AI Tutorials

인공지능 기초

[한국소성가공학회 2022년 전문교육] 재료 설계를 위한 인공지능 기초

최근 빅데이터를 활용한 인공지능 모델로 재료를 설계하는 연구가 활발히 진행되고 있다. 일반적으로 재료 설계는 반복적인 실험을 통해 긴 기간에 걸쳐 완성되지만, 인공지능을 이용하면, High throughput material screening이 가능하여 설계 시간을 크게 단축할 수 있다. 또한 기존의 재료 데이터를 기계학습으로 분석해 봄으로써 재료 설계에 대한 가이드라인을 얻을 수 있다.

본 강좌에서 1부는 기계학습에 대한 기초에 대해 배우고, 설명 가능한 인공지능 모델 중 하나인 SHAP (SHapley Additive exPlanation)을 활용하여 feature importance를 분석하고자 한다. 2부에서는 실제 Material project의 데이터를 불러와서 체적 탄성 계수(Bulk modulus)와 전단 탄성 계수(Shear modulus)를 기계학습을 통해서 예측해보고, SHAP을 통해서 feature importance가 어떻게 나타나는지 실습하고자 한다. 3부에서는 실제 산업 현장에서 얻은 사출 몰딩 데이터를 이용하여 LIME이나 SHAP와 같은 설명 가능한 인공지능을 통해 geometric feature와 material feature가 5가지 공정 계수에 어떤 영향을 주는지 분석해 볼 예정이다.

주제 1: 인공지능 기초 (60분)

- 기계학습의 기본 개념
- 다양한 기계학습 모델 분석 및 소개
- 머신러닝 모듈 소개 (Scikit-learn, Pycaret)

주제 2: The Materials Project를 이용한 머신러닝 실습 (60분)

- 재료와 인공지능 Application 사례
- Material project를 통한 Database 구축
- 기계학습을 통한 금속 데이터의 Bulk modulus와 Shear modulus 예측 및 상관관계 분석

주제 3: 실제 산업 현장 데이터를 이용한 설명 가능한 인공지능 구현 실습 (60분)

- 실제 산업 현장 데이터에도 적용 가능함을 보여주는 사례 제시
- 기계학습을 통해 geometric feature와 material feature가 주어졌을 때 공정 계수 예측할 수 있는 모델 구축
- LIME과 SHAP를 통하여 최적의 사출 몰딩 공정 계수를 위해 어떤 feature가 중요하며 각 feature는 공정 계수와 어떤 관계를 가지는지 분석