세종대학교 소재허브 연구단에서 신소재 개발 과정을 혁신하고 가속화하기 위해 개발한 AI 기반 소재 설계 자동화 플랫폼입니다.
기존의 시간과 비용이 많이 드는 시행착오 방식에서 벗어나, 능동학습(Active Learning) 알고리즘을 핵심 기술로 구현하여 사용하고 있습니다. 능동학습은 한정된 실험 데이터 내에서 가장 정보 가치가 높은 샘플을 선택하여 모델의 예측 성능을 극대화하는 것을 목표로 하며, 이를 통해 데이터 효율성을 비약적으로 향상시키고 원하는 물성을 가진 신소재를 효율적으로 설계하는 것을 목표로 합니다.
-
능동학습 기반 데이터 효율 극대화 능동학습 전략을 활용하여 광범위한 실험 가능성 중에서 가장 정보 가치가 높은 미지의 소재 후보군을 우선적으로 탐색합니다. 제한된 실험 자원 내에서 AI 모델의 예측 정확도를 가장 빠르게 향상시켜 신소재 탐색에 필요한 시간과 비용을 획기적으로 절감합니다.
-
다중 목표 물성을 위한 최적화 설계 복수의 물성 목표(예: 강도와 유연성)가 상충하는 경우에도, 이들을 동시에 고려하여 균형 잡힌 최적의 소재 조성 비율을 찾아냅니다. 연구 목적에 따라 다양한 최적화 기준을 적용하여, 현실적인 제약 조건 내에서 가장 효율적인 설계 해답을 도출합니다.
-
지능형 소재 개발 워크플로우 자동화 실험 데이터 입력부터 AI 모델 훈련, 성능 분석, 그리고 다음 실험 후보군 추천에 이르는 전 과정을 통합적으로 자동화합니다. 연구자들이 복잡한 최적화 과정 대신 소재 설계 자체에 집중할 수 있도록 지원하는 체계적이고 사용자 친화적인 플랫폼 환경을 제공합니다.
-
고속 탐색을 위한 예측 모델 통합 소재 조성 및 구조 정보를 기반으로 목표 물성을 정확하게 예측하는 머신러닝 모델을 통합하여, 실제 실험 전에 잠재적인 소재 성능을 예측하고 검증합니다.