http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
ToxCast/Tox21 어세이 데이터 기반 머신러닝 모델 성능 비교: 독성 이진분류 문제에서 클래스 균형도 및 데이터 갯수 영향 분석
김창헌(Changheon Kim),정재성(Jaeseong Jeong),최진희(Jinhee Choi) 환경독성보건학회 2021 한국독성학회 심포지움 및 학술발표회 Vol.2021 No.5
머신러닝은 인공지능의 한 분야로써, 기존 데이터의 패턴을 학습하여 목표 데이터를 추론하는 방법이다. 최근 고속대량스크리닝 및 독성유전체학 데이터 등 독성 빅데이터의 양과 유형이 증가함에 따라, 기계학습을 이용한 독성예측 연구가 주목을 받고 있다. 본 연구에서는 랜덤포레스트(RF) 모델과 ToxCast 데이터를 이용하여 화학물질의 구조정보로부터 독성을 예측하였다. 그리고 각 assay에서 활성(양성) 및 비활성(음성) 클래스가 불균형인 assay로 학습한 모델과 균형인 assay 모델의 성능을 비교하여 어떠한 차이가 발생하는지 알아보았다. 335개 ToxCast assay 중 활성 화학물질의 비율이 40~60%인 균형 assay 3개와 활성 화학물질의 비율이 20% 이하인 불균형 assay 28개가 선정되었다. 각 화학물질의 구조정보로써 분자지문의 한 종류인 MACCS keys를 사용했으며 불균형 assay 28개에 대해서는 훈련 데이터에 SMOTEENN 리샘플링 기법을 적용하였다. 훈련 세트, 검증 세트, 테스트 세트의 비율은 8 : 1 : 1로 10-fold-교차검증을 이용하여 검증 후 테스트도 진행했다. 모델성능은 5개의 평가척도 auc, recall, f1, kappa, mcc로 평가하였고 추가적으로 모델 최적화를 위해 10-fold-교차검증을 통한 random grid search 기법을 사용하여 파라미터 후보군 중 최적의 파라미터를 선택했다. 모든 결과를 분석한 결과 불균형 assay로 학습했을 때보다 균형 assay로 학습했을 때 recall과 f1값이 높은 경향을 보였다. 또한 불균형 데이터 세트에서도 파라미터 튜닝 시 recall과 f1값이 상당히 증가했음을 확인했다. Recall이 높다면 독성이 없는 물질을 종종 독성이 있는 물질로 분류할 수 있지만 거의 대부분의 독성 물질을 잘 잡아낼 것이다. 본 연구는 ToxCast assay에서 데이터세트의 클래스 균형 현황을 파악하고 클래스 균형도가 독성예측 기계학습 모델에 미치는 영향을 파악하는데 도움이 될 것으로 기대된다.
이중 텍스쳐 구조를 적용한 선택적 에미터 태양전지의 특성 분석
김창헌(Changheon Kim),이종환(Jonghwan Lee),임상우(Sangwoo Lim),정채환(Chaehwan Jeong) 한국태양광발전학회 2014 Current Photovoltaic Research Vol.2 No.3
We have fabricated the selective emitter solar cell using double textured nanowires structure. The 40×40 mm2-sized silicon substrates were textured to form the pyramid-shaped surface and the nanowires were fabricated by metal assisted chemical etching process using Ag nanoparticles, subsequently. The heavily doped and shallow emitters for selectiv eemitter solar cells were prepared through the thermal POCl₃ diffusion and chemical etch-back process, respectively. The front and rear electrodes were prepared following conventional screen printing method and the widths of fingers have been optimized. The selective emitter solar cell using double textured nanowires structure achieved a conversion efficiency of 17.9% with improved absorption and short circuit current density.