발 ... 208
• 2. 강진동 파형 데이터셋 구축 ... 220
• 3. 암석 박편 이미지 데이터셋 구축 ... 225
• 4. 국내 지질환경데이터 수집 ... 228
• 5. 국내 전기비저항 측정자료, 역산모델, 시추공 정보 수집 ... 236
• 제5절 GeoAI 플랫폼 중장기 발전 전략 수립을 위한 수요 분석 ... 241
• 1. 연구의 목적 및 개요 ... 241
• 2. 선행 연구 분석 및 설문 설계 ... 242
• 3. 수요 조사 결과 ... 249
• 4. 요약 및 시사점 ... 254
• 제4장 목표달성도 및 관련분야에의 기여도 ... 256
• 제1절 목표달성도 ... 256
• 1. 단계 연구 목표의 달성도 ... 256
• 2. 당해연도 목표의 달성도 ... 257
• 제2절 관련 분야에의 기여도 ... 258
• 1. 기술적 측면 ... 258
• 2. 경제·산업적 측면 ... 259
• 3. 정책적 측면 ... 259
• 제5장 연구개발결과의 활용계획 및 발전전략 ... 260
• 제1절 연구개발결과 활용 계획 ... 260
• 제2절 플랫폼 발전 및 데이터 확보 전략 ... 261
• 1. GeoAI 플랫폼의 향후 발전 전략 ... 261
• 2. 장기적 연구데이터 확보 전략 ... 261
• 제6장 참고 문헌 ... 262
• 끝페이지 ... 268