- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론

- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론

- 물 속에 존재하는 이온농도 예측 가능한 인공지능 기술 개발 - 국가적 대단위 수질자동측정망 등에 적용가능해 사회적 물 복지 향상에 기여 전 세계 인구의 1/4 이상인 약 22억 명이 안전하게 관리되는 식수를 보장받지 못하고 있으며, 특히 전 세계 인구의 약 절반가량은 1년 중 일정 기간 심각한 물 부족을 경험하고 있다. 이러한 물 부족 현상을 극복하기 위해 하수도 관개사업 및 빗물 재이용, 해수 담수화와 같은 대체 수자원 확보 사업에 막대한 사회경제적 비용이 지출되고 있다. 더욱이 이러한 중앙집중형 물 분배 시스템은 물 수요의 변화를 즉각적으로 반영하기 어렵다는 단점도 있다. 그래서 현재는 축전식탈염법, 배터리전극담수화 등과 같은 기술도입이 간편하며, 전기화학 기반의 기술인 분산형 물 생산 기술에 대한 관심이 높아지고 있다. 다만, 전기화학 기반 기술에 사용되는 기존 수질 측정 센서는 수중 이온들을 개별적으로 측정·추적하지 못하며, 전기전도도로 수질 상태를 대략적으로 유추하는 한계점이 있다. 한국과학기술연구원(KIST, 원장 오상록) 물자원순환연구단 손문 박사 연구팀은 영남대학교 백상수 교수팀과 공동연구를 통해 데이터 기반의 인공지능 기술을 활용하여 전기화학적 수처리 공정에서 수중 이온농도를 정밀하게 예측하는 기술을 개발했다고 밝혔다. 연구팀은 먼저 회귀 문제에 활용되는 트리 기반의 머신러닝 기술인 랜덤포레스트(random forest) 모델을 구축한 후 이를 전기화학적 수처리 기술의 이온농도 예측에 활용했다. 개발된 랜덤포레스트 기반 인공지능 모델은 처리수의 전기전도도 및 각 이온의 농도(Na⁺, K⁺, Ca2⁺, 및 Cl⁻)를 정밀하게 예측할 수 있었다(R²=~0.9). 또한, 예측의 정확도를 높이기 위해 약 20~80초마다 업데이트가 필요하다는 것을 알아냈다. 즉, 본 기술을 국가 수질자동측정망 등에 적용해 특정 이온을 추적하기 위해서는 최소 분 단위의 샘플링을 통해 수질을 측정해 초기 모델을 학습시킬 필요가 있음을 의미한다. 본 연구에 사용된 랜덤포레스트 모델은 복잡한 딥러닝 모델보다 학습에 필요한 컴퓨팅 자원을 100배 이상 아낄 수 있기에 경제적으로 우수하다는 장점이 있다. KIST 손문 박사는 “이 연구의 중요성은 단순히 새로운 인공지능 모델을 개발하는 데 그치지 않고, 국가 수질 관리 시스템에도 적용할 수 있다는 점에서 의미가 크다”라고 말하며 “본 기술을 이용한다면 개별이온들의 농도를 보다 정밀하게 추적 관찰해 사회적 물 복지 향상에도 기여할 수 있을 것이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요 사업과 세종과학펠로우십 사업(2021R1C1C2005643)으로 수행됐다. 이번 연구 성과는 국제 학술지인 「Water Research」 (IF : 11.4, JCR 분야 0.4%) 최신 호에 게재됐다. [그림 1] 머신러닝(랜덤포레스트) 기술을 이용한 전도도 기반 수중 이온농도 예측 기술 개요도 [그림 2] 랜덤포레스트(Random forest; RF) 머신러닝 기술 적용 방법론

('23.11.19. 보도자료) - 군집화-예측 기반 인공지능 기술로 하폐수 속 신종 유입물질의 특성 예측 - 까다로운 분석절차 단축해 수처리 관련 시설에서 실제 활용 기대 전 세계 의약품 소비량은 2020년 기준으로 4 조회 분량으로 매년 급증하는 추세다. 과거와 비교해 점점 더 다양한 의약품들이 인체의 대사 작용을 거쳐 하·폐수 처리장으로 유입되면서, 여기서 발견되는 미량물질의 양과 종류도 증가하고 있다. 하·폐수 속 미량물질이 다시 강과 바다 등으로 유입돼 상수원으로 활용되면 환경뿐 아니라 발암, 내분비계 장애 등 인간의 건강에도 해로운 영향을 미칠 수 있다. 따라서 이러한 미량물질의 그 특성과 거동을 신속, 정확하게 예측하는 기술이 필요지만, 알려지지 않은 미량물질을 분석하는 데는 고가의 장비와 숙련된 전문가가 필요하며 오랜 시간이 걸린다. 한국과학기술연구원(KIST, 원장 윤석진)은 물자원순환연구단 홍석원 단장과 손문 선임연구원 팀이 군집화-예측기반 인공지능 기술을 활용해 신종 미량물질을 물리화학적 특성에 따라 분류하고 농도를 예측하는 기술을 개발했다고 밝혔다. 연구진은 데이터의 유사성에 따라 지도의 형태로 군집화하는 자기조직화지도 인공지능 기술을 통해 의약화합물, 카페인 등 기존에 알려진 29종의 미량물질을 물리화학적 특성, 작용기, 생물학적 반응 기작 등의 정보에 따라 분류했다. 그다음, 새로운 미량물질의 특성과 농도 변화를 예측하기 위해 데이터를 여러 하위 집합으로 분류하는 머신러닝 기술인 랜덤 포레스트를 추가로 구축했다. 만약 새로운 미량물질이 자기조직화지도 내의 어떤 군집에 속한다면, 해당 군집 내 다른 물질의 특성을 통해 새로운 미량물질의 특성과 농도가 어떻게 변화할지 예측할 수 있다. 이렇게 구성된 군집화-예측 인공지능 모델(자기조직화지도-랜덤포레스트)을 새로운 13종의 신종 미량물질에 적용한 결과, 생물학적 정보를 이용한 기존 인공지능을 활용한 기술의 예측정확도인 0.40을 훨씬 뛰어넘는 약 0.75의 우수한 예측정확도를 보였다. 수식을 기반으로 하는 전통적인 예측 방법에 비해 KIST 연구팀의 데이터 기반 분석모델은 미량물질의 물리화학적 특성만 입력하면 비슷한 데이터를 가진 물질과의 군집화를 통해 새로운 미량물질의 농도가 하수처리 과정에서 어떻게 변화할지 효율적으로 파악할 수 있다는 장점이 있다. 또한, 데이터 기반의 인공지능 모델 특성상 사회적인 관심사인 마약과 같은 신종물질의 농도 예측에도 향후 활용할 수 있다. KIST 홍석원 박사와 손문 박사(이상 공동 교신저자)는 “실제 하폐수 처리장 뿐 아니라 신종 미량물질이 존재하는 대부분의 수처리 관련 시설에 적용할 수 있으며, 관련 규제를 위한 정책결정 과정에서 신속하고 정확한 자료를 제공할 수 있는 기술”이라고 밝히며, “머신러닝 기술을 활용하기 때문에 관련 데이터가 축적될수록 예측정확도도 향상될 것”이라고 기대했다. 본 연구는 환경부 (장관 한화진) 상하수도혁신기술개발사업(2019002710010) 및 과학기술정보통신부(장관 이종호) 세종과학펠로우십 지원을 받아(2021R1C1C2005643) 수행되었으며, 연구결과는 네이처 포트폴리오 저널 클린워터(npj Clean Water, IF : 11.4, JCR 물자원 분야 상위 1.5%) 10월호에 게재되었다. [그림 1] 머신러닝 기술을 이용한 신종 미량물질 예측 기술

('23.11.19. 보도자료) - 군집화-예측 기반 인공지능 기술로 하폐수 속 신종 유입물질의 특성 예측 - 까다로운 분석절차 단축해 수처리 관련 시설에서 실제 활용 기대 전 세계 의약품 소비량은 2020년 기준으로 4 조회 분량으로 매년 급증하는 추세다. 과거와 비교해 점점 더 다양한 의약품들이 인체의 대사 작용을 거쳐 하·폐수 처리장으로 유입되면서, 여기서 발견되는 미량물질의 양과 종류도 증가하고 있다. 하·폐수 속 미량물질이 다시 강과 바다 등으로 유입돼 상수원으로 활용되면 환경뿐 아니라 발암, 내분비계 장애 등 인간의 건강에도 해로운 영향을 미칠 수 있다. 따라서 이러한 미량물질의 그 특성과 거동을 신속, 정확하게 예측하는 기술이 필요지만, 알려지지 않은 미량물질을 분석하는 데는 고가의 장비와 숙련된 전문가가 필요하며 오랜 시간이 걸린다. 한국과학기술연구원(KIST, 원장 윤석진)은 물자원순환연구단 홍석원 단장과 손문 선임연구원 팀이 군집화-예측기반 인공지능 기술을 활용해 신종 미량물질을 물리화학적 특성에 따라 분류하고 농도를 예측하는 기술을 개발했다고 밝혔다. 연구진은 데이터의 유사성에 따라 지도의 형태로 군집화하는 자기조직화지도 인공지능 기술을 통해 의약화합물, 카페인 등 기존에 알려진 29종의 미량물질을 물리화학적 특성, 작용기, 생물학적 반응 기작 등의 정보에 따라 분류했다. 그다음, 새로운 미량물질의 특성과 농도 변화를 예측하기 위해 데이터를 여러 하위 집합으로 분류하는 머신러닝 기술인 랜덤 포레스트를 추가로 구축했다. 만약 새로운 미량물질이 자기조직화지도 내의 어떤 군집에 속한다면, 해당 군집 내 다른 물질의 특성을 통해 새로운 미량물질의 특성과 농도가 어떻게 변화할지 예측할 수 있다. 이렇게 구성된 군집화-예측 인공지능 모델(자기조직화지도-랜덤포레스트)을 새로운 13종의 신종 미량물질에 적용한 결과, 생물학적 정보를 이용한 기존 인공지능을 활용한 기술의 예측정확도인 0.40을 훨씬 뛰어넘는 약 0.75의 우수한 예측정확도를 보였다. 수식을 기반으로 하는 전통적인 예측 방법에 비해 KIST 연구팀의 데이터 기반 분석모델은 미량물질의 물리화학적 특성만 입력하면 비슷한 데이터를 가진 물질과의 군집화를 통해 새로운 미량물질의 농도가 하수처리 과정에서 어떻게 변화할지 효율적으로 파악할 수 있다는 장점이 있다. 또한, 데이터 기반의 인공지능 모델 특성상 사회적인 관심사인 마약과 같은 신종물질의 농도 예측에도 향후 활용할 수 있다. KIST 홍석원 박사와 손문 박사(이상 공동 교신저자)는 “실제 하폐수 처리장 뿐 아니라 신종 미량물질이 존재하는 대부분의 수처리 관련 시설에 적용할 수 있으며, 관련 규제를 위한 정책결정 과정에서 신속하고 정확한 자료를 제공할 수 있는 기술”이라고 밝히며, “머신러닝 기술을 활용하기 때문에 관련 데이터가 축적될수록 예측정확도도 향상될 것”이라고 기대했다. 본 연구는 환경부 (장관 한화진) 상하수도혁신기술개발사업(2019002710010) 및 과학기술정보통신부(장관 이종호) 세종과학펠로우십 지원을 받아(2021R1C1C2005643) 수행되었으며, 연구결과는 네이처 포트폴리오 저널 클린워터(npj Clean Water, IF : 11.4, JCR 물자원 분야 상위 1.5%) 10월호에 게재되었다. [그림 1] 머신러닝 기술을 이용한 신종 미량물질 예측 기술

('23.11.19. 보도자료) - 군집화-예측 기반 인공지능 기술로 하폐수 속 신종 유입물질의 특성 예측 - 까다로운 분석절차 단축해 수처리 관련 시설에서 실제 활용 기대 전 세계 의약품 소비량은 2020년 기준으로 4 조회 분량으로 매년 급증하는 추세다. 과거와 비교해 점점 더 다양한 의약품들이 인체의 대사 작용을 거쳐 하·폐수 처리장으로 유입되면서, 여기서 발견되는 미량물질의 양과 종류도 증가하고 있다. 하·폐수 속 미량물질이 다시 강과 바다 등으로 유입돼 상수원으로 활용되면 환경뿐 아니라 발암, 내분비계 장애 등 인간의 건강에도 해로운 영향을 미칠 수 있다. 따라서 이러한 미량물질의 그 특성과 거동을 신속, 정확하게 예측하는 기술이 필요지만, 알려지지 않은 미량물질을 분석하는 데는 고가의 장비와 숙련된 전문가가 필요하며 오랜 시간이 걸린다. 한국과학기술연구원(KIST, 원장 윤석진)은 물자원순환연구단 홍석원 단장과 손문 선임연구원 팀이 군집화-예측기반 인공지능 기술을 활용해 신종 미량물질을 물리화학적 특성에 따라 분류하고 농도를 예측하는 기술을 개발했다고 밝혔다. 연구진은 데이터의 유사성에 따라 지도의 형태로 군집화하는 자기조직화지도 인공지능 기술을 통해 의약화합물, 카페인 등 기존에 알려진 29종의 미량물질을 물리화학적 특성, 작용기, 생물학적 반응 기작 등의 정보에 따라 분류했다. 그다음, 새로운 미량물질의 특성과 농도 변화를 예측하기 위해 데이터를 여러 하위 집합으로 분류하는 머신러닝 기술인 랜덤 포레스트를 추가로 구축했다. 만약 새로운 미량물질이 자기조직화지도 내의 어떤 군집에 속한다면, 해당 군집 내 다른 물질의 특성을 통해 새로운 미량물질의 특성과 농도가 어떻게 변화할지 예측할 수 있다. 이렇게 구성된 군집화-예측 인공지능 모델(자기조직화지도-랜덤포레스트)을 새로운 13종의 신종 미량물질에 적용한 결과, 생물학적 정보를 이용한 기존 인공지능을 활용한 기술의 예측정확도인 0.40을 훨씬 뛰어넘는 약 0.75의 우수한 예측정확도를 보였다. 수식을 기반으로 하는 전통적인 예측 방법에 비해 KIST 연구팀의 데이터 기반 분석모델은 미량물질의 물리화학적 특성만 입력하면 비슷한 데이터를 가진 물질과의 군집화를 통해 새로운 미량물질의 농도가 하수처리 과정에서 어떻게 변화할지 효율적으로 파악할 수 있다는 장점이 있다. 또한, 데이터 기반의 인공지능 모델 특성상 사회적인 관심사인 마약과 같은 신종물질의 농도 예측에도 향후 활용할 수 있다. KIST 홍석원 박사와 손문 박사(이상 공동 교신저자)는 “실제 하폐수 처리장 뿐 아니라 신종 미량물질이 존재하는 대부분의 수처리 관련 시설에 적용할 수 있으며, 관련 규제를 위한 정책결정 과정에서 신속하고 정확한 자료를 제공할 수 있는 기술”이라고 밝히며, “머신러닝 기술을 활용하기 때문에 관련 데이터가 축적될수록 예측정확도도 향상될 것”이라고 기대했다. 본 연구는 환경부 (장관 한화진) 상하수도혁신기술개발사업(2019002710010) 및 과학기술정보통신부(장관 이종호) 세종과학펠로우십 지원을 받아(2021R1C1C2005643) 수행되었으며, 연구결과는 네이처 포트폴리오 저널 클린워터(npj Clean Water, IF : 11.4, JCR 물자원 분야 상위 1.5%) 10월호에 게재되었다. [그림 1] 머신러닝 기술을 이용한 신종 미량물질 예측 기술

('23.11.19. 보도자료) - 군집화-예측 기반 인공지능 기술로 하폐수 속 신종 유입물질의 특성 예측 - 까다로운 분석절차 단축해 수처리 관련 시설에서 실제 활용 기대 전 세계 의약품 소비량은 2020년 기준으로 4 조회 분량으로 매년 급증하는 추세다. 과거와 비교해 점점 더 다양한 의약품들이 인체의 대사 작용을 거쳐 하·폐수 처리장으로 유입되면서, 여기서 발견되는 미량물질의 양과 종류도 증가하고 있다. 하·폐수 속 미량물질이 다시 강과 바다 등으로 유입돼 상수원으로 활용되면 환경뿐 아니라 발암, 내분비계 장애 등 인간의 건강에도 해로운 영향을 미칠 수 있다. 따라서 이러한 미량물질의 그 특성과 거동을 신속, 정확하게 예측하는 기술이 필요지만, 알려지지 않은 미량물질을 분석하는 데는 고가의 장비와 숙련된 전문가가 필요하며 오랜 시간이 걸린다. 한국과학기술연구원(KIST, 원장 윤석진)은 물자원순환연구단 홍석원 단장과 손문 선임연구원 팀이 군집화-예측기반 인공지능 기술을 활용해 신종 미량물질을 물리화학적 특성에 따라 분류하고 농도를 예측하는 기술을 개발했다고 밝혔다. 연구진은 데이터의 유사성에 따라 지도의 형태로 군집화하는 자기조직화지도 인공지능 기술을 통해 의약화합물, 카페인 등 기존에 알려진 29종의 미량물질을 물리화학적 특성, 작용기, 생물학적 반응 기작 등의 정보에 따라 분류했다. 그다음, 새로운 미량물질의 특성과 농도 변화를 예측하기 위해 데이터를 여러 하위 집합으로 분류하는 머신러닝 기술인 랜덤 포레스트를 추가로 구축했다. 만약 새로운 미량물질이 자기조직화지도 내의 어떤 군집에 속한다면, 해당 군집 내 다른 물질의 특성을 통해 새로운 미량물질의 특성과 농도가 어떻게 변화할지 예측할 수 있다. 이렇게 구성된 군집화-예측 인공지능 모델(자기조직화지도-랜덤포레스트)을 새로운 13종의 신종 미량물질에 적용한 결과, 생물학적 정보를 이용한 기존 인공지능을 활용한 기술의 예측정확도인 0.40을 훨씬 뛰어넘는 약 0.75의 우수한 예측정확도를 보였다. 수식을 기반으로 하는 전통적인 예측 방법에 비해 KIST 연구팀의 데이터 기반 분석모델은 미량물질의 물리화학적 특성만 입력하면 비슷한 데이터를 가진 물질과의 군집화를 통해 새로운 미량물질의 농도가 하수처리 과정에서 어떻게 변화할지 효율적으로 파악할 수 있다는 장점이 있다. 또한, 데이터 기반의 인공지능 모델 특성상 사회적인 관심사인 마약과 같은 신종물질의 농도 예측에도 향후 활용할 수 있다. KIST 홍석원 박사와 손문 박사(이상 공동 교신저자)는 “실제 하폐수 처리장 뿐 아니라 신종 미량물질이 존재하는 대부분의 수처리 관련 시설에 적용할 수 있으며, 관련 규제를 위한 정책결정 과정에서 신속하고 정확한 자료를 제공할 수 있는 기술”이라고 밝히며, “머신러닝 기술을 활용하기 때문에 관련 데이터가 축적될수록 예측정확도도 향상될 것”이라고 기대했다. 본 연구는 환경부 (장관 한화진) 상하수도혁신기술개발사업(2019002710010) 및 과학기술정보통신부(장관 이종호) 세종과학펠로우십 지원을 받아(2021R1C1C2005643) 수행되었으며, 연구결과는 네이처 포트폴리오 저널 클린워터(npj Clean Water, IF : 11.4, JCR 물자원 분야 상위 1.5%) 10월호에 게재되었다. [그림 1] 머신러닝 기술을 이용한 신종 미량물질 예측 기술

('23.11.19. 보도자료) - 군집화-예측 기반 인공지능 기술로 하폐수 속 신종 유입물질의 특성 예측 - 까다로운 분석절차 단축해 수처리 관련 시설에서 실제 활용 기대 전 세계 의약품 소비량은 2020년 기준으로 4 조회 분량으로 매년 급증하는 추세다. 과거와 비교해 점점 더 다양한 의약품들이 인체의 대사 작용을 거쳐 하·폐수 처리장으로 유입되면서, 여기서 발견되는 미량물질의 양과 종류도 증가하고 있다. 하·폐수 속 미량물질이 다시 강과 바다 등으로 유입돼 상수원으로 활용되면 환경뿐 아니라 발암, 내분비계 장애 등 인간의 건강에도 해로운 영향을 미칠 수 있다. 따라서 이러한 미량물질의 그 특성과 거동을 신속, 정확하게 예측하는 기술이 필요지만, 알려지지 않은 미량물질을 분석하는 데는 고가의 장비와 숙련된 전문가가 필요하며 오랜 시간이 걸린다. 한국과학기술연구원(KIST, 원장 윤석진)은 물자원순환연구단 홍석원 단장과 손문 선임연구원 팀이 군집화-예측기반 인공지능 기술을 활용해 신종 미량물질을 물리화학적 특성에 따라 분류하고 농도를 예측하는 기술을 개발했다고 밝혔다. 연구진은 데이터의 유사성에 따라 지도의 형태로 군집화하는 자기조직화지도 인공지능 기술을 통해 의약화합물, 카페인 등 기존에 알려진 29종의 미량물질을 물리화학적 특성, 작용기, 생물학적 반응 기작 등의 정보에 따라 분류했다. 그다음, 새로운 미량물질의 특성과 농도 변화를 예측하기 위해 데이터를 여러 하위 집합으로 분류하는 머신러닝 기술인 랜덤 포레스트를 추가로 구축했다. 만약 새로운 미량물질이 자기조직화지도 내의 어떤 군집에 속한다면, 해당 군집 내 다른 물질의 특성을 통해 새로운 미량물질의 특성과 농도가 어떻게 변화할지 예측할 수 있다. 이렇게 구성된 군집화-예측 인공지능 모델(자기조직화지도-랜덤포레스트)을 새로운 13종의 신종 미량물질에 적용한 결과, 생물학적 정보를 이용한 기존 인공지능을 활용한 기술의 예측정확도인 0.40을 훨씬 뛰어넘는 약 0.75의 우수한 예측정확도를 보였다. 수식을 기반으로 하는 전통적인 예측 방법에 비해 KIST 연구팀의 데이터 기반 분석모델은 미량물질의 물리화학적 특성만 입력하면 비슷한 데이터를 가진 물질과의 군집화를 통해 새로운 미량물질의 농도가 하수처리 과정에서 어떻게 변화할지 효율적으로 파악할 수 있다는 장점이 있다. 또한, 데이터 기반의 인공지능 모델 특성상 사회적인 관심사인 마약과 같은 신종물질의 농도 예측에도 향후 활용할 수 있다. KIST 홍석원 박사와 손문 박사(이상 공동 교신저자)는 “실제 하폐수 처리장 뿐 아니라 신종 미량물질이 존재하는 대부분의 수처리 관련 시설에 적용할 수 있으며, 관련 규제를 위한 정책결정 과정에서 신속하고 정확한 자료를 제공할 수 있는 기술”이라고 밝히며, “머신러닝 기술을 활용하기 때문에 관련 데이터가 축적될수록 예측정확도도 향상될 것”이라고 기대했다. 본 연구는 환경부 (장관 한화진) 상하수도혁신기술개발사업(2019002710010) 및 과학기술정보통신부(장관 이종호) 세종과학펠로우십 지원을 받아(2021R1C1C2005643) 수행되었으며, 연구결과는 네이처 포트폴리오 저널 클린워터(npj Clean Water, IF : 11.4, JCR 물자원 분야 상위 1.5%) 10월호에 게재되었다. [그림 1] 머신러닝 기술을 이용한 신종 미량물질 예측 기술

('23.11.19. 보도자료) - 군집화-예측 기반 인공지능 기술로 하폐수 속 신종 유입물질의 특성 예측 - 까다로운 분석절차 단축해 수처리 관련 시설에서 실제 활용 기대 전 세계 의약품 소비량은 2020년 기준으로 4 조회 분량으로 매년 급증하는 추세다. 과거와 비교해 점점 더 다양한 의약품들이 인체의 대사 작용을 거쳐 하·폐수 처리장으로 유입되면서, 여기서 발견되는 미량물질의 양과 종류도 증가하고 있다. 하·폐수 속 미량물질이 다시 강과 바다 등으로 유입돼 상수원으로 활용되면 환경뿐 아니라 발암, 내분비계 장애 등 인간의 건강에도 해로운 영향을 미칠 수 있다. 따라서 이러한 미량물질의 그 특성과 거동을 신속, 정확하게 예측하는 기술이 필요지만, 알려지지 않은 미량물질을 분석하는 데는 고가의 장비와 숙련된 전문가가 필요하며 오랜 시간이 걸린다. 한국과학기술연구원(KIST, 원장 윤석진)은 물자원순환연구단 홍석원 단장과 손문 선임연구원 팀이 군집화-예측기반 인공지능 기술을 활용해 신종 미량물질을 물리화학적 특성에 따라 분류하고 농도를 예측하는 기술을 개발했다고 밝혔다. 연구진은 데이터의 유사성에 따라 지도의 형태로 군집화하는 자기조직화지도 인공지능 기술을 통해 의약화합물, 카페인 등 기존에 알려진 29종의 미량물질을 물리화학적 특성, 작용기, 생물학적 반응 기작 등의 정보에 따라 분류했다. 그다음, 새로운 미량물질의 특성과 농도 변화를 예측하기 위해 데이터를 여러 하위 집합으로 분류하는 머신러닝 기술인 랜덤 포레스트를 추가로 구축했다. 만약 새로운 미량물질이 자기조직화지도 내의 어떤 군집에 속한다면, 해당 군집 내 다른 물질의 특성을 통해 새로운 미량물질의 특성과 농도가 어떻게 변화할지 예측할 수 있다. 이렇게 구성된 군집화-예측 인공지능 모델(자기조직화지도-랜덤포레스트)을 새로운 13종의 신종 미량물질에 적용한 결과, 생물학적 정보를 이용한 기존 인공지능을 활용한 기술의 예측정확도인 0.40을 훨씬 뛰어넘는 약 0.75의 우수한 예측정확도를 보였다. 수식을 기반으로 하는 전통적인 예측 방법에 비해 KIST 연구팀의 데이터 기반 분석모델은 미량물질의 물리화학적 특성만 입력하면 비슷한 데이터를 가진 물질과의 군집화를 통해 새로운 미량물질의 농도가 하수처리 과정에서 어떻게 변화할지 효율적으로 파악할 수 있다는 장점이 있다. 또한, 데이터 기반의 인공지능 모델 특성상 사회적인 관심사인 마약과 같은 신종물질의 농도 예측에도 향후 활용할 수 있다. KIST 홍석원 박사와 손문 박사(이상 공동 교신저자)는 “실제 하폐수 처리장 뿐 아니라 신종 미량물질이 존재하는 대부분의 수처리 관련 시설에 적용할 수 있으며, 관련 규제를 위한 정책결정 과정에서 신속하고 정확한 자료를 제공할 수 있는 기술”이라고 밝히며, “머신러닝 기술을 활용하기 때문에 관련 데이터가 축적될수록 예측정확도도 향상될 것”이라고 기대했다. 본 연구는 환경부 (장관 한화진) 상하수도혁신기술개발사업(2019002710010) 및 과학기술정보통신부(장관 이종호) 세종과학펠로우십 지원을 받아(2021R1C1C2005643) 수행되었으며, 연구결과는 네이처 포트폴리오 저널 클린워터(npj Clean Water, IF : 11.4, JCR 물자원 분야 상위 1.5%) 10월호에 게재되었다. [그림 1] 머신러닝 기술을 이용한 신종 미량물질 예측 기술

('23.11.19. 보도자료) - 군집화-예측 기반 인공지능 기술로 하폐수 속 신종 유입물질의 특성 예측 - 까다로운 분석절차 단축해 수처리 관련 시설에서 실제 활용 기대 전 세계 의약품 소비량은 2020년 기준으로 4 조회 분량으로 매년 급증하는 추세다. 과거와 비교해 점점 더 다양한 의약품들이 인체의 대사 작용을 거쳐 하·폐수 처리장으로 유입되면서, 여기서 발견되는 미량물질의 양과 종류도 증가하고 있다. 하·폐수 속 미량물질이 다시 강과 바다 등으로 유입돼 상수원으로 활용되면 환경뿐 아니라 발암, 내분비계 장애 등 인간의 건강에도 해로운 영향을 미칠 수 있다. 따라서 이러한 미량물질의 그 특성과 거동을 신속, 정확하게 예측하는 기술이 필요지만, 알려지지 않은 미량물질을 분석하는 데는 고가의 장비와 숙련된 전문가가 필요하며 오랜 시간이 걸린다. 한국과학기술연구원(KIST, 원장 윤석진)은 물자원순환연구단 홍석원 단장과 손문 선임연구원 팀이 군집화-예측기반 인공지능 기술을 활용해 신종 미량물질을 물리화학적 특성에 따라 분류하고 농도를 예측하는 기술을 개발했다고 밝혔다. 연구진은 데이터의 유사성에 따라 지도의 형태로 군집화하는 자기조직화지도 인공지능 기술을 통해 의약화합물, 카페인 등 기존에 알려진 29종의 미량물질을 물리화학적 특성, 작용기, 생물학적 반응 기작 등의 정보에 따라 분류했다. 그다음, 새로운 미량물질의 특성과 농도 변화를 예측하기 위해 데이터를 여러 하위 집합으로 분류하는 머신러닝 기술인 랜덤 포레스트를 추가로 구축했다. 만약 새로운 미량물질이 자기조직화지도 내의 어떤 군집에 속한다면, 해당 군집 내 다른 물질의 특성을 통해 새로운 미량물질의 특성과 농도가 어떻게 변화할지 예측할 수 있다. 이렇게 구성된 군집화-예측 인공지능 모델(자기조직화지도-랜덤포레스트)을 새로운 13종의 신종 미량물질에 적용한 결과, 생물학적 정보를 이용한 기존 인공지능을 활용한 기술의 예측정확도인 0.40을 훨씬 뛰어넘는 약 0.75의 우수한 예측정확도를 보였다. 수식을 기반으로 하는 전통적인 예측 방법에 비해 KIST 연구팀의 데이터 기반 분석모델은 미량물질의 물리화학적 특성만 입력하면 비슷한 데이터를 가진 물질과의 군집화를 통해 새로운 미량물질의 농도가 하수처리 과정에서 어떻게 변화할지 효율적으로 파악할 수 있다는 장점이 있다. 또한, 데이터 기반의 인공지능 모델 특성상 사회적인 관심사인 마약과 같은 신종물질의 농도 예측에도 향후 활용할 수 있다. KIST 홍석원 박사와 손문 박사(이상 공동 교신저자)는 “실제 하폐수 처리장 뿐 아니라 신종 미량물질이 존재하는 대부분의 수처리 관련 시설에 적용할 수 있으며, 관련 규제를 위한 정책결정 과정에서 신속하고 정확한 자료를 제공할 수 있는 기술”이라고 밝히며, “머신러닝 기술을 활용하기 때문에 관련 데이터가 축적될수록 예측정확도도 향상될 것”이라고 기대했다. 본 연구는 환경부 (장관 한화진) 상하수도혁신기술개발사업(2019002710010) 및 과학기술정보통신부(장관 이종호) 세종과학펠로우십 지원을 받아(2021R1C1C2005643) 수행되었으며, 연구결과는 네이처 포트폴리오 저널 클린워터(npj Clean Water, IF : 11.4, JCR 물자원 분야 상위 1.5%) 10월호에 게재되었다. [그림 1] 머신러닝 기술을 이용한 신종 미량물질 예측 기술