양성-비표지 학습(PU 학습) positive-unlabeled learning
방법 · 데이터·AI
3학부 논문
1교수
8억 국가 R&D(2015–24)
소규모증가율
0.00%서울대 비중
양성 표지 데이터와 표지 없는 데이터만으로 분류기를 학습해 결정의 합성 가능성 등을 예측하는 기법이다.
연도별 학부 논문
국가 R&D 과제 동향 (NTIS, 억 원)
2015–2024 과제 레코드 4건 · 10년 8억 · 2015–19 대비 2020–24 소규모 · 대학 수행 33.8% · 서울대(본교) 0.00%. 매칭: 영문 키워드 'positive unlabeled learning', 국문 '양성비표지학습', '합성가능성예측'. 기관운영비·인력양성·출연연 주요사업비 등 과제 아닌 레코드는 뺐다.
매칭 과제의 NTIS 표준분류(1순위, 연구비 비중): 정보/통신 > 정보이론 66% · 재료 > 세라믹재료 33% · 생명과학 > 융합바이오 1%
최근 주요 과제 (2022–2024, 연차 정부연구비 순)
| 연도 | 과제 | 수행기관 | 부처 | 억 |
|---|---|---|---|---|
| 2024 | 고이온전도성 고체전해질 설계용 uncertainty 평가 기반의 초정밀 범용 AI 기술 개발 | 한국과학기술연구원 | 과학기술정보통신부 | 5.6 |
| 2023 | 다성분계 및 고엔트로피 세라믹 소재의 합성 가능성 예측을 위한 데이터 기반 역설계 플랫폼 개발 | 아주대학 | 과학기술정보통신부 | 1.5 |
| 2024 | AI 기반 신약 후보 화합물의 합성 가능성 예측을 위한 통합 역합성 모델 개발 | 전남대학 | 교육부 | 0.1 |
교수
| 교수 | 연구분야 | 논문 | 2022년 이후 |
|---|---|---|---|
| 정유성 | 공정시스템 | 3 | 2 |
연결되는 NTIS 분류
논문 (최신순)
| 연도 | 논문 | 학부 저자 | 피인용 |
|---|---|---|---|
| 2025 | Explainable Synthesizability Prediction of Inorganic Crystal Polymorphs Using Large Language Models 융합화학 › 화학정보학 Angewandte Chemie International Edition | 정유성 | 28 |
| 2024 | Synthesizability of materials stoichiometry using semi-supervised learning Matter | 정유성 | 21 |
| 2020 | Structure-Based Synthesizability Prediction of Crystals Using Partially Supervised Learning 화학공정 › 촉매/반응기술 Journal of the American Chemical Society | 정유성 | 128 |
인접 그래프
노드 hover = 이웃 강조 · 1회 클릭 = 고정 · 고정된 노드 다시 클릭 = 페이지 이동
이 문서와 연결된 페이지
교수 1
논문 3
Structure-Based Synthesizability Prediction of Crystals Using Partiall · Explainable Synthesizability Prediction of Inorganic Crystal Polymorph · Synthesizability of materials stoichiometry using semi-supervised lear