특징과 기술자
Feature · Descriptor · 피처
모델 입력에 쓰는 측정값이나 대상을 수치화한 표현.
Materials & AI · glossary
소재·AI 용어 사전
연구와 사례를 읽다가 만난 낯선 용어, 개념부터 가볍게 살펴보세요.
20개 용어
전체 보기예시는 개념 이해를 위한 설명입니다. 실제 연구 결과는 AI·소재 이슈에서 원문과 함께 확인하세요. 엄선한 용어 86개에는 Colab에서 바로 돌려볼 수 있는 실습 노트북이 있습니다. “AI 자동 추가” 표시가 붙은 용어는 새 이슈를 수집할 때 자동으로 추가된 것으로, 아직 사람이 검토하지 않았고 실습 노트북이 없습니다. 노트북의 데이터는 개념 확인용으로 생성한 값이며 실제 측정값이 아닙니다.
회귀
Regression
연속적인 수치 값을 예측하는 지도학습 문제.
분류
Classification
입력이 속할 범주를 예측하는 지도학습 문제.
과적합
Overfitting
학습 데이터에는 잘 맞지만 새로운 데이터에서는 성능이 떨어지는 상태.
교차검증
Cross-validation · CV
데이터를 여러 번 나누어 학습과 평가를 반복하는 검증 방법.
하이퍼파라미터
Hyperparameter
학습 과정 밖에서 정하거나 조정하는 모델·학습 설정.
편향과 분산
Bias-Variance Tradeoff · 편향-분산 절충
모델이 단순해서 생기는 오차와 데이터에 민감해서 생기는 오차 사이의 절충 관계.
학습 곡선
Learning Curve
데이터 양이나 학습 진행에 따라 성능이 변하는 추이를 그린 곡선.
규제
Regularization · Ridge · Lasso · 정규화
계수의 크기를 제한하는 항을 더해 과적합을 억제하는 방법.
제3자 검증
Third-party Verification
시스템을 개발하거나 운영하는 당사자가 아닌 제3자가 결과와 절차를 확인하는 것이다. 독립성과 투명성을 높여 신뢰할 수 있는 평가 체계를 만드는 데 쓰인다.
소재 분야에서 이해하기
재료 AI 모델의 예측 성능을 외부 기관이 다시 검증해 신뢰도를 높일 수 있다.
직원급 접근
Employee-like Access
외부 평가자나 협력자에게 내부 직원과 유사한 수준의 시스템 접근 권한을 부여하는 방식이다. 더 깊은 점검과 재현 가능한 분석을 가능하게 하지만, 보안과 통제 범위를 함께 설계해야 한다.
소재 분야에서 이해하기
외부 검증팀이 직원급 접근으로 모델의 안전성 테스트를 더 정밀하게 수행한다.
감사 가능성
Auditability
시스템의 입력, 출력, 결정 과정을 나중에 추적하고 검토할 수 있는 성질이다. 책임성, 재현성, 보안 검증을 위해 중요하다.
소재 분야에서 이해하기
자율실험실에서 어떤 모델이 어떤 근거로 실험 조건을 추천했는지 기록해 감사 가능성을 확보한다.
독립 평가
Independent Evaluation
개발 주체와 분리된 제3자가 같은 기준으로 성능, 안전성, 품질을 평가하는 방식이다. 평가의 객관성과 신뢰도를 높이는 데 중요하다.
소재 분야에서 이해하기
새로운 재료 추천 모델은 독립 평가를 통해 과대평가를 줄일 수 있다.
파국적 망각
Catastrophic Forgetting
새 작업이나 새 데이터로 학습할 때 기존에 배운 지식이 급격히 손실되는 현상이다. 전이학습이나 지속학습에서 자주 문제 된다.
소재 분야에서 이해하기
촉매용 MLIP를 새 조성 데이터로 미세조정할 때 이전 촉매 계열의 정확도가 떨어질 수 있다.
레드팀
Red Teaming
모델이나 시스템의 약점, 우회 가능성, 실패 모드를 의도적으로 찾아내는 검증 방법이다. 안전성, 견고성, 오용 가능성을 점검하는 데 쓰인다.
소재 분야에서 이해하기
자율실험 추천 모델에 극단적 입력을 넣어 잘못된 조건 제안을 유도해 본다.
자기지도학습
Self-supervised Learning
정답 라벨 없이 입력 데이터 자체에서 학습 신호를 만들어 표현을 학습하는 방법이다. 대량의 비라벨 데이터를 활용해 일반적인 특징을 먼저 익힐 수 있다.
소재 분야에서 이해하기
재료 현미경 이미지에서 라벨이 적을 때 먼저 자기지도학습으로 표현을 학습한다.
검증
Verification
모델이나 절차의 출력이 목표한 요구사항, 제약, 또는 참값 기준을 만족하는지 확인하는 과정이다. 예측 성능 평가와는 달리 정해진 조건에 맞게 제대로 동작하는지를 본다.
소재 분야에서 이해하기
역설계 결과가 공정 제약을 만족하는지 검증 단계에서 확인한다.
벤치마크 설계
Benchmark Design
특정 과제와 사용 상황을 잘 반영하도록 평가 데이터셋과 지표를 구성하는 일이다. 단순한 평균 성능보다 실제 사용 조건에서의 강점과 약점을 드러내는 데 목적이 있다.
소재 분야에서 이해하기
유기 분자결정의 구조 완화와 다형체 순위화처럼 과제별로 벤치마크를 따로 설계한다.
비지도 딥러닝
Unsupervised Deep Learning
정답 레이블 없이 데이터의 구조, 패턴, 잠재 표현을 학습하는 딥러닝 방법이다. 재구성, 군집화, 표현 학습에 자주 쓰인다.
소재 분야에서 이해하기
제한각 토모그래피의 결측 정보를 복원할 때 비지도 딥러닝을 적용할 수 있다.
폐루프 최적화
Closed-loop Optimization
실험이나 관측 결과를 다음 의사결정에 즉시 반영하면서 탐색과 개선을 반복하는 최적화 방식이다. 모델 예측, 실행, 피드백이 순환 구조를 이룬다.
소재 분야에서 이해하기
자율 실험실에서 다음 합성 조건을 추천하고 실험 결과로 다시 모델을 갱신하는 과정이 폐루프 최적화다.