연구 파이프라인

예측에서 끝내지 않고 결정까지 잇습니다.

다루는 대상은 다르지만 방법은 같습니다. 데이터를 모델이 읽을 수 있는 형태로 정리하고, 불확실성을 포함해 예측하고, 제약 아래에서 실행 가능한 후보를 좁혀 근거와 함께 전달합니다.

바이오 · 소재

In Silico Discovery

실험하기 전에 계산으로 후보를 압축합니다. 수천에서 수만 개의 후보 공간을 검증 가능한 규모로 줄여, 실험실이 무엇부터 시험할지 정할 수 있게 합니다.

01
Candidate Generation
후보 생성
전사체와 유전체 데이터에서 펩타이드·단백질 후보를 계산으로 만들어 냅니다. 수천에서 수만 개 규모의 후보 공간을 먼저 확보합니다.
02
Functional Prediction
기능 예측
서열 기반 모델로 각 후보가 어떤 기능을 가질지 예측하고 분류합니다. 예측에는 신뢰도를 함께 붙입니다.
03
Structure Validation
구조 검증
3차 구조와 도메인, 복합체 형성 가능성을 계산으로 확인합니다. 물리적으로 성립하지 않는 후보를 이 단계에서 걸러 냅니다.
04
Safety · Feasibility
안전성과 실현성
독성과 부작용 가능성, 합성 접근성을 함께 평가합니다. 만들 수 없거나 쓸 수 없는 후보는 상위로 올리지 않습니다.
05
Multi-criteria Ranking
다기준 우선순위
기능, 구조, 안전성, 발현 조건을 함께 놓고 순위를 매깁니다. 실험실에서 먼저 검증할 후보를 좁혀 전달합니다.

수천~수만 후보→계산 검증 통과 후보→실험 검증 대상

제조 · 공정 · 에너지

예측값을 보고서로 남기지 않습니다. 설비 가동 계획과 운전 조건까지 이어지는 하나의 사슬로 연결해, 현장에서 바로 쓸 수 있는 형태로 만듭니다.

01
Standardization
데이터 표준화
센서, 설비, 운전, 정비 이력처럼 형식이 제각각인 현장 데이터를 하나의 학습 가능한 구조로 정리합니다.
02
Prediction
예측
이상 징후와 고장 유형, 잔여수명, 전력 부하를 예측합니다. 점추정값 하나가 아니라 예측 구간을 함께 냅니다.
03
Planning
계획
예측 결과를 설비 가동 순서와 시작 시각으로 옮깁니다. 생산 계획과 납기를 제약으로 걸고 후보안을 만듭니다.
04
Optimization
최적화
에너지 비용과 피크 전력, 설비 위험, 생산 지연을 하나의 목적함수로 놓고 실행 가능한 운전안을 도출합니다.
05
Decision
의사결정
후보안을 비교해 제약을 만족하는 것만 제시하고, 왜 그 안을 골랐는지 근거를 함께 전달합니다.

현장 측정값→설비별 예측→가동 계획→최적 운전안

방법론의 기준

예측에는 언제나 오차가 있습니다. 저희는 그 오차를 숨기거나 평균값으로 뭉개지 않고, 판단의 안전여유로 바꿔 넣습니다.

값 하나가 아니라 예측 구간을 함께 냅니다. 어느 정도까지 어긋날 수 있는지를 알아야 결정에 쓸 수 있습니다.

제약을 걸 때 평균값이 아니라 상위 분위수를 기준으로 둡니다. 평균으로 맞춘 계획은 현장에서 자주 깨집니다.

실측값과 예측의 차이를 분석해 모델을 보정합니다. 쓸수록 정확해지는 구조를 만듭니다.

데이터 정리부터 시작해야 하는 경우도 있고, 이미 모델이 있는데 결정으로 이어지지 않는 경우도 있습니다. 현재 상황을 알려주시면 어디서부터 손댈지 함께 정리해 드립니다.