A large language model (LLM)-based text-numerical data fusion driven framework for prediction and interpretation of anaerobic digestion process
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066547
교육부
한국연구재단
성균관대학교
심민구
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
개발연구
대학
서울특별시 종로구
생명과학 > 산업바이오 > 바이오환경
... 모달(Multi-modal) 기반의 텍스트-수치 융합 머신러닝 (Machine Learning; ML) 모델을 개발하는 것임. 이를 통해 기존 수치 데이터 중심 모델의 한계를 극복하고, 생물학적 변동성을 온전히 포괄할 수 있는 설명 가능한 인공지능(eXplainable AI; XAI) 프레임워크를 구축하여 환경 및 에너지 공정 효율 예측 프레임워크를 개발하고자 함.
(1) 문헌 기반 텍스트 표준화● 기질 특성, 전처리 방법 등 기존 수치형 모델에서 누락되었던 정성적 정보를 문헌으로부터 수집하여 프롬프트 엔지니어링을 통해 ML 모델이 인식하고 처리하기 쉬운 형태의 표준화된 텍스트 데이터로 가공함.(2) 도메인 특화 임베딩 및 최적화● 고차원 벡터 변환: 표준화된 텍스트를 과학/생물학/일반 도메인에 사전 학습된 임베딩 모...
(1) 비정형 데이터 융합을 통한 고정밀 예측 모델 확보: ● 실험과 문헌 등에 포함된 정성적 변수들을 수치형 데이터와 성공적으로 통합함으로써, 기존 수치형 모델이 갖는 생물학적 변동성 반영의 한계를 극복하고 예측 정밀도와 다양한 운전 조건에 대한 범용성을 획기적으로 향상시킴.(2) 공정 최적화 및 산업적 의사결정 지원: ● LLM 기반의 자동화된 데이터...