An AI-Native TRIZ-Based Intelligent Problem-Solving and Technology Evolution Prediction Framework Using Multi-Agent Systems and Mixture of Experts (MoE)
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710113254
과학기술정보통신부
한국연구재단
동국대학교산학협력단
윤병운
7명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2028.08.31
6,336만원
6,336만원
응용연구
대학
서울특별시 중구
기계 > 생산기반기술 > 예측/시뮬레이션기술
... 공학변수, 발명원리, 모순구조를 지속적으로 확장·재구성하는 AI-Native TRIZ 프레임워크를 개발함으로써, 문제 해결, 발명 원리 도출, 기술 진화 예측을 통합적으로 지원하는 차세대 지능형 기술개발 및 R&D 의사결정 방법론을 제시하고자 함나. 이전 연구의 한계점■ 기존 기술문제해결 및 기술예측 접근의 구조적 한계와 실질적 의사결정으로의 연계 부족- 기존 기술예측 방법은 주로 ...
가. 1차년도: AI-Native TRIZ 개발■ (1-1) TRIZ 공학변수의 데이터셋 수집 및 정제- TRIZ 문헌과 기술문서(특허, 논문, 기술 보고서 등)에 대해 LLM 기반의 Entity Extraction 및 Semantic Triple 추출을 통해 문맥중심의 공학변수 정의를 통해 기존의 고전적 정의를 확장함■ (1-2) Multi-agent 및...
... 협업 체계를 결합하여 전문가의 직관에 의존하던 기존 TRIZ의 한계를 극복하고, 다양한 산업 현장에서 발생하는 복잡한 기술적 모순을 자율적으로 해결하는 멀티 에이전트 및 MoE 기반 지능형 문제해결 도구로 활용될 수 있음■ LLM 기반 Semantic Triple 추출과 Temporal 멀티모달 지식 그래프를 통해 구축된 데이터 기반의 AI-Native 동적 지식베이스는 변화하는 ...