인공신경망에 기반해 방대한 설계 공간에서 새로운 소재를 찾기 위한 역설계 연구는 최근 매우 활발하게 진행되고 있다.하지만 이러한 기존 설계 방식은 목표로 하는 소재의 형태와 조합이 심층신경망 훈련에 활용된 소재들과 매우 다를 때 인공신경망이 가지는 낮은 예측능력으로 인해 극히 많은 수의 소재 데이터 검증이 요구되며, 이에 따라 제한적으로만 활용이 가능하다.KAIST(총장 이광형)는 기계공학과 유승화 교수 연구팀이 능동전이학습(active-transfer learning)과 데이터 증강기법(Data augmentation)으로 심층신
출처 : 인공지능신문 – 전체기사
