물리학에서의 기계학습 II 물리학과 첨단기술 JANUARY/FEBRUARY 2018 2 저자약력 현윤경 박사는 KAIST 수리과학과에서 일반사각격자에서의 혼합유한요소 개발 과 해석을 주제로 박사 학위를 받았으며, 이후 미국 미네소타대학(University of Minnesota) 내의 Institute for Mathematics and its Applications (IMA)에서 복잡유체에 대한 수리모델링과 계산을 연구했다. 2012년도 4월부 터 국가수리과학연구소 선임 연구원으로 재직 중이다. 2013년부터 빅데이터 분석모델 개발과 수리과학 기반의 기계학습 기반의 데이터분석 기술 연구를 진행 중이다.([email protected]) 기계학습에 기반을 둔 소재물성 예측 DOI: 10.3938/PhiT.27.001 현 윤 경 Predicting Materials’Properties by Using Machine Learning YunKyong HYON Big Data has been already attracting attention in almost all research fields. Data analytics plays an important role in finding new values in almost all fields, such as society, cul- ture, science, information communication, and the analysis and interpretation of many phenomena. Base on big data, machine learning has also been attracting attention as a method to solve problems in various fields such as social science and the physical and biological sciences. In partic- ular, the development of deep learning methods and its nu- merous applications have been the focus of much attention. The research on and the development of machine learning algorithms, as well as the findings in fields to which they have been applied, such as the physical and the biological science, are expanding. Machine learning algorithms can al- so be used as modeling methods for highly complex prob- lems and, in combination with object recognition, speech recognition, sensor data analysis, etc., in autonomous automobiles. Such algorithms are also being introduced into medical care in efforts to extending life and to provide for human welfare. Recently, machine learning has been sug- gested as a way to address issues with both industrial pro- ductivity and efficiency. Furthermore, many more applica- tions and uses of machine learning can be found in many other areas. In this article, we present a mechanical learn- ing methodology that can predict the properties of the new material that could not be obtained through conventional computer simulation. We discuss this machine learning method and show that its use should shorten for new ma- terials development times by predicting their physical prop- erties before having to perform material synthesis experi- ment. 들어가기 (빅데이터) 인터넷의 발달과 함께 1990년대 말 등장한 빅데이터는 2000년 들어 다른 어떤 것들보다 많은 주목을 받았다. 기술과 컴퓨터의 발달에 힘입어 대용량의 데이터를 처리할 수 있는 도구가 갖추어졌으며, 기존에 사용되지 않았던 데이터로부터 새로운 가치창출이라는 사회적 수요와 맞아 떨어졌다. 일부에 서는 거품이라는 반론도 있었지만 기존에 버려졌던 데이터의 발굴과 활용은 충분한 가치를 가지고 있다. 빅데이터를 통하여 기존과학이 가지고 있던 한계를 극복하기 위한 새로운 과학의 패러다임도 만들어졌다. 최초 과학의 패러다임은 자연현상을 관찰하여 기록/분류/목록화하고 탐구하는 것이었다면, 다음 단 계로는 관찰된 결과를 바탕으로 이론을 도출하고 연구하는 이 론과학이 등장하였다. 또 한 단계 넘어 컴퓨팅 기술의 발전에 따라 현상의 해석을 위해 도출된 이론과 모델을 컴퓨터 시뮬 레이션을 통해서 검증하는 계산과학의 시대가 열렸다. 오늘날 은 컴퓨터의 발전과 계산방법에 발전이 지속적으로 이루어지고 이전 시대의 과학을 통해 쌓여진 데이터의 활용이 맞물려 지 금 우리에게 많은 관심과 새로운 과학연구의 방향을 제시하고 있는 데이터과학(Data Sceince, Data-Intensive Science) 이 새 로운 과학의 시대를 이끌어 가고 있다. 이 새로운 과학의 흐름 은 새로운 패러다임을 제시했고,(그림 1) 이는 기존의 실험과 가설 기반의 전통적 방법론을 지양하며 고기능・고정밀 시험 기 기와 인터넷으로 연결된 세계 곳곳에 위치한 측정・관찰 기기로 부터 생산된 대용량 데이터의 수집과 처리 그리고 분석을 통
6
Embed
기계학습에 기반을 둔 소재물성 예측 - KPSwebzine.kps.or.kr/contents/data/webzine/webzine/...분석모델 개발과 수리과학 기반의 기계학습 기반의 데이터분석
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
물리학에서의 기계학습 II
물리학과 첨단기술 JANUARY/FEBRUARY 20182
저자약력
현윤경 박사는 KAIST 수리과학과에서 일반사각격자에서의 혼합유한요소 개발
과 해석을 주제로 박사 학위를 받았으며, 이후 미국 미네소타대학(University
of Minnesota) 내의 Institute for Mathematics and its Applications