능동 학습 active learning
방법 · 데이터·AI
모델이 불확실한 후보를 골라 다음 실험·계산을 제안해 적은 데이터로 최적 물질을 찾는 기계학습 기법이다.
연도별 학부 논문
국가 R&D 과제 동향 (NTIS, 억 원)
2015–2024 과제 레코드 122건 · 10년 313억 · 2015–19 대비 2020–24 신규 · 대학 수행 48.5% · 서울대(본교) 7.21%. 매칭: 영문 키워드 'active learning', 국문 '능동학습', '액티브러닝'. 기관운영비·인력양성·출연연 주요사업비 등 과제 아닌 레코드는 뺐다.
매칭 과제의 NTIS 표준분류(1순위, 연구비 비중): 정보/통신 > 정보이론 53% · 에너지/자원 > 온실가스 처리 10% · 정보/통신 > 소프트웨어 10% · 환경 > 친환경 공정 8%
최근 주요 과제 (2022–2024, 연차 정부연구비 순)
| 연도 | 과제 | 수행기관 | 부처 | 억 |
|---|---|---|---|---|
| 2023 | 스스로 불확실성을 자각하며 질문하면서 성장하는 에이전트 기술 개발 | 한국전자통신연구원 | 과학기술정보통신부 | 25.0 |
| 2022 | 능동학습법을 활용한 CO2 동시 포집-전환 메탄올 저온 제조기술개발 | 한국과학기술연구원 | 과학기술정보통신부 | 10.2 |
| 2023 | 오픈 도메인 멀티모달 자기주도 인공지능 기술 개발 | 성균관대학 | 과학기술정보통신부 | 10.0 |
| 2022 | 이산화탄소 동시 포집-전환 포름산 제조 공정 핵심기술개발 | 한국과학기술연구원 | 기획재정부 | 8.5 |
| 2024 | 싱크로랩 데이터 클라우드기반 고체 전해질 소재허브 구축 | 세종대학 | 과학기술정보통신부 | 7.5 |
| 2024 | 능동학습형 AI 모델 기반 고엔트로피 합금 수소발생반응 촉매 개발 | 울산과학기술원 | 과학기술정보통신부 | 5.0 |
| 2022 | 생활 사물 및 상황 종합 인지 인공지능 기술 개발 | 딩브로 | 과학기술정보통신부 | 4.8 |
| 2024 | 소규모 데이터를 활용한 과학적 기계학습을 통한 극단적 폭우 예측 | 서울대학 | 과학기술정보통신부 | 4.0 |
교수
| 교수 | 연구분야 | 논문 | 2022년 이후 |
|---|---|---|---|
| 이원보 | 공정시스템 · 고분자 및 유기 소재 | 4 | 4 |
| 정유성 | 공정시스템 | 1 | 0 |
| 현택환 | 무기 및 전기전자 소재 | 1 | 1 |
연결되는 NTIS 분류
논문 (최신순)
| 연도 | 논문 | 학부 저자 | 피인용 |
|---|---|---|---|
| 2025 | From prediction to synthesis: DFT-active learning-guided design of multimetallic catalysts for hydrogen evolution Chemical Engineering Journal | 이원보 | 13 |
| 2025 | Active Learning‐Guided Accelerated Discovery of Ultra‐Efficient High‐Entropy Thermoelectrics Advanced Materials | 이원보 | 5 |
| 2023 | Active learning guides discovery of a champion four-metal perovskite oxide for oxygen evolution electrocatalysis Nature Materials | 현택환 | 161 |
| 2023 | Exploring Optimal Water Splitting Bifunctional Alloy Catalyst by Pareto Active Learning 화학공정 › 분리/정제기술 Advanced Materials | 이원보 | 66 |
| 2022 | Searching for an Optimal Multi‐Metallic Alloy Catalyst by Active Learning Combined with Experiments Advanced Materials | 이원보 | 76 |
| 2018 | Active learning with non- ab initio input features toward efficient CO 2 reduction catalysts 물리화학 › 양자화학/전산화학 Chemical Science | 정유성 | 115 |
인접 그래프
노드 hover = 이웃 강조 · 1회 클릭 = 고정 · 고정된 노드 다시 클릭 = 페이지 이동
이 문서와 연결된 페이지
교수 1
논문 6
Exploring Optimal Water Splitting Bifunctional Alloy Catalyst by Paret · Active learning with non- ab initio input features toward efficient CO · Active learning guides discovery of a champion four-metal perovskite o · From prediction to synthesis: DFT-active learning-guided design of mul · Searching for an Optimal Multi‐Metallic Alloy Catalyst by Active Learn · Active Learning‐Guided Accelerated Discovery of Ultra‐Efficient High‐E