연구자 중심의 조기예측 인공지능 시스템
페로브스카이트 태양전지 및 미래 디스플레이용 광소자의 솔루션 코팅을 위한 인공지능 모델은 개발자가 최고의 소자를 구현하기 위하여 사용코자 하는 솔루션의 코팅 두께에 맞는 입력조건들을 조기에 예측하고 이를 통해 최적의 UV-VIS와 XRD를 얻기 위해 머신러닝과 딥러닝이 결합된 정확도와 신뢰도를 극대화 시킨 조기예측 인공지능 모델입니다
인공지능 시스템의 특징
본 인공지능 모델의 특징은 3D Slot-die Coating Machine의 코팅 속도(F167~F203mm/min), 온도(47~83℃), 질소를 공급하는 디스펜서의 높이(3~17mm), 간격(18~37mm), 기압(0.8~2.2bar) 등의 다양한 변수를 여러 조건으로 수만번 실험한 Data를 기반으로 머신러닝의 의사결정나무, 선형 판별 분석, 로지스틱 회귀분석, 다중회귀 분석 알고리즘 등을 사용하여 변수의 상관 관계 파악과 중요 변수들을 선택하고, 이를 딥러닝의 볼츠만 머신 알고리즘을 사용하여 태양전지 박막 코팅에서 최대의 광전효과를 얻을 수 있도록 개발된 조기예측 알고리즘입니다..
기존 개발자들이 경험에 의해 연구하던 방식을 벗어나 인공지능의 머신러닝과 딥러닝 알고리즘을 적용하여 정확도 및 신뢰도를 획기적으로 향상시켰으며 예측 오류율도 최소화 시켜 개발시간 단축 및 인건
비 절감, 재료비 절감 등 원가절감 효과를 가져올 수 있습니다.
인공지능 모델 파이프라인
