기계 학습 모델을 활용한 거미줄 섬유의 인장 강도 예측

Q: 이 논문에서 정의한 궁극적 인장 강도(UTS)란 무엇인가?

궁극적 인장 강도(UTS)는 실크 섬유가 파단되기 전까지 견딜 수 있는 최대 인장 응력을 의미한다. 이 연구에서는 분자 동역학(MD) 시뮬레이션을 통해 91개 실크 모델의 UTS 값을 측정하였으며, 이는 실크 섬유의 기계적 특성을 평가하는 핵심 지표로 활용된다. UTS 값의 범위는 실크 섬유의 다양한 응용 가능성을 시사한다.

Q: 실크 섬유의 아미노산 서열 기반 기계적 특성 예측에 가장 효과적인 AI 모델은 무엇인가?

연구 결과, 딥 뉴럴 네트워크(DNN) 모델은 실크 섬유의 아미노산 서열만을 기반으로 궁극적 인장 강도(UTS)를 예측하는 데 있어 정밀도, 재현율, F1-스코어, 정확도 모두 0.85를 초과하는 일관된 높은 성능을 보여주었다. 특히 AUC 값은 0.99로, DNN 모델이 복잡한 비선형 관계를 효과적으로 포착하여 가장 뛰어난 예측 능력을 가진다.

윤태영; 신홍철; 나성수

추천

검색

질문

자료유형: 학술대회자료

저자정보: 윤태영 (국립창원대학교) 신홍철 (고려대학교) 나성수 (고려대학교)

저널정보: 대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2024년 학술대회

발행연도: 2024.11

수록면: 123 - 125 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Recent strides in biomaterials research have leveraged artificial intelligence (AI) to predict a wide array of material properties. Yet, efforts to forecast mechanical properties from amino acid sequences remain conspicuously absent. This study pioneers the application of classification models—namely logistic regression, support vector machines, and deep neural networks (DNNs)—to predict the ultimate tensile strength of silk fibers based on their amino acid composition. Notably, the model exhibits a robust accuracy in generalization tests. This work introduces an innovati ... 전체 초록 보기

#동역학(Dynamics) #분자동역학(Molecular Dynamics) #기계 학습(Machine Learning)

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)