| 학회 |
한국화학공학회 |
| 학술대회 |
2022년 봄 (04/20 ~ 04/23, 제주국제컨벤션센터) |
| 권호 |
28권 1호, p.145 |
| 발표분야 |
[주제 2] 기계학습 |
| 제목 |
Performance comparison of Bayesian optimization and derivative-free optimization and application for SMR hydrogen production |
| 초록 |
베이지안 최적화 (Bayesian optimization, BO)는 대리모델 (surrogate model)과 획득함수 (acquisition function)를 이용하여 블랙박스 함수를 확률적으로 추정하여 최적화하는 기법이다. 계산비용이 크고 미분 정보가 없는 Derivative-free optimization (DFO)문제들에 BO 알고리즘을 적용하였다. 획득함수로 UCB (upper confidence bounds), EI (expected improvement), OKG (one-shot knowledgement)를 사용하였다. 총 500개의 DFO 문제들을 함수의 convexity와 smoothness의 유무를 기준으로 4가지 유형으로 나누어 DFO와 BO의 성능을 정량적으로 비교하였다. 결과적으로 BO가 최저점에 도달하는 속도가 일반적인 DFO 알고리즘 보다 빨라 계산비용이 큰 함수 (멀티스케일 시뮬레이션, 실제 실험 등)에 적합하다는 것을 증명하였다. 최종적으로 본 연구에서 설계한 BO 알고리즘을 수증기 메탄개질공정 (steam methane reforming: SMR)에 적용하여 공정변수를 최적화함으로써 화학공학분야에서 활용가능성을 제시하였다. |
| 저자 |
한아름1, 김민수2, 이재원3, 문일2, 나종걸1
|
| 소속 |
1이화여자대, 2연세대, 3한국생산기술(연) |
| 키워드 |
공정시스템(Process Systems Engineering) |
| E-Mail |
|
| 원문파일 |
초록 보기 |
