 |
| 머신러닝 기술을 이용한 신종 미량물질 예측 기술. (자료제공=한국과학기술연구원) |
한국과학기술연구원(KIST)은 물자원순환연구단 홍석원 단장과 손문 선임연구원이 군집화-예측기반 인공지능을 활용해 신종 미량물질을 물리화학적 특성에 따라 분류하고 농도를 예측하는 기술을 개발했다고 19일 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.
이어 새로운 미량물질의 특성과 농도 변화를 예측하기 위해 데이터를 여러 하위 집합으로 분류하는 머신러닝 기술인 랜덤 포레스트를 추가로 구축했다.
이를 통해 구성된 군집화-예측 인공지능 모델(자기조직화지도-랜덤포레스트)을 새로운 13종의 신종 미량물질에 적용한 결과, 생물학적 정보를 이용한 기존 인공지능을 활용한 기술의 예측정확도인 0.40을 뛰어넘는 약 0.75를 정확도를 보였다.
데이터 기반 분석모델은 미량물질의 물리화학적 특성만 입력하면 비슷한 데이터를 가진 물질과의 군집화를 통해 새로운 미량물질의 농도가 하수처리 과정에서 어떻게 변화할지 효율적으로 파악하고, 마약을 비롯한 신종물질의 농도 예측에도 활용할 수 있을 것으로 연구팀은 내다봤다.
KIST 연구팀은 “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”이라며 “머신러닝 기술을 활용하기 때문에 관련 데이터가 축적될수록 예측정확도도 향상될 것”이라고 말했다.
이번 연구는 환경부 상하수도혁신기술개발사업, 과학기술정보통신부 세종과학펠로우십 지원 등의 지원을 받아 이뤄졌다.
류용환 기자 fkxpfm@viva100.com
