During the last several years, the development of combinatorial technology has enabled synthesis and characterization of a huge amount of chemical compounds in a short time. The rapid development of high-throughput experimental tools requires the parallel development of software techniques of data mining and experimental design for the comprehension and specific modeling of experimental data and the optimization of specific performance of catalysts and materials, respectively. A self-organizing algorithm of multilayer perceptrons to establish the model without human intervention was proposed to effectively predict characteristics of catalysts and materials. And some best practice recommendations are provided to apply Evolutionary Strategy for efficient experimental design. These approaches can accelerate high-throughput screening of catalysts and materials and improve the efficiency of discovering catalysts and materials by saving experimentation cost and manpower.
최근 실험 및 분석장비의 발달로 다수의 실험과 분석을 단번에 할 수 있는 병렬실험과 병렬분석이 가능하게 되었다. 이를 통해 기존의 수년 걸리던 실험을 분석을 수일 내에 수행할 수 있는 고속처리탐색이 가능하게 되었다. 고차원의 실험데이터들이 단시간 내에 나오기 때문에 직관적으로 실험데이터로부터 정보를 얻기 어렵다. 그래서 고차원의 실험데이터로부터 핵심 정보를 얻을 수 있는 데이터마이닝 기법 연구가 필요하게 되었다. 그리고 단시간 내에 다수 실험을 할 수 있을지라도 모든 가능한 범위를 탐색하는 것은 비효율적이기 때문에 원하는 정보를 최소의 실험으로 얻을 수 있는 실험계획법의 연구도 필요하게 되었다.
기존에 다층 퍼셉트론 인공신경망은 촉매 및 재료의 고속처리탐색의 데이터마이닝에 효율적으로 적용되어 왔다. 하지만 다층 퍼셉트론의 모델을 만드는 과정은 일반화된 방법이 없기 때문에 시행오차법을 이용하여 직관적으로 진행되며 짧게는 수일에서 길게는 수개월까지 걸리게 된다. 이를 보완하기 위하여 신뢰성 있고 일반화 성능이 좋은 모델을 단시간 내에 만들 수 있도록 다층 퍼셉트론을 이용한 자기구성알고리즘을 개발하였다. 개발한 알고리즘은 기존의 자기구성알고리즘보다 신뢰성과 일반화 성능이 우수하다. 이 알고리즘을 적용하여 실제 사용할 수 있는 데이터마이닝 소프트웨어를 개발하여서 고속처리탐색을 효율적으로 할 수 있도록 도와줄 수 있다.
병렬실험과 분석을 이용한 촉매 및 재료의 고속처리탐색은 자연이 적자생존의 원리로 진화하는 과정과 매우 유사하다. 이러한 원리를 이용한 유전알고리즘이 고속처리탐색에 적용되어 왔다. 하지만 체계적인 접근을 통한 효율적 적용이 된 사례가 없어서 효율적 적용을 할 수 있도록 체계적인 접근을 통한 연구를 진행하였다. 이 연구를 통해 유전알고리즘을 촉매 및 재료의 고속처리탐색에 효율적으로 적용할 수 있는 지침을 얻을 수 있었다.
이와 같은 촉매 및 재료 고속처리탐색을 위한 데이터마이닝과 실험계획법의 연구를 통해서 단시간 내에 원하는 정보를 얻을 수 있기 때문에 인력 및 시간, 비용을 효율적으로 절감할 수 있다.
