Development of an Active Learning Methodology Based on Predictive Uncertainty Source Decomposition for Reliable Decision-Making
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710113743
과학기술정보통신부
한국연구재단
홍익대학교세종캠퍼스산학협력단
정용수
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
4,360만원
4,360만원
기초연구
대학
세종특별자치시 세종특별자치시
기계 > 생산기반기술 > 최적화기술
본 과제의 최종목표는 제한된 시뮬레이션·실험·계측 데이터 환경에서 발생하는 예측 불확실성의 원인을 체계적으로 분해하고, 최종 의사결정 신뢰도를 가장 효율적으로 향상시키는 예측 불확실성 원인분해 기반 능동학습 방법론을 개발하는 것임. 기존 대리모델링 및 능동학습 연구가 주로 예측오차 감소, 예측분산 축소, 신규 샘플 위치 선택에 초점을 두었다면, 본 연구는 예측 ...
... 연차에 걸쳐 예측 불확실성 원인분해, 다중 정밀도 정보가치 평가, 포토리소그래피 시뮬레이션 기반 통합 검증을 단계적으로 수행함. [1년차] 원인분해형 사후분포 대리모델 구축1년차에는 제한된 데이터 환경에서 발생하는 예측 불확실성을 원인별로 분해하는 핵심 알고리즘을 정립함. 계층 베이지안 추론, 가우시안 프로세스, 이분산 잡음모델, 후보 모델구조 앙상블을 결합하여 데이터 불확실성, ...
... 정책, 포토리소그래피 시뮬레이션 기반 검증 결과를 핵심 연구개발성과로 도출함. 1년차에는 데이터·모델구조·모수·잡음 불확실성을 분리하고 이를 잔여수명·고장확률 등 판단지표로 전파하는 알고리즘과 ... 반도체 제조공정의 안정성 향상에 기여함. 장기적으로는 데이터가 부족한 초기 설계·검증 단계에서 제한된 자원 내 의사결정 신뢰도를 극대화하는 공학 AI 설계평가 플랫폼으로 발전 가능함.