■ 인사말

 최근 인공지능 기술 발전과 데이터 기반 R&D의 중요성이 높아지면서

연구개발 패러다임이 반복적인 실험 중심에서 AI가 실험을 설계하고

최적화하는 자율실험실(Self-Driving Lab) 중심으로 변화하고 있습니다.

 특히 소재ㆍ반도체ㆍ바이오 등 첨단산업에서 AI 기반 자율실험 활용이 확대되고 있으며

정부 역시 AI 소재 R&D 플랫폼 구축을 통해 지능형 연구생태계 조성에 나서고 있습니다.

 이에 자율실험실 관련 기술과 주요 동향 및 활용전략을 살펴보기 위해 본 세미나를 개최합니다.

■ 행사개요 (본 세미나는 온라인/오프라인 동시 진행됩니다.)

1. 행사명 : R&D 대전환- AI 기반 자율실험실(SDL) 심층분석 최적화 구축/활용/실습 2차 세미나

2. 일 시 : 2026년 10월 12일(월) 10:00~15:30

3. 장 소 : KIEI 세미나실 (서울 구로디지털단지 內) / 온라인 스트리밍

4. 등 록 : 온라인등록(https://www.kiei.com) 또는 전화등록

5. 주 최 : 산업교육연구소(KIEI)

6. 문 의 : (02)2025-1333~7 또는 kieiseminar@kiei.com

■ 프로그램 (프로그램의 주제 및 스케줄은 연사의 사정에 의해 일부분 변경될 수 있습니다.)

1. 도입 및 산업적 배경

: 공정-구조-물성, 성능 프레임워크, 소재 탐색/개발/최적화

2. [모듈1] 문제 정의와 소재 데이터- 기본 용어에서 지표 정의까지

: AI/ML 기본 용어, 회귀, 분류, 군집화, 최적화의 차이

: 입력값, 목표값, 기술자, 라벨 및 도메인 제약조건,성공 지표 정의

3. [모듈2] 소규모ㆍ불완전ㆍ불일치 데이터- 수집에서 설계까지

: 문헌 데이터 수집, 결측 발생 메커니즘, 삭제와 대치의 비교

: MICE, KNN, 랜덤 포레스트 및 화학 지식 기반 대치, 데이터 누출 방지

: 학습/검증/시험 데이터 설계

4. [모듈3] 공정-물성 관계 예측과 모델 선택 및 비교

: 기준 모델, 트리 앙상, 교차 검증, RMSE, R2, 정밀도, 재현율 및 F1

: 하이퍼파라미터 튜닝, 제한된 데이터에서의 모델 선택

5. [모듈4] 역설계와 실험 추천 및 최적화

: 정방향 모델과 역설계의 차이, 공정변수 최적화

: 제약조건과 실행가능성, 설계-소자(design-to-device) 파이프라인, 실험 검증

6. [모듈5] 소재 특성평가를 위한 컴퓨터 비전 사례를 통한 상태분류

: CNN 개념, 이미지 선별 및 증강, 패치 분할/크롭, 클래스 불균형

: 혼동행렬: Grad-CAM, 도메인 이동과 일반화

7. [모듈 6] 불확실성과 신뢰성 및 해석 가능성 사례 분석

: 점 예측과 확률론적 예측, 우연적/인식론적 불확실성

: NGBoost: 음의 로그우드와 보정, SHAP: 분포 외 시험

8. [모듈 7] 산업 적용과 자율실험 데이터인프라 및 실험설계

: 데이터 인프라, 최소 실행 가능 데이터셋, 모델 모니터링, 시뮬레이션, 특성평가

: 실험실 자동화와의 통합, 베이지안 최적화와 폐루프 실험, 거버넌스 및 책임 있는 활용

9. 종합 마무리

: AI for Materials 활용사례 개요 작성

: 문제, 데이터, 모델, 검증, 불확실성, 사업 가치 및 다음 실험

: 핵심 정리와 질의응답

※ 본 행사는 사전등록이 마감될 경우, 현장등록은 불가능하오니 사전등록 바랍니다.

※ 자세한 사항은 홈페이지(https://www.kiei.com) 또는 전화 (02)2025-1333~7 문의 바랍니다.