본문으로 건너뛰기

"FOR_KSC" 태그로 연결된 7개 게시물개의 게시물이 있습니다.

모든 태그 보기

Explainable Artificial Intelligence (XAI) for Material Design and Engineering Applications: A Quantitative Computational Framework

· 약 3분
Bokai Liu
Pengju Liu
Weizhuo Lu
Thomas Olofsson

논문 정보

  • 제목: Explainable Artificial Intelligence (XAI) for Material Design and Engineering Applications: A Quantitative Computational Framework
  • 저자: Bokai Liu (Umeå University), Pengju Liu (Umeå University), Weizhuo Lu (Umeå University), Thomas Olofsson (Umeå University)
  • 학회/저널: International Journal of Mechanical System Dynamics, Volume 5, Issue 2, pp. 236-265
  • 발행일: 2025-03-27
  • DOI: 10.1002/msd2.70017
  • 주요 연구 내용: 데이터 처리, 특징 선택, 모델 학습, 성능 평가, 설명가능성 분석, 클라우드 배포를 포함하는 체계적 ML-XAI 통합 파이프라인 제안
  • 주요 결과 및 결론: 고성능 콘크리트(HPC) 압축 강도 예측에서 XGBoost 모델이 R²=0.918로 최고 예측 성능을 달성하였으며, SHAP과 LIME을 통해 특징 중요도 및 재료 상호작용에 대한 상세한 해석 제공
  • 기여점: 재료 설계 및 엔지니어링 응용을 위한 정량적 XAI 계산 프레임워크를 제시하고, 클라우드 기반 API 배포까지 포함하는 완전한 워크플로우 구축

Explainable AI for Material Property Prediction Based on Energy Cloud: A Shapley-Driven Approach

· 약 3분
Faiza Qayyum
Murad Ali Khan
Do-Hyeun Kim
Hyunseok Ko
Ga-Ae Ryu

논문 정보

  • 제목: Explainable AI for Material Property Prediction Based on Energy Cloud: A Shapley-Driven Approach
  • 저자: Faiza Qayyum (Jeju National University), Murad Ali Khan (Jeju National University), Do-Hyeun Kim (Jeju National University), Hyunseok Ko (Korea Institute of Ceramic Engineering and Technology), Ga-Ae Ryu (Korea Institute of Ceramic Engineering and Technology)
  • 학회/저널: Materials, Volume 16, Issue 23, Article 7322
  • 발행일: 2023-11-24
  • DOI: 10.3390/ma16237322
  • 주요 연구 내용: TabNet 딥러닝 프레임워크와 SHAP 기법을 결합하여 PZT(납 지르코늄 티타네이트) 세라믹의 유전율을 예측하고 해석하는 연구
  • 주요 결과 및 결론: TabNet 모델이 MSE 0.047, MAE 0.042로 기존 머신러닝 모델 대비 우수한 예측 성능을 달성하였으며, SHAP 분석을 통해 d33(압전 전하 계수)가 유전율 예측에 가장 큰 영향을 미치는 변수임을 확인
  • 기여점: 재료 특성 예측에서 딥러닝의 정확도와 XAI의 해석 가능성을 동시에 달성하는 방법론을 제시

The emergent role of explainable artificial intelligence in the materials sciences

· 약 3분
Tommy Liu
Amanda S. Barnard

논문 정보

  • 제목: The emergent role of explainable artificial intelligence in the materials sciences
  • 저자: Tommy Liu (Australian National University), Amanda S. Barnard (Australian National University)
  • 학회/저널: Cell Reports Physical Science, Volume 4, Issue 10, Article 101630
  • 발행일: 2023-10-18
  • DOI: 10.1016/j.xcrp.2023.101630
  • 주요 연구 내용: 재료 정보학(Materials Informatics)에서 설명가능 인공지능(XAI)의 역할과 활용 방법론을 체계적으로 정리한 실용적 가이드
  • 주요 결과 및 결론: XAI가 데이터, 모델, 응용 결정의 결과를 이해하는 포렌식 분석 도구 또는 중요 특징을 구별하는 모델 정제 도구로 활용될 수 있음을 제시
  • 기여점: 물리과학 분야에 가장 유용한 XAI 방법론을 체계적으로 정리하고, 딥러닝 및 대규모 언어 모델 시대에서의 XAI의 중요성을 강조

섬유의 변퇴색 기준 판정 내광성 등급 기반 이상치 처리 기법

· 약 3분
Daegyu Lee
Kangbok Seo
Deokyeop Kim
경북대학교 컴퓨터학부 전임교수

논문 정보

  • 제목: 섬유의 변퇴색 기준 판정 내광성 등급 기반 이상치 처리 기법 (Outlier Processing Techniques Based on Colorfastness Rating Determination Based on Change in Color of Textile)
  • 저자: Daegyu Lee (경북대학교), Kangbok Seo (경북대학교), Deokyeop Kim (경북대학교), 이우진 (경북대학교 컴퓨터학부)
  • 학회/저널: 한국소프트웨어종합학술대회 (KSC 2023)
  • 발행일: 2023-06-21
  • DOI: -
  • 주요 연구 내용: 섬유 내광성 등급 예측에서 변퇴색 기준 판정을 활용한 도메인 특화 이상치 탐지 및 처리 기법 제안
  • 주요 결과 및 결론: 도메인 지식 기반 이상치 처리 기법이 일반적인 통계적 이상치 처리 기법보다 예측 모델의 성능을 더 효과적으로 개선
  • 기여점: 섬유 산업의 내광성 시험 데이터에 특화된 이상치 처리 방법론을 제시하여 예측 모델의 신뢰성을 향상

데이터 불균형과 측정 오차를 고려한 생분해성 섬유 인장 강신도 예측 모델 개발

· 약 3분
Sechan Park
Deokyeop Kim
Kangbok Seo
경북대학교 컴퓨터학부 전임교수

논문 정보

  • 제목: 데이터 불균형과 측정 오차를 고려한 생분해성 섬유 인장 강신도 예측 모델 개발 (The Development of Biodegradable Fiber Tensile Tenacity and Elongation Prediction Model Considering Data Imbalance and Measurement Error)
  • 저자: Sechan Park (경북대학교), Deokyeop Kim (경북대학교), Kangbok Seo (경북대학교), 이우진 (경북대학교 컴퓨터학부)
  • 학회/저널: 한국정보과학회 학술발표대회 (KSC 2022)
  • 발행일: 2022-12-01
  • DOI: -
  • 주요 연구 내용: 생분해성 섬유(PLA) 방사 공정에서 데이터 불균형과 측정 오차를 고려한 이상치 처리 및 데이터 증강 기법을 적용하여 인장 강신도 예측 모델의 성능을 개선
  • 주요 결과 및 결론: 제안된 이상치 처리와 데이터 증강 기법을 통해 인장 강도(tenacity)와 신도(elongation) 예측 모델의 성능이 유의미하게 향상
  • 기여점: 섬유 방사 공정 데이터의 고유한 특성(불균형, 측정 오차)을 고려한 맞춤형 데이터 전처리 파이프라인 제안

Explainable machine learning in materials science

· 약 3분
Xiaoting Zhong
Brian Gallagher
Shusen Liu
Bhavya Kailkhura
Anna Hiszpanski
T. Yong-Jin Han

논문 정보

  • 제목: Explainable machine learning in materials science
  • 저자: Xiaoting Zhong (Lawrence Livermore National Laboratory), Brian Gallagher (LLNL), Shusen Liu (LLNL), Bhavya Kailkhura (LLNL), Anna Hiszpanski (LLNL), T. Yong-Jin Han (LLNL)
  • 학회/저널: npj Computational Materials, Volume 8, Article 204
  • 발행일: 2022-09-22
  • DOI: 10.1038/s41524-022-00884-7
  • 주요 연구 내용: 재료과학에서 설명가능 머신러닝(XAI)의 개념 정의, 기존 연구 사례 분석, 도전 과제 및 기회 탐색
  • 주요 결과 및 결론: XAI가 재료과학의 과학적 발견에 기여할 수 있는 세 가지 차원(투명성, 공정성, 인과성)을 체계적으로 정리하고, 재료과학 고유의 도전과제를 제시
  • 기여점: 재료과학 연구자를 위한 XAI의 진입점을 제공하고, "설명"의 의미를 재료과학 맥락에서 명확히 정의

생분해성 섬유 방사 공정 데이터 특성을 고려한 물성 예측 모델 개발

· 약 3분
Sechan Park
Deokyeop Kim
Kangbok Seo
경북대학교 컴퓨터학부 전임교수

논문 정보

  • 제목: 생분해성 섬유 방사 공정 데이터 특성을 고려한 물성 예측 모델 개발 (The Development of Property Prediction Model in Consideration of Biodegradable Fiber Spinning Process Data Characteristics)
  • 저자: Sechan Park (경북대학교), Deokyeop Kim (경북대학교), Kangbok Seo (경북대학교), 이우진 (경북대학교 컴퓨터학부)
  • 학회/저널: 한국정보과학회 학술발표대회
  • 발행일: 2022-01-01
  • DOI: -
  • 주요 연구 내용: 생분해성 섬유(PLA) 방사 공정에서 수집된 데이터의 불균형과 오차 특성을 분석하고, 이를 고려한 이상치 처리 및 오버샘플링 기법을 적용하여 물성 예측 모델의 성능을 개선
  • 주요 결과 및 결론: 데이터 특성을 고려한 전처리 기법 적용 시 물성 예측 정확도가 유의미하게 향상
  • 기여점: 섬유 방사 공정 데이터의 고유한 특성을 체계적으로 분석하고, 이에 최적화된 데이터 전처리 방법론을 제안