| 학회 | 한국화학공학회 |
| 학술대회 | 2021년 가을 (10/27 ~ 10/29, 광주 김대중컨벤션센터) |
| 권호 | 27권 2호, p.2169 |
| 발표분야 | 촉매 및 반응공학 |
| 제목 | 효과적인 촉매 소재 설계를 위한 머신러닝 모델개발과 전망 |
| 초록 | 머신러닝은 데이터에 기반한 경향성 파악과 의사결정에 요구되는 통찰력을 빠르게 제공함으로써 바이오, 신소재, 공정 개발 등 다양한 분야에서 널리 사용되어 왔다. 촉매 분야에서도 소재 개발 가속화를 위해 머신러닝을 활용한 연구의 필요성이 커지고 있지만, 조성 및 반응 조건이 정밀하게 제어된 환경에서 얻어진데이터의 부족으로 인해 실제 촉매 설계에 사용가능한 정확한 머신러닝 모델 개발에 한계가 있어 왔다. 따라서 촉매분야 머신러닝 모델 개발에 사용가능한 데이터를 얻기 위해서는 정밀하게 제어된 반응 조건에서 방대한 양의 소재들의 스크리닝을 통해 원하는 물성을 만족하는 소재를 찾아내는 High Throughput Screening (HTS) 반응 시스템 구축이 필수적이다. 본 발표에서는 HTS장치로부터 얻어진 정밀한 데이터를 기반으로 개발된 머신러닝 모델을 사용하여 촉매 스크리닝 방법론을 제시하고 최근 연구성과 및 신뢰도가 높은 머신러닝 기반 모델을 개발하기 위한 연구 방향성을 소개하고자 한다. Keywords: Predictive model, Catalyst design, High Throughput Screening (HTS), Catalyst screen |
| 저자 | 김정환1, 노지원1, 권혁원1, 박현도1, 주종효1, 조형태1, 노인수2 |
| 소속 | 1한국생산기술(연), 2서울과학기술대 |
| 키워드 | 촉매; 화학공정 |
| 원문파일 | 초록 보기 |
