| 학회 | 한국공업화학회 |
| 학술대회 | 2021년 가을 (11/03 ~ 11/05, 대구 엑스코(EXCO)) |
| 권호 | 25권 2호 |
| 발표분야 | 포스터-고분자 |
| 제목 | 최적화 FCNNs(Fully Connected Neural Networks) 알고리즘을 통한 플라스틱 물성에 대한 예측 성능 평가 |
| 초록 | 부품에 적합한 플라스틱 개발은 연구자의 경험과 많은 실험 축적을 통해 이루어지고 있다. 플라스틱 개발은 조성 및 가공 등의 다양한 변수 때문에 만족할 만한 특성을 얻기 위해서는 많은 시간과 노력이 소요되고 있다. 본 연구에서는 실험 기반의 플라스틱 컴파운드 데이터를 인공지능 예측 기술에 적용하여 물성 예측에 관한 최적화를 진행하였다. 학습데이터는 컴파운드의 조성, 공정, 물성 데이터로 기본 구성하였고, 학습과 검증 셋의 비율은 8:2 비율로 분할하였다. 적용한 학습 모델은 FCNNs(Fully Connected Neural Networks) 알고리즘이며, R-squared(R2), RMSE(Root Mean Square Error), MAE(Mean Absolute Error)를 통해 모델 평가를 하였다. 학습 모델 최적화를 위해 소재 분류를 적용한 계층적 분할법과 다양한 옵티마이저를 활용하여 물성에 대한 예측 성능을 비교 평가하였다. |
| 저자 | 조남정, 최우진, 김인, 박재성, 이재흥 |
| 소속 | 한국화학(연) |
| 키워드 | 플라스틱; 인공지능; 예측 |
