상관은 보이는데 원인을 모른다
예측 정확도가 올라가도 무엇을 바꿔야 결과가 달라지는지는 답하지 못합니다. 그래서 모델이 현장의 결정으로 이어지지 않습니다.
연구개발 현장에서 반복되는 문제
모델은 늘어났는데, 결정은 그대로입니다.
AI를 도입한 연구팀이 같은 지점에서 멈춥니다. 링크인사이트는 이 세 가지를 방법론으로 풉니다.
도메인과 모델이 따로 논다
물리적으로 성립하지 않는 후보가 상위에 올라오면 실험으로 연결되지 않습니다. 제약을 모델 안에 넣어야 합니다.
같은 실험을 반복한다
다음에 무엇을 시험할지 정하는 기준이 없으면 이미 지나온 영역을 다시 탐색하게 됩니다.
일하는 방식
탐색에서 최적화까지, 하나의 흐름으로 연결합니다.
단계마다 다른 도구를 쓰는 것이 아니라, 앞 단계의 출력이 다음 단계의 입력이 되도록 설계합니다.
- 1
DISCOVER
탐색 공간 정의
문헌·실험·공정 데이터를 모아 후보 공간과 제약을 정의합니다.
- 2
PREDICT
물성·성능 예측
불확실성을 함께 출력하는 예측 모델을 만듭니다.
- 3
DESIGN
역설계
목표 물성에서 출발해 조성과 조건을 거꾸로 찾습니다.
- 4
OPTIMIZE
공정·운영 최적화
실제 제약 아래에서 실행 가능한 운영안을 도출합니다.
Data+Domain+Physics→Scientific AI→R&D Decision
역량
세 가지 방식으로 함께합니다.
R&D Intelligence
연구개발 데이터 인텔리전스
흩어진 실험·문헌·공정 데이터를 모델이 학습할 수 있는 형태로 정리하고, 인과 구조를 추정해 어떤 변수를 움직여야 하는지 답합니다.
Inverse Design
역설계
목표 물성과 제약 조건에서 출발해 조성·배합·조건을 역으로 탐색합니다. 능동학습으로 다음 실험까지 제안합니다.
Process Intelligence
공정 지능화
설비와 공정 데이터로 상태를 예측하고, 생산계획·에너지·설비 건전성을 함께 고려해 운영을 최적화합니다.
대상 산업
이런 곳에서 함께합니다.
바이오 · 신약
타깃 탐색, 약효 예측, 임상·청구 데이터 기반 인과 효과 추정.
화장품 · 바이오소재
원료 조합 효능 모델링, 배합 최적화, 피부 유형별 매칭.
이차전지 · 첨단소재
양극재 조성 역설계, 물성 예측, 공정 조건 탐색.
제조 · 공정 · 에너지
설비 예지보전, 공정 최적화, 전력 피크 제어.
- PI
- 정부 R&D 과제 책임자 수행
- 인과추론
- CATE 추정 기반 박사 연구
- 산학
- 충북대학교 · CANCRA 협력
- 청주
- 충북 소재 · 중소기업 대상