('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

안녕하세요 키스트 앞 바로 빌라 단지에 사는 사람입니다 낮에 조경 깎는 소음은 참을 수 있다고쳐도 밤 9시에 하는건 이해가 가지 않아서요 이곳은 엄연히 제가 사는 주택인데 이 늦은 시간에 풀 깎는 소리를 들어야 하는지 이해가 도무지 안가요 조경팀에 전달을 해주시던지 해결방안 있었으면 좋겠습니다

- 2일(월), KIST, 청정수소 융합연구 분야 석학 영입식 개최 - 청정수소 융합연구 분야의 ‘임무 중심형’,‘국민 체감형’ 성과 창출 기대 한국과학기술연구원(KIST, 원장 오상록)은 청정수소융합연구소에 남석우 박사와 이관영 교수를 새로 영입했다고 발표했다. 남석우 박사는 연료전지 및 화학적 수소저장 분야에서 선도적인 연구를 수행해온 연구자다. 남 박사는 그간 KIST에서 고온 연료전지 기술 수준 향상 및 화합물 수소 저장·추출 원천기술 개발에 크게 기여 해왔으며, 탁월한 연구 역량을 인정받아 과학기술훈장 웅비장을 수상한 바 있다. 이관영 교수는 LOHC 등 화학적 수소저장 분야뿐만 아니라 바이오에너지, 환경촉매 분야에 정통한 연구자다. 그간 바이오매스 전환 촉매 개발, KIST 연구진과 협업한 과산화수소 직접 합성 촉매 설계 등 관련 분야의 리더 연구자로 정평이 나있다. 이 교수는 고려대학교 대학원장 및 연구부총장을 역임하고, SCI(E)급 해외논문에 350편 이상의 논문을 게재하는 등의 탁월한 연구 역량을 인정 받아 과학기술훈장 도약장을 수상한 바 있다. 남석우 박사와 이관영 교수는 수소 저장·추출 및 활용 분야에서의 전문성을 바탕으로 KIST 청정수소융합연구소의 연구 역량을 한층 강화할 것으로 기대된다. 이번 영입을 통해 KIST는 청정 수소 기술의 혁신과 임무중심형 연구개발(R&D) 전환을 가속화할 예정이다. 남석우 박사는 “청정수소융합연구소의 PM(Project Manager)으로서 KIST만의 임무를 설정하고 관련 연구팀을 구성하여 임무를 수행할 계획이며, 수요자 관점에서 실증 연구를 진행하여 국민이 체감할 수 있는 성과를 창출하겠다”라고 포부를 밝혔다. 이관영 교수는 “KIST 내부 역량을 결집하여 수소에너지 분야에서 세계적 수준의 연구를 수행하겠다”고 강조했다. 오상록 KIST 원장은 “KIST가 지향하는 청정수소융합연구소의 연구 역량 강화를 위해 남석우 박사와 이관영 교수를 모시게 되었고, 두 박사님의 영입을 통해 KIST가 청정수소 융합연구 분야에서 세계적 수준의 성과를 이뤄 나가기를 기대한다”고 전했다. 사진1. (좌측부터) 이관영 교수. 오상록 KIST 원장. 남석우 박사가 석학급 연구원 영입식을 마치고 기념촬영을 하고 있다.

- KIST(한국과학기술연구원) 인사발령 <신임> ▲ 한국과학기술연구원 청정수소융합연구소장 남석우 <승진> ▲ 한국과학기술연구원 강릉분원 천연물신약사업단장(소장급) 정상훈 ▲ 한국과학기술연구원 물자원순환연구단장 이승학 ▲ 한국과학기술연구원 뇌융합기술연구센터장 이수현 ▲ 한국과학기술연구원 지능‧인터렉션연구센터장 유병현 <전보> ▲ 한국과학기술연구원 천연물시스템생물연구센터장 권학철 ▲ 한국과학기술연구원 기후탄소순환연구단장 김병찬 ▲ 한국과학기술연구원 뇌질환극복연구센터장 박기덕 ▲ 한국과학기술연구원 뇌기능연구센터장 임혜인 2024.9.1. 부. 끝.