KIST는 초,중,고등학생 대상 과학탐방 프로그램을 운영하고 있습니다. 자세한 사항은 견학신청 페이지 참고 바랍니다.

KIST는 초,중,고등학생 대상 과학탐방 프로그램을 운영하고 있습니다. 자세한 사항은 견학신청 페이지 참고 바랍니다.

KIST는 초,중,고등학생 대상 과학탐방 프로그램을 운영하고 있습니다. 자세한 사항은 견학신청 페이지 참고 바랍니다.

안녕하십니까? 저희는 대구 계성고등학교에 재학중인 2학년 서영서, 손예은, 윤하정, 이서범입니다. 다름이 아니라, 저희는 현재 학교에서 진행하는 진로 및 전공 탐색 활동인 캠사CAMSA, Career And Major Searching Activity를 준비 중에 있으며, 평소 저희가 학교에서 공부를 하고 진로와 관심분야에 대한 심화탐구를 진행하면서 공통적으로 생긴 과학적 의문점을 해결하고 진로에 한 발짝 더 가까워지기 위해 견학을 요청 드립니다. 해당 프로그램에 대해 설명드리자면, 캠사활동은 연구소나 기업체들을 찾아가 인터뷰나 견학 활동을 진행하고 이를 통해 학생들의 학업적인 관심 분야에 대한 정확한 정보를 자기주도적으로 얻고 진로를 직접 체험 및 탐색하는 활동입니다. 견학 요청을 드리는 저희는 화학 분야를 공통적인 진로와 관심분야로 두고 있기에 진로 관련 지식을 쌓고자 견학을 요청드리고자 합니다. 짧은 시간이라도 괜찮으니, 견학을 통해 소중한 의견을 들을 수 있는 기회를 주신다면 정말 감사하겠습니다. 캠사CAMSA활동은 정해진 학사 일정에 따라 2024년 10월 21일 월요일 오후 2시 30분부터 오후 6시까지 진행하기로 계획되어 있어 날짜 변경은 어렵습니다. 하지만 견학이 가능하다면 일정을 조율하도록 하겠습니다. 바쁘신 와중에 이렇게 무리한 부탁을 드려 죄송하지만, 이번 견학 기회가 저희에게는 매우 소중한 경험이 될 것이라 간절히 부탁드립니다. 부디 긍정적인 답변을 부탁드리며, 좋은 소식 기다리겠습니다. clarason_1011@naver.com 으로 연락 부탁드립니다.

- 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

- 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