-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-11-24 데이터 최종 개방 1.1 2023-09-14 원천데이터 재개방 1.0 2023-04-30 데이터 개방(Beta Verison) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-11-24 산출물 전체 공개 소개
인공지능 기반의 금속 물성 예측 모델에 활용 될, 금속 재료의 방대한 조성 영역에 대해 전기물성, 기계물성, 구조물성 및 표면/단면 주사현미경 이미지를 데이터베이스화 함.
구축목적
고속측정 기술을 활용해 다양한 금속 재료의 물성을 데이터베이스화하고, 인공지능 모델을 통해 미지의 금속의 물성을 예측할 수 있는 환경을 조성한다. 방대한 금속 데이터베이스와 인공지능 알고리즘을 기반으로 재료 개발 연구의 진입장벽을 낮추고 상용화를 가속화시킨다. 이를 통해 차세대 냉각, 배터리, 반도체, 미래 모빌리티 등의 다양한 재료과학 분야에서 글로벌 주도권을 선점하고, 소재 개발에 활용한다.
-
메타데이터 구조표 데이터 영역 제조 데이터 유형 텍스트 데이터 형식 txt. 데이터 출처 자체 수집 라벨링 유형 데이터 측정 라벨링 형식 CSV 데이터 활용 서비스 신소재 개발을 위한 금속 물성 재료 추천 서비스 데이터 구축년도/
데이터 구축량2022년/162,276개 -
데이터 통계
데이터 구축 규모원천 데이터(엑셀 2. 원천데이터 규모)
1차 경로 2차 경로 3차 경로 파일 포맷 수량 EDS 조성 Composition - .csv 68,796 Resistance 조성 Composition .csv 65,484 XRD 조성 Composition X,Y 좌표 .csv 1,050 Thickness 조성 Composition .csv 74,116 Nanoindentation 조성 Composition X,Y 좌표 .csv 14,549 SEM 조성 Composition X,Y 좌표 .jpg 2,062 총 수량 226,057 라벨링 데이터(엑셀 3. 라벨링데이터 규모)
1차 경로 2차 경로 3차 경로 파일 포맷 수량 Resistivity - - .csv 1 Amorphous - .csv 1 Hardness - .csv 1 총 수량 3 데이터 분포(엑셀 4. 데이터 분포)
구분 최종 구축량 분포 Co-TM1-TM2 30,469 18.78% Al-TM1-TM2 33,615 20.71% Ni-TM1-TM2 31,247 19.26% Ti-TM1-TM2 33,656 20.74% Mg-TM1-TM2 32,035 19.74% 기타 1,254 0.77% TM1, 2는 transition metal 즉, 전이금속원소를 뜻하며 무독성이며 증착 실험이 용이한 Ti, V, Cr, Mn, Fe, Co, Ni, Cu, Zr, Nb, Mo, Ta, Ag, Au, Pt 등을 고려함.
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드활용 모델
모델 학습
1. 비저항 예측 모델
- 합금의 활용 용도를 결정하는 물성이며 소재 개발에 있어서 가장 중요한 평가 요소들 중 하나인 전기 비저항을 예측하는 모델. 원천데이터 중에서 조성 기반 물성, XRD, SEM을 통해 얻은 구조 물성등을 인풋파라미터로 하고, 4-probe 저항 측정 장치를 이용해 측정한 비저항을 아웃파라미터로하여 모델을 개발.
Input Parameter : Thickness, Number of Component, Atomic Radius Difference, Mixing Entalphy, Average Radius, Average Electronegativity, Electronegativity Difference
Output Paramter : Resistivity, Excess Electrical Resistivity2. 미세구조(결정/비정질) 분류 모델
- 원소가 합금을 형성할 때 형성되는 결정구조(결정/비정질)에 따라 다양한 기계, 전기 물성 등에 큰 영향을 미침. 따라서 구축된 원천데이터 중 조성 기반 물성을 인풋파라미터로 하고 XRD로 측정된 결정구조를 예측하는 모델을 개발.
Input Parameter : Thickness, Number of Component, Atomic Radius Difference, Mixing Entalphy, Average Radius, Average Electronegativity, Electronegativity Difference, Resistivity, Excess Electrical Resistivity
Output Parameter : Amorphous 여부3. 경도 예측 모델
전기 비저항에 이어 합금의 활용 용도를 결정하는 물성이며 소재 개발에 있어서 가장 중요한 평가 요소들 중 하나인 경도를 예측하는 모델을 개발. 원천데이터 중에서 조성 기반 물성, XRD, SEM을 통해 얻은 구조 물성 등을 인풋파라미터로 하고 원천데이터 중 나노인덴테이션을 이용해 측정한 경도를 아웃파라미터로하여 모델을 개발.
Input Parameter : Thickness, Number of Component, Atomic Radius Difference, Mixing Entalphy, Average Radius, Average Electronegativity, Electronegativity Difference
Output Parameter : Hardness
TM1, 2는 transition metal 즉, 전이금속원소를 뜻하며 무독성이며 증착 실험이 용이한 Ti, V, Cr, Mn, Fe, Co, Ni, Cu, Zr, Nb, Mo, Ta, Ag, Au, Pt 등을 고려함.
서비스 활용 시나리오
■ AI 학습용 소재 물성 데이터 조성을 기반으로 각 기관에서는 신소재 개발에 다양한 소재물성의 특성을 확인하여 활용할 수 있음.
■ 전자반도체, 항공우주, 친환경 에너지 등 신소재가 필요한 다양한 산업 분야에 AI 학습용 소재 물성 데이터를 활용할 수 있음. -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 Amorphous 예측 성능 Prediction Sequential model(순차적모델) F1-Score 0.9 점 0.91 점 2 Resistivity 예측 성능 Prediction RandomForestRegressor R2 0.9 단위없음 0.99 단위없음 3 Hardness 예측 성능 Prediction RandomForestRegressor R2 0.7 단위없음 0.94 단위없음
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드데이터 포맷
데이터 구성
⦁SEM 데이터(조성, 두께, 박막 이미지): 원시데이터(이미지, 형식:jpg) - 원천데이터(.csv) - 라벨 데이터(.csv)
⦁4 point probe 전기저항 데이터: 원천 데이터(숫자 데이터, 형식:csv) - 라벨 데이터(.csv)
⦁XRD 데이터: 원천 데이터(그래프 이미지, 형식:.csv) -라벨 데이터(.csv)
⦁나노인덴테이션 데이터: 원천 데이터(숫자 데이터, 형식:.csv) -라벨 데이터(.csv)
어노테이션 포맷(엑셀 1. 어노테이션 포맷)구분 속성명 타입 필수여부 설명 범위 비고 1 Info 필수 기본정보 1-1 Number number 필수 데이터 번호 1-2 X number 필수 측정 x좌표 1-3 Y number 필수 측정 y좌표 1-4 AI number 필수 알루미늄 비율 0-100 1-5 Ti number 필수 타이타늄 비율 0-100 1-6 Cr number 필수 크로뮴 비율 0-100 1-7 Fe number 필수 철 비율 0-100 1-8 Co number 필수 코발트 비율 0-100 1-9 Ni number 필수 니켈 비율 0-100 1-10 Cu number 필수 구리 비율 0-100 1-11 Zr number 필수 지르코늄 비율 0-100 1-12 Mo number 필수 몰리브데넘 비율 0-100 1-13 W number 필수 텅스텐 비율 0-100 1-14 Mn number 필수 망가니즈 비율 0-100 1-15 Si number 필수 규소 비율 0-100 1-16 Mg number 필수 마그네슘 비율 0-100 1-17 Thickness number 필수 두께 1-18 ravg number 필수 평균 원자 반지름 1-19 delta number 필수 원자 반지름 차 1-20 dHmix number 필수 mixing enthalpy 1-21 ENavg number 필수 평균 전기음성도 1-22 dEN number 필수 전기음성도 차 1-23 N number 필수 조성 수 1-4 1-24 Compo string 필수 조성 물질: "/" 구분 2 Resistivity 선택 비저항 2-1 Resistivity number 비저항 347.3 µΩcm 2-2 Resistance number 저항 2-3 Ex_resistivity number 전기저항 3 Amorphous 선택 두께 정보 3-1 Amorphous boolean 비정질 상태 여부 FALSE 4 Hardness 선택 조성 기반 물성 4-1 Hardness number 측정 지점 별 강도 [10, 9.86, 11.2, … , 10] Gpa 데이터 예시
조성 데이터(Fig 1.png)
비저항 데이터(Fig 2.png)
XRD 데이터(Fig 3.png)
⦁Thickness 데이터(Fig 4.png
-
데이터셋 구축 담당자
수행기관(주관) : ㈜카이로스랩
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 나준채 070-4699-7340 kailoslab@gmail.com 데이터 정제, 라벨링 수행기관(참여)
수행기관(참여) 기관명 담당업무 성균관대학교 산학협력단 데이터 획득 연세대학교 산학협력단 AI 모델 개발
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.