머신러닝 기반 분자 성질 예측 학습 경험
약 90초
머신러닝 개념 학습 → 화학 데이터 적용 → 결과 해석
학교 수업에서 머신러닝을 분자 성질 예측에 적용하는 방법을 처음 배웠습니다. 간단한 회귀 모델로 분자 구조 기반 성질 예측을 시도했는데, 처음에는 특성 변수 선택을 잘못해서 예측 정확도가 너무 낮게 나왔습니다. 분자 구조에서 어떤 특징이 해당 성질과 관련 있는지 문헌을 먼저 확인하고 변수를 재선택했더니 예측 성능이 크게 올랐습니다. 기계적으로 모든 특징을 넣는 것보다 도메인 지식과 머신러닝을 결합하는 게 효과적이라는 걸 배웠습니다.
최종 과제에서 화학과 데이터 분석을 연결한 접근이 독특하다는 평가를 받았습니다. AI 기반 합성 연구에서는 도메인 지식이 기술만큼 중요하다고 생각합니다.
이 결의 특징
특성 변수 선택을 잘못해서 예측 정확도가 너무 낮게 나왔다가 분자 구조에서 어떤 특징이 관련 있는지 문헌을 먼저 확인해 변수를 재선택한 흔적입니다.
이 결이 통하는 자리
예측 성능이 크게 오른 구체 경험이 살아 있을 때 통합니다. 기계적으로 모든 특징을 넣는 것보다 도메인 지식과 머신러닝을 결합하는 게 효과적이라는 관점이 평가되는 자리입니다.