소재 실험 최적화 AI 서비스

소재 실험 최적화 AI 서비스

  • 1단계: 소재 실험 데이터 확보

    소재 실험 데이터를 시스템에 입력하고 축적합니다.

  • 2단계: AI/머신러닝 분석

    머신러닝을 통해 소재의 특성을 예측하고 최적화된 디자인 스페이스를 제공합니다.

  • 3단계: 추가 실험 및 시뮬레이션

    AI가 제안한 조건으로 추가 실험 및 컴퓨터 시뮬레이션을 진행하여 결과를 검증합니다.

  • 4단계: 목표 스펙 달성

    최소한의 실험으로 신속하게 목표 물성을 달성합니다.

핵심 기술 및 추진 목적

소재 실험 최적화 과정 시각화 차트
  • 산업계/학계/연구기관의 개별 연구자가 지닌 범용 소재 및 공정 데이터를 바탕으로 AI 전문 지식이 없는 사용자가 쉽게 적용 및 활용할 수 있는 AI 프로그램 개발
  • 학습된 모델의 불확실성을 평가할 수 없는 기존 모델을 보완하기 위하여 가우시안 프로세스 회귀를 통해 모델의 예측 결과 및 불확실성을 시각화하는 도구 개발
  • 소재·공정에서 발생하는 다차원 입력 데이터와 다중 목적함수에 효과적으로 대응하기 위하여 전통적 가우시안 프로세스 회귀 모델에 지능형 전·후처리 모듈을 도입함으로써 기존 모델을 보완하고 소재 개발 초기 단계의 탐색 성능을 제고하고자 함

개발 목표 및 AI의 필요성

수많은 원료 조합 중
최적의 조합 비율 탐색

뛰어난 성능의
소재 개발

실험조건 최적화는
많은 자원 소요

최적화 AI를 통한
효율적 최적화 필요

소재 실험 최적화 AI 서비스 개요

실험 조건
실험 결과
최적화 경향 확인
실험 결과 예측 시각화

소재 실험 최적화 AI의 효율성

격자 탐색
탐색

121개 탐색

랜덤 탐색
탐색

121개 탐색

소재 실험 최적화 AI
탐색

20개 탐색