본문으로 건너뛰기

A stacking ensemble model for predicting the flexural fatigue life of fiber-reinforced concrete

· 약 5분
Wan-lin Min
Wei-liang Jin
Yen-yi Hoo
Hailong Wang
Xiaoyu He
Yongke Wei
Jin Xia

논문 정보​

  • 제목: A stacking ensemble model for predicting the flexural fatigue life of fiber-reinforced concrete
  • 저자: Wan-lin Min 외 (Zhejiang University)
  • 학회/저널: International Journal of Fatigue
  • 발행일: 2024-09-12
  • DOI: 10.1016/j.ijfatigue.2024.108599
  • 주요 연구 내용: 섬유 보강 콘크리트(FRC)의 휨 피로 수명을 예측하기 위해 스태킹 앙상블 기법에 기반한 새로운 모델(Stacking-SXDG)을 제안함. 이 모델은 Deep Autoencoder Network, XGBoost, Random Forest를 기본 학습기로 사용하고, Grey Wolf Optimizer(GWO) 알고리즘으로 최적화된 Deep Neural Network(DNN)를 메타 학습기로 활용하여 예측 정확도를 극대화함.
  • 주요 결과 및 결론: 제안된 Stacking-SXDG 모델은 테스트 데이터셋에서 R2R^{2} 값 0.938을 달성하여 다른 단일 머신러닝 모델들보다 월등한 예측 성능을 보임. SHAP 분석을 통해 응력 수준(stress level), 신뢰도(reliability), 섬유 종류 및 길이가 FRC의 피로 수명에 가장 큰 영향을 미치는 주요 인자임을 확인함.
  • 기여점: FRC의 휨 피로 수명 예측을 위해 머신러닝을 적용한 최초의 연구로, 단일 모델의 한계를 극복하는 강력한 스태킹 앙상블 프레임워크를 제시함. 또한, SHAP을 활용하여 모델의 예측 결과를 해석하고 각 입력 변수의 중요도를 정량적으로 분석하여 FRC 재료의 이해와 실제 적용 가능성을 높임.

Machine Learning Based Virtual Screening for Biodegradable Polyesters

· 약 4분
Navya Nori

논문 정보​

  • 제목: Machine Learning Based Virtual Screening for Biodegradable Polyesters
  • 저자: Navya Nori (Milton High School)
  • 학회/저널: Journal of Materials Science and Chemical Engineering
  • 발행일: 2024-08-22
  • DOI: 10.4236/msce.2024.128001
  • 주요 연구 내용: 생성 모델(JTVAE)로 만든 수많은 폴리에스터 후보 분자들을 대상으로, 600개의 분자 실험 데이터로 학습된 Gradient Boosted Machine 모델을 사용하여 생분해성 점수를 예측함. 점수가 높은 분자들은 SynNet 모델을 통해 화학적 합성 가능성을 검증하여 최종 후보군을 선별하는 하이브리드 가상 스크리닝 프레임워크를 제안함.
  • 주요 결과 및 결론: 개발된 생분해성 예측 모델은 테스트 데이터셋에서 84%의 AUROC와 87%의 AUPRC를 달성하여 높은 정확도를 보였음. 분자 구조 분석 결과, 짧은 탄소 골격, 에스터 결합, 적절한 소수성이 생분해성에 긍정적인 영향을 미치는 것으로 나타났으며, 최종 후보 분자들은 실험실에서 합성이 가능한 것으로 확인됨.
  • 기여점: 기존의 고비용, 저효율 스크리닝 방법을 대체할 수 있는 저렴하고 확장 가능한 기계 학습 기반 접근법을 제시함. 생화학적 복잡성을 효과적으로 포착하여 새로운 생분해성 폴리에스터 후보 물질을 신속하게 발굴하고, 그 설계 원리에 대한 해석 가능성을 높임.

Optimization of Fiber Radiation Processes Using Multi-Objective Reinforcement Learning

· 약 5분
Hye Kyung Choi
Whan Lee
Seyed Mohammad Mehdi Sajadieh
Seung Bum Sim
Sang Do Noh

논문 정보​

  • 제목: Optimization of Fiber Radiation Processes Using Multi-Objective Reinforcement Learning
  • 저자: Hye Kyung Choi (Sungkyunkwan University), Whan Lee (Sungkyunkwan University), Seyed Mohammad Mehdi Sajadieh (Sungkyunkwan University), Seung Bum Sim (Korea Textile Development Institute), Wu chang Jung (Korea Textile Development Institute), Jeong Ho Jeong (Korea Textile Development Institute), Sang Do Noh (Sungkyunkwan University)
  • 학회/저널: International Journal of Precision Engineering and Manufacturing-Green Technology
  • 발행일: 2024-07-26
  • DOI: 10.1007/s40684-024-00644-6
  • 주요 연구 내용: 본 연구는 전통적인 섬유 방사 공정의 디지털 전환을 위해 다중 목표 강화 학습(MORL) 프레임워크를 제안함. 공정 데이터로부터 유의미한 변수를 추출하고, LSTM 기반의 예측 모델로 섬유의 강도와 신도를 예측한 후, Q-러닝 알고리즘을 사용하여 품질과 생산성을 동시에 최적화하는 공정 파라미터 레시피를 추천함.
  • 주요 결과 및 결론: 제안된 LSTM 예측 모델은 섬유 강도 예측에서 85.24%, 신도 예측에서 87.02%의 높은 정확도(r2r^2-score)를 달성함. 다중 목표 최적화를 통해 기존 공정 대비 평균 7.25%의 생산성 향상을 이루었으며, 작업자의 노하우나 시행착오에 대한 의존도를 크게 낮춤.
  • 기여점: 전통적인 제조업에 데이터 기반 AI 기술을 적용하여 디지털 전환을 이룰 수 있는 실질적인 방법론을 제시함. 특히 품질과 생산성이라는 상충 관계에 있는 두 목표 사이의 최적 균형점을 찾는 강화 학습 모델을 통해, 복잡한 공정 의사결정을 자동화하고 효율화하는 방안을 구체화함.

Automated machine learning for fabric quality prediction: a comparative analysis

· 약 5분
Ahmet Metin
Turgay Tugay Bilgin

논문 정보​

  • 제목: Automated machine learning for fabric quality prediction: a comparative analysis
  • 저자: Ahmet Metin (Bursa Technical University), Turgay Tugay Bilgin (Bursa Technical University)
  • 학회/저널: PeerJ Computer Science
  • 발행일: 2024-07-23
  • DOI: 10.7717/peerj-cs.2188
  • 주요 연구 내용: 7개의 오픈소스 AutoML(FLAML, AutoViML, EvalML, AutoGluon, H2OAutoML, PyCaret, TPOT) 기술을 비교하여 직물 품질 데이터의 불균형 문제를 해결하고, 계산 효율성과 예측 정확성 간의 최적 균형점을 찾는 방법론을 제시. IoT 센서와 ERP 시스템에서 수집된 데이터를 활용하여 품질 예측 모델을 자동화함.
  • 주요 결과 및 결론: EvalML이 평균 절대 오차(MAE)에서 2.8282로 가장 우수한 성능을 보였고, AutoGluon은 평균 절대 백분율 오차(MAPE), 평균 제곱근 오차(RMSE), 결정 계수(R2R^2)에서 각각 1.0444, 21.129, 0.964로 가장 나은 성능을 기록함. 그러나 AutoGluon은 추론 시간이 길다는 단점이 있어, 정확성과 계산 효율성 간의 상충 관계를 확인함.
  • 기여점: 섬유 산업에서 AutoML 적용에 대한 실용적인 가이드를 제공하고 Industry 4.0 기술을 활용한 직물 품질 예측 향상 로드맵을 제시. 예측 정확성과 계산 효율성 간의 균형점 탐색의 중요성을 강조하고, 모델 해석을 위한 특징 중요도(feature importance) 분석의 유용성을 입증함.

Beyond the Hype: A Comprehensive Review of Current Trends in Generative Al Research, Teaching Practices, and Tools

· 약 6분
James Prather
Juho Leinonen
Natalie Kiesler
Jamie Gorson Benario

논문 정보​

  • 제목: Beyond the Hype: A Comprehensive Review of Current Trends in Generative Al Research, Teaching Practices, and Tools
  • 저자: James Prather (Abilene Christian University), Juho Leinonen (Aalto University), Natalie Kiesler (Nuremberg Tech), 외 다수
  • 학회/저널: 2024 Working Group Reports on Innovation and Technology in Computer Science Education (ITICSE-WGR 2024)
  • 발행일: 2024-07-08
  • DOI: 10.1145/3689187.3709614
  • 주요 연구 내용: 컴퓨팅 교육 분야에서 생성형 AI(GenAI)의 현재 동향을 파악하기 위해 세 가지 접근법을 사용함. 첫째, 71편의 관련 연구에 대한 체계적 문헌 고찰(SLR)을 수행함. 둘째, 교육자(N=76)와 산업계 개발자(N=39)를 대상으로 설문조사를 실시함. 마지막으로 GenAI 도구 개발자, 연구자, 사용자 등 17명의 교육자와 심층 인터뷰를 진행하여 데이터를 삼각 측량 방식으로 분석함.
  • 주요 결과 및 결론: 문헌 고찰 결과, 교육적 가드레일이 포함된 맞춤형 GenAI 도구를 사용할 때 긍정적인 결과가 더 많이 나타남. 설문 및 인터뷰 결과, 대다수 교육자(77%)는 GenAI로 인해 필요한 프로그래밍 역량이 변화했다고 인식하지만, 실제 교육과정을 수정한 비율은 36%에 그침. 역량의 중심이 코드 작성에서 코드 읽기, 테스트, 문제 분해 등 고차원적 기술로 이동하고 있으며, 평가 방식도 감독 있는 시험이나 구술시험으로 바뀌는 추세임.
  • 기여점: 본 연구는 문헌, 교육자, 산업계 개발자의 관점을 통합하여 컴퓨팅 교육에서 GenAI의 현주소를 포괄적으로 제시함. GenAI 통합의 실제 동향, 교육 방식의 변화, 역량 요구사항의 전환, 그리고 형평성 문제와 같은 주요 과제를 명확히 규명하고, 교육자들이 GenAI를 효과적으로 도입하기 위한 구체적인 권장 사항을 제공함.

차분 테스트를 이용한 내광성 등급 예측 모델 성능 향상

· 약 4분
Daegyu Lee
Kangbok Seo
Deokyeop Kim
이우진
경북대학교 컴퓨터학부 전임교수

논문 정보​

  • 제목: Performance Improvement of Lightfastness Grade Prediction Model using Differential Testing
  • 저자: 이대규, 서강복, 김덕엽, 이우진 (경북대학교 컴퓨터학부)
  • 학회/저널: 2024 한국컴퓨터종합학술대회 논문집
  • 발행일: 2024-06-26
  • DOI: 제공되지 않음
  • 주요 연구 내용: 산업 현장의 요구사항을 반영한 내광성 등급 예측 모델의 성능 저하 문제를 해결하기 위해 차분 테스트 기법을 응용한 데이터 정제 방법을 제안함. 다수의 머신러닝 모델(LSTM, RF-MLP, AutoML)을 학습시킨 후, 일정 기준 이상의 정확도를 보이는 모델들 중 과반수가 예측에 실패한 데이터를 이상치로 간주하여 제거하고, 정제된 데이터로 모델을 재학습시켜 성능을 향상시킴.
  • 주요 결과 및 결론: 제안된 기법을 적용한 결과, AutoML 모델은 1%, RF-MLP 앙상블 모델은 3%, LSTM 모델은 10%의 성능 향상을 보여 평균 4.6%의 정확도 상승을 확인함. 특히 LSTM 모델에서 예측 실패율이 높았던 데이터가 주로 제거되었는데, 이는 염색 공정의 순서상 발생한 데이터 오기입일 가능성이 높으며, 이를 이상치로 판단하여 제거한 것이 성능 향상의 주요 원인으로 분석됨.
  • 기여점: 데이터의 양이 부족하고 신뢰성이 낮은 산업 데이터 환경에서 모델의 성능을 향상시키기 위한 실용적인 접근법을 제시함. 여러 모델의 예측 결과를 교차 검증하는 차분 테스트의 아이디어를 활용하여 학습을 저해하는 이상치를 효과적으로 식별하고 제거함으로써, 추가 데이터 확보 없이 예측 정확도를 높이는 방법을 제안함.

Mamba: Linear-Time Sequence Modeling with Selective State Spaces

· 약 6분
Albert Gu
Tri Dao

논문 정보​

  • 제목: Mamba: Linear-Time Sequence Modeling with Selective State Spaces
  • 저자: Albert Gu (Carnegie Mellon University), Tri Dao (Princeton University)
  • 학회/저널: arXiv
  • 발행일: 2024-05-31
  • DOI: 10.48550/arXiv.2312.00752
  • 주요 연구 내용: 기존 상태 공간 모델(SSM)의 한계인 내용 기반 추론(content-based reasoning) 능력 부재를 해결하기 위해, 모델의 파라미터가 입력에 따라 동적으로 변하는 '선택 메커니즘'을 도입함. 이로 인해 비효율적으로 변하는 계산 문제를 해결하기 위해 GPU 메모리 계층 구조를 활용한 하드웨어 친화적인 병렬 스캔 알고리즘을 설계함.
  • 주요 결과 및 결론: Mamba는 시퀀스 길이에 대해 선형적으로 확장되며, Transformer 대비 5배 높은 추론 처리량을 보임. 언어, 음성, 유전체 등 다양한 모달리티에서 기존 SOTA 모델 및 Transformer의 성능을 능가했으며, 특히 언어 모델링에서는 동일 크기의 Transformer를 압도하고 2배 큰 모델과 대등한 성능을 달성함.
  • 기여점: 첫째, SSM에 입력 의존적인 선택 메커니즘을 도입하여 시퀀스 내 정보를 선택적으로 처리하는 능력을 부여함. 둘째, 이 선택적 SSM을 효율적으로 계산하기 위한 하드웨어 인식 병렬 알고리즘을 개발함. 셋째, 어텐션과 MLP 블록 없이 선택적 SSM을 통합한 단순하고 효율적인 Mamba 아키텍처를 제안함.

Comparison between Behavior Trees and Finite State Machines

· 약 3분
Matteo Iovino
Julian Förster
Pietro Falco
Jen Jen Chung
Roland Siegwart
Christian Smith

논문 정보​

  • 제목: Comparison between Behavior Trees and Finite State Machines
  • 저자: Matteo Iovino, Julian Förster, Pietro Falco, Jen Jen Chung, Roland Siegwart, Christian Smith
  • 학회/저널: IEEE Transactions on Robotics (T-RO) 투고, arXiv preprint (cs.RO)
  • 발행일: 2024-05-25
  • DOI: 10.48550/arXiv.2405.16137
  • 주요 연구 내용: 모바일 조작 작업에서 로봇을 제어할 때 행동 트리(BT)와 유한 상태 머신(FSM)의 실용적 비교를 반응성, 모듈성, 가독성, 설계의 네 가지 측면에서 수행
  • 주요 결과 및 결론: 작업 수행 중 로봇의 실제 행동은 정책 표현 방식에 독립적이나, 작업 복잡도가 증가할수록 BT가 FSM보다 유지보수가 용이함
  • 기여점: BT와 FSM의 최초의 체계적이고 실용적인 정량 비교를 시뮬레이션과 실제 로봇 환경 모두에서 수행하고, 비교 메트릭을 제안

Optimization of spinning processes in textile manufacturing using reinforcement learning

· 약 4분
Seyed Mohammad Mehdi Sajadieh
Hye Kyung Choi
Whan Lee
Sang Do Noh

논문 정보​

  • 제목: Optimization of spinning processes in textile manufacturing using reinforcement learning
  • 저자: SMM Sajadieh, Hye Kyung Choi, Whan Lee, Sang Do Noh (Sungkyunkwan University), Seung bum Sim (Korea Textile Development Institute)
  • 학회/저널: IISE Annual Conference & Expo 2024
  • 발행일: 2024-05-18
  • DOI: 10.21872/2024IISE_6980
  • 주요 연구 내용: 기존 회귀 모델을 기반으로 보상 계산을 수행하는 Q-러닝 알고리즘을 제안하여 섬유 방사 공정을 최적화함. 이 데이터 기반 접근법은 공정 변수를 자동으로 조정하여 원하는 강도와 신율을 가진 섬유를 생산하는 최적의 레시피를 추천함.
  • 주요 결과 및 결론: 실제 방사 공정 데이터에 제안된 알고리즘을 적용하여, 사전 경험이 없는 고강도 섬유 생산을 위한 22개의 최적 공정 레시피를 도출함. 검증 결과, 86%의 정확도를 달성하며 제안 방법의 실용적 효용성을 입증함.
  • 기여점: 기존의 전문가 경험이나 시행착오에 의존하던 방사 공정 최적화를 데이터 기반 강화학습으로 대체함. 이를 통해 생산 비용과 시간을 절감하고, 지능형 제조 기술의 학술적, 산업적 이해와 적용을 촉진하는 방법론을 제시함.

Polymer design via SHAP and Bayesian machine learning optimizes pDNA and CRISPR ribonucleoprotein delivery

· 약 4분
Rishad Dalal

논문 정보​

  • 제목: Polymer design via SHAP and Bayesian machine learning optimizes pDNA and CRISPR ribonucleoprotein delivery
  • 저자: Rishad J. Dalal (University of Minnesota), Felipe Oviedo (Nanite Inc., University of Minnesota), Michael C. Leyden (University of Minnesota), Theresa M. Reineke (University of Minnesota)
  • 학회/저널: Chemical Science
  • 발행일: 2024-04-22
  • DOI: 10.1039/d3sc06920f
  • 주요 연구 내용: 길이, 이원 조성, pKavpK_{av}, 소수성(clog P)을 체계적으로 변화시킨 폴리머 라이브러리를 합성함. SHAP(SHapley Additive exPlanations) 분석과 베이지안 최적화(BO) 머신러닝을 결합하여 plasmid DNA(pDNA) 및 CRISPR-Cas9 리보핵단백질(RNP) 전달을 위한 정량적 구조-특성 관계를 해석하고 최적의 제형을 예측함.
  • 주요 결과 및 결론: pDNA 전달에는 낮은 폴리머 pKapK_{a}와 높은 benzimidazole ethanethiol(BET) 비율이 유리한 반면, RNP 전달에는 더 긴 폴리머 길이와 captamine(Cap) 양이온이 더 효과적임을 발견함. 머신러닝으로 최적화된 상위 3개 폴리머는 생체 내(in vivo)에서 대조군보다 1.7배 향상된 유전자 발현을 보이며 20일 이상 안정적으로 유지됨.
  • 기여점: 핵산의 종류에 따라 최적의 전달체 설계 파라미터가 다르다는 것을 설명 가능한 머신러닝(SHAP)을 통해 처음으로 규명함. 합성, 특성 분석, 머신러닝을 결합한 파이프라인을 제시하여 차세대 핵산 약물 전달체 개발을 가속화할 수 있는 강력한 도구를 제공함.