Earticle

현재 위치 Home

일반논문

조합 반응표면 예측과 능동학습을 결합한 AI 기반 바이오신소재 최적 배합 설계 플랫폼
An AI-Based Platform for Optimal Formulation Design of Novel Biomaterials Integrating Combination Response Surface Prediction and Active Learning

첫 페이지 보기
  • 발행기관
    한국혁신산업학회 바로가기
  • 간행물
    혁신산업기술논문지 바로가기
  • 통권
    제4권 제3호 (2026.09)바로가기
  • 페이지
    pp.95-104
  • 저자
    홍석수, 김봉현
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A492292

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
Novel biomaterial combinations become difficult to evaluate exhaustively as the number of materials and concentration levels increases. This study proposes an AI-based platform for optimal biomaterial formulation design to reduce the experimental burden of exploring material combinations. The platform integrates continuous response-surface and global-local prediction, Bliss/HSA analysis, Gaussian Process-Expected Improvement active learning, and an LLM-RAG research assistant. In 100 repeated simulations on a 31×31 response surface, GP-EI achieved a final best response of 0.914±0.139, outperforming random search at 0.708±0.147 (p<0.001). The hit rates for the top 2% response region were 87% and 27%, respectively. These results demonstrate the feasibility of the closed-loop recommendation framework rather than actual biological efficacy. Future work will validate the platform using enterprise-owned biomaterial data.
한국어
바이오신소재 조합은 소재 수와 농도 수준이 증가할수록 실험 공간이 급격히 확대되어 전수 검증이 어렵다. 본 연구는 바이오신소재 조합 탐색의 실험 부담을 줄이기 위해 기업 보유 데이터를 활용하는 AI 기반 최적 배합 설계 플랫폼을 제안하였다. 플랫폼은 연속 반응표면 및 전역-지역 예측, Bliss/HSA 분석, Gaussian Process-Expected Improvement 기반 능동학습, LLM-RAG 연구지원 Agent로 구성된다. 31×31 모의 반응표면에서 100회 반복 실험한 결과, GP-EI의 최종 최고 효능은 0.914±0.139로 무작위 탐색의 0.708±0.147보다 높았으며(p<0.001), 상위 2% 영역 적중률은 각각 87%와 27%였다. 본 결과는 실제 생물학적 효능이 아닌 폐루프 추천 구조의 실행가능성을 검증한 것으로, 향후 기업 보유 바이오신소재 데이터를 활용한 현장 검증이 필요하다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
1. 조합 스크리닝 데이터와 표준화
2. 연속 반응표면 및 전역-지역 예측
3. 시너지 기준과 능동학습
Ⅲ. 제안 플랫폼 설계
1. 전체 시스템 구조
2. 표준 데이터 모델과 전처리
3. 이중 예측 경로와 불확실성 융합
4. Bliss/HSA 기반 조합 우선순위
5. GP-EI 기반 폐루프 능동학습
6. AI Agent와 연구자 승인
Ⅳ. 데이터 및 검증 설계
1. 공개 데이터 기반 사전 검증
2. 데이터 분할과 평가 지표
3. 개념 검증용 모의실험
Ⅴ. 모의실험 결과 및 고찰
1. 능동학습 탐색 성능
2. 플랫폼 적용상의 의미
3. 한계와 후속 연구
Ⅵ. 결론
REFERENCES

저자

  • 홍석수 [ Seok-Su Hong | 주식회사 링크인사이트 대표이사 ]
  • 김봉현 [ Bong-Hyun Kim | 서원대학교 컴퓨터공학과 교수 ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국혁신산업학회 [The Korean Innovation Industry Society(KIIS)]
  • 설립연도
    2023
  • 분야
    공학>공학일반
  • 소개
    1. 혁신산업 융복합 기술 트렌드에 관한 다각적이고 깊이 있는 논의를 위한 국내 및 국제학술회의 개최를 개최함으로써 국내 융합기술의 발전 및 국제적 위상 강화 2. 산․학․연이 참여할 수 있는 국내 및 국제학술회의 개최를 통하여 혁신산업 융복합 기술의 발전 기반 조성 3. 학계, 관계, 산업계 전문가들의 창의적 융합기술에 대한 발표와 토론을 통하여 산‧학‧연 협력 체제를 더욱 확고히 함은 물론, 국내외 관련 단체와의 학술교류 및 협력으로 학문과 기술 발전에 공헌

간행물

  • 간행물명
    혁신산업기술논문지 [The Journal of Innovation Industry Technology]
  • 간기
    계간
  • pISSN
    2983-2349
  • eISSN
    2983-2357
  • 수록기간
    2023~2026
  • 십진분류
    KDC 559 DDC 629

이 권호 내 다른 논문 / 혁신산업기술논문지 제4권 제3호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      페이지 저장