초록 ▼

□ 연구개발 목표 및 내용
￭ 최종 목표
소재물성 빅데이터를 활용하는 소재정보학 응용 기술을 개발하고 웹기반 소재정보학 플랫폼 구축
￭ 전체 내용
다양한 소재물성 빅데이터를 확보하고, 이에 머신 러닝 방법을 적용하여 소재물성을 예측하는 소재정보학 응용 기술을 개발하고, 이를 기반으로 웹기반 소재정보학 플랫폼 구축하는 것을 목표로 함.
￭ 1단계
⦁ 목표
다양한 머신 러닝 방법들을 소재 데이터베이스를 분석하는데 적용해보고, 소재와 데이터베이스의 형태에 따른 최적의 방법을 조사하여 소재정보학의 적용

□ 연구개발 목표 및 내용
￭ 최종 목표
소재물성 빅데이터를 활용하는 소재정보학 응용 기술을 개발하고 웹기반 소재정보학 플랫폼 구축
￭ 전체 내용
다양한 소재물성 빅데이터를 확보하고, 이에 머신 러닝 방법을 적용하여 소재물성을 예측하는 소재정보학 응용 기술을 개발하고, 이를 기반으로 웹기반 소재정보학 플랫폼 구축하는 것을 목표로 함.
￭ 1단계
⦁ 목표
다양한 머신 러닝 방법들을 소재 데이터베이스를 분석하는데 적용해보고, 소재와 데이터베이스의 형태에 따른 최적의 방법을 조사하여 소재정보학의 적용 가능성을 검증함
⦁ 내용
o 공개 소재물성 DB 탐색 및 빅데이터 확보
- Materials Project, CMR 등 계산기반의 소재물성 DB를 확보하여 머신러닝을 적용하는 연구에 활용함.
o 머신러닝 방법의 활용 기술 개발
- 다양한 머신러닝 알고리즘을 테스트하여, 밴드갭 예측의 최적의 머신러닝 알고리즘으로 Gradient Boosting Tree Regression (GBTR)을 제시함.
- 다양한 feature에 대한 분석을 통해 feature engineering의 중요성 확인
-머신러닝의 feature의 분석을 통한 소재 물성 결정의 중요인자 해석 기술 개발
o 물성 예측 플러그인 개발
- 가상의 Ternary Compound의 밴드갭 및 formation energy 을 예측하는 플러그인을 개발함.
￭ 2단계
⦁ 목표
머신러닝 방법에 의한 소재 예측 기술을 웹기반 소재정보학 플랫폼으로 구축하고, 사용자가 제공하는 소재 데이터를 활용하여, 다양한 머신러닝 방법론, 다양한 feature를 선택하여 소재 물성을 예측할 수 있는 소재정보학 플랫폼 공개
⦁ 내용
o 웹기반 소재정보학 플랫폼, SimPL-ML 구축
- 사용자가 자신의 데이터를 업로드하고 다양한 머신러닝 알고리즘을 선택하여 머신러닝 예측 모델을 만들어 볼 수 있는 사용자 친화적인 웹기반 소재 정보학 플랫폼인 “SimPL-ML“ 구축
- 사용자가 매우 간단한 과정을 통해서 데이터셋 가공에서부터 Feature/Target set 선택, 예측 알고리즘 선택 및 예측모델 저장과 임의의 입력값에 대한 예측까지 머신러닝의 전 과정을 수행해볼 수 있도록 제공함.
- SimPL-ML에서는 머신러닝 알고리즘 선택에서 gradient boosting tree (GBTR), AdaBoost (adaptive boosting), support vector, linear, k-nearest neighbors, Bayesian ridge, ridge, elastic net, 그리고 extreme gradient boosting (XGB) 까지 총 9종의 Regression 알고리즘 방법 중에 선택이 가능하게 하였음.
- 직접 개발한 Hyperparameter 최적화 (HPO) 기능을 플랫폼에 탑재하여, 머신러닝 활용의 초보자에게는 어려운 Hyperparameter 최적화 과정을 자동으로 수행할 수 있게 함.
- 각 머신러닝 알고리즘별로 HPO기능을 사용자가 취사 선택할 수 있도록 플랫폼을 구축하였음.
- 웹기반 소재정보학 플랫폼은 다음 주소에 공개하여 로그인 등록 후에 자유로이 활용할 수 있으며, 활용법에 대한 동영상은 유튜브에 공개하였음.
플랫폼 주소 : http://www.simpl-ml.org
활용법 설명 동영상링크 : https://www.youtube.com/watch?v=cwFVHGUoLvc
o 머신러닝 방법의 활용 기술 고도화
- 밴드갭 예측 정확도 향상을 위한 딥러닝 알고리즘 개발
Tuplewise Graph Neural Network (TGNN) 알고리즘을 통한 GW 레벨 수준의 밴드갭 예측 성능 구현. G0W0 밴드갭 예측시 0.172 eV의 예측 오차 달성.

□ 연구개발성과
￭ 1단계
⦁ 단계별 연구목표
머신러닝을 활용한 소재정보학의 적용 가능성을 검증
⦁ 단계별 성과
- 다양한 공개 소재물성 DB를 수집하여 다양한 머신러닝 적용 연구 수행
- 소재 분야의 머신러닝 적용으로 밴드갭 예측 등 소재 물성 예측 기술 확보
- 다양한 머신러닝 알고리즘 테스트 및 딥러닝 방법의 고도화로 밴드갭 예측의 성능 향상 기술 확보
- SCI 논문 4편 게재
￭ 2단계
⦁ 단계별 연구목표
웹기반 소재정보학 플랫폼으로 구축
⦁ 단계별 성과
- 사용자 데이터를 직접 사용하여 머신러닝 모델을 구축할 수 있는 웹기반 소재정보학 플랫폼 구축
- 9종의 머신러닝 알고리즘 선택이 가능하고, 자동화된 Hyperparameter 최적화 (HPO) 기능 선택이 가능한 플랫폼으로 고도화
- 웹기반 소재정보학 플랫폼, “SimPL-ML”공개 http://www.simpl-ml.org
- “SimPL-ML”를 소개하는 논문 1편을 작성하여 투고함.

□ 연구개발성과 활용계획 및 기대 효과
- 소재 분야에 특화된 머신러닝 활용을 위한 웹기반 소재정보학 플랫폼 “SImPL-ML”을 공개하여 사용자가 다양한 머신러닝 알고리즘을 활용해 볼 수 있는 기회를 제공함.
- 특히 사용자가 구축한 다양한 소재 물성 데이터베이스를 활용하여 소재 물성을 예측할 수 있는 소재정보학 플랫폼을 제공함으로서, 다양한 분야의 신소재 개발 연구에 머신러닝 활용을 수행할 수 있음.
- 특히 컴퓨터 프로그래밍 없이도 데이터 편집을 가능하게 하고, 소재 분야에 특화된 feature를 손쉽게 사용할 수 있게 제공
- 다양한 머신러닝 알고리즘과 feature engineering에 대한 선택지를 제공하는 소재정보학 플랫폼을 구축하여, 사용자 중심의 플랫폼으로 제공
- 이러한 “SImPL-ML”의 웹페이지 공개 뿐 아니라 활용법을 유튜브 동영상으로 제공하여 사용자의 접근성을 높임.
https://www.youtube.com/watch?v=a4UbsvcEkgY

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 2
• 목차 ... 5
• 1. 연구개발과제의 개요 ... 6
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 7
• 2.1 소재 물성 빅데이터 확보 ... 7
• 2.2 다양한 머신러닝 방법의 활용 기술 개발 ... 8
• 2.3 웹기반 소재정보학 플랫폼, SimPL-ML 구축 ... 13
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 21
• 4. 목표 미달 시 원인분석 ... 28
• 5. 연구개발성과의 관련 분야에 대한 기여 정도 ... 29
• 6. 연구개발성과의 관리 및 활용 계획 ... 29
• 끝페이지 ... 30