일본산업뉴스요약

연구개발, AI로 진화한다
데이터 분석에 다채로운 방법

인공지능(AI)이 기업 및 연구기관의 연구개발 그 자체를 진화시키고 있다. AI 기술을 사용해 재료 및 제조기술, 생활과학 등의 분야에서 연구를 추진하는 비 AI 분야의 연구자들이 기존에 없는 데이터 분석 수단을 학습해 100% 활용하고 있어 성과가 잇따르고 있다. AI 연구자가 아니라도 AI 기술의 습득은 연구에 필수적일지도 모른다.

-- 개발기간을 단축 --
“경험으로 말하면 개발기간이 거의 3분의 1이다.”며 일본 촉매사업창출본부의 미기타(右田) 연구원은 실적을 되돌아본다. 사내에서 연구자로부터 실험 데이터를 맡아 데이터 과학 및 AI 기술을 구사해 분석함으로써 촉매설계의 중요한 부분을 도출한다.

반드시 빅데이터 분석과 같이 방대한 데이터를 수집할 필요는 없다. 몇 십 년 정도의 소규모 데이터라도 적합한 분석 방법을 골라 개발에 속도를 내고 있다.

데이터 분석은 각종 과학의 기본이다. 지금까지도 고효율로 데이터를 수집하는 ‘실험계획법’ 및 다양한 요인에서 영향이 큰 요인을 찾는 ‘주성분분석’ 등 데이터를 다루는 방법이 있었다. 최근 세계적인 AI 열풍을 받아 재검증되어 AI 도입이 추진되고 있다.

도쿄대학의 시오미(塩見) 교수와 니이가타대학의 사쿠라이(桜井) 교수는 적외선 흡수 재료의 개발에 기계학습을 응용했다. 연구팀은 반도체 재료 및 유도체 재료의 박막을 적층함으로써 특정 파장의 적외선을 흡수하는 구조를 만들어내고 있다. 하지만 막의 두께 및 재료의 종류 조합은 약 80억 종류가 존재했다. 사람이 생각하며 검증하고 있어서는 도저히 끝나지 않는다. 그러한 상황에서 ‘베이즈 최적화’라는 기계학습법을 도입해 구조를 좁혀나갔다. 좁혀나가기와 이론성능의 예측을 반복해 전체의 고작 2%의 탐색만으로 고성능 재료를 발견할 수 있었다. 사쿠라이 교수는 “연구자의 직감으로는 찾을 수 없는 구조를 발견했다. 성과를 보고 해석하면 그 합리성을 잘 알 수 있다.”며 회상한다.

일반적으로 인간이 다층구조를 설계하려고 하면 규칙성이 있는 구조를 기본으로 생각해버린다. 이에 반해 AI는 다층구조의 위 3~4개 층을 주기성이 있는 구조로 만들고 하층은 비주기성 구조를 섞었다. 주기구조로 목적으로 삼는 파장의 흡수를 높여 비주기구조로 다른 파장의 흡수를 막고 있었다.

사쿠라이 교수는 “기존 방법으로는 국소 최적에 빠지는 문제라 해도 베이즈 최적화라면 전체 최적이 된다.”며 기대한다.

-- 현상이 이해되다 --
게이오기쥬쿠대학의 오아케(緒明) 교수와 도쿄대학의 이가라시(五十嵐) 연구원은 다층재료를 분해해 나노시트를 제조하는 과정에 AI 기술을 응용했다. 다층구조의 산화티타늄에 유기분자를 도입해 용매에 섞으면 각 층의 시트가 분산된다. 이 유기분자와 용제의 조합을 100개 데이터 준비해 다양한 검증 항목이 있더라도 적은 데이터로 정보를 추출 가능한 ‘스파스(sparse) 모델링’으로 분석했다. 오아케 교수는 “연구실에서 수집할 수 있는 적은 데이터라도 분석할 수 있다.”고 설명한다.

실제로는 예상한 35개 인자 안에서 용제의 점도 등의 다섯 가지가 후보가 되었다. 실험에서 유기분자와 용제분자의 분극률이 작용하고 있다는 것이 확인되어 나노시트의 수율은 5~10배로 높아졌다. 오아케 교수는 “분산이라는 다양한 요인이 서로 영향을 주는 현상이 이해되었다.”며 회상한다.

재료 및 구조재료와 같이 이론화하기 쉬운 분야에서는 개발의 효율화와 과학적인 이해의 두 측면에서 AI 기술이 기여하고 있다. 산업기술종합연구소 인공지능연구센터의 쓰지이(辻井) 센터장은 “과학적인 이해가 진행되면 이론적인 성능 예측이 향상되고 더욱 정확도가 높은 데이터가 모인다. 데이터와 이론 두 측면의 접근이 향상되는 선순환을 만들 수 있다.”고 기대한다.

-- 혼돈을 이해 --
AI는 인간의 생활을 자연과학 및 인문, 사회학을 응용함으로써 의식주 등의 환경을 개선하는 ‘생활과학’이라는 이론화가 어려운 분야에서도 유효하다. 데이터 수집 기술로 도입이 추진되고 있다.

원래 연구자에게 있어서 일상생활의 연구는 가장 밀접하면서도 그 다양성과 빠른 변화가 과제였다. 생활 공간에 존재하는 일용품의 다종 다양. 그 사용 방법도 독자적인 경우가 많다.

설문조사에서 사례를 수집해도 개개의 취향은 데이터가 되기 어렵다. 하지만 잘못된 사용은 부상 및 화재 등의 원인이 될 수 있다.

AI의 도입은 이러한 상황을 변화시키고 있다. 영상인식 AI의 진화로 일반 물체의 인식 및 인간의 동작분석이 크게 발전했다. 동시에 얼굴 인증도 정확도가 향상되어 카메라 영상에서 특정 개인을 추적함으로써 동작 및 사용하고 있는 도구, 환경을 기록할 수 있게 되었다.

산종연의 니시다(西田) 연구원은 고령자의 행동 데이터 베이스를 구축하고 있다. 고령자 시설에 거리 카메라를 설치해 신체기능 및 인지기능 마다 생활 동작 및 영상을 기록한다. 예를 들어 신체기능이 떨어진 고령자는 침대의 난간을 어떻게 잡아 신체를 지탱하는 지, 의자에서 일어나는 방법 및 지팡이 잡는 방법 등을 영상으로 확인한다. 제조사가 잘못된 사용 및 부상 방지책을 검증할 수 있게 된다. 데이터 베이스는 참가자의 동의를 얻어 공개하고 있다.

니시다 연구원은 “AI로 가구 및 일용품부터 생활 장면을 분류해 그 동작도 계측할 수 있게 되었다. 데이터를 모아 리스크 요인 등을 명확하게 하고 싶다.”고 전망을 말한다.

AI는 혼란스러운 생활을 과학적으로 분석하는 기반이 되려고 하고 있다. 이러한 기술은 중국은 국가통제, 미국의 IT 기업은 마케팅에 사용하고 있다. 쓰지이 센터장은 “미국, 중국과 같은 기술이라도 일본은 복지 및 QOL(생활의 질)의 향상을 지향한다. AI의 사용 방법에 국가의 특징이 나오고 있다.”고 지적한다.

일본 정부는 문과 계통의 대학생을 포함해 폭 넓게 데이터 과학 및 AI를 학습할 수 있는 교육 정책을 내놓고 있다. 연구 현장에서는 AI의 활용이 더욱 확산될 전망이다.

-- 끝 --