연구자동화2 [연구 머신러닝 도입] 파이썬 scikit-learn으로 신소재 물성(밴드갭, 수율) 예측 AI 모델 10분 만에 만들기 [연구 머신러닝 도입] 파이썬 scikit-learn으로 신소재 물성(밴드갭, 수율) 예측 AI 모델 10분 만에 만들기지금까지 우리는 파이썬(Python)을 활용해 논문을 수집하고, Pandas로 더러운 CSV 데이터를 정제하며, PyVISA로 실험 장비를 제어해 I-V 데이터를 자동으로 수집하는 '완벽한 데이터 파이프라인'을 구축했습니다. 자, 이제 우리 폴더에는 과거의 수많은 실험 결과와 시뮬레이션 수치들이 빼곡하게 담긴 마스터 엑셀 파일이 있습니다. 그다음은 무엇일까요? 과거의 데이터를 요약하고 그래프를 그리는 것을 넘어, "아직 합성해 보지 않은 150도, 5기압 조건에서 이 신소재의 수율은 과연 몇 %가 될까?"를 컴퓨터가 미리 예측하게 만들 수는 없을까요? 이번 포스팅에서는 끝없는 '시행착오.. 2026. 5. 17. [연구 자동화] 파이썬(Python)과 ASE를 활용한 계산 화학 시뮬레이션 입력 파일 자동 생성 및 결과 분석 실전 이전 포스팅에서는 다중 물리 시뮬레이션의 속도 향상을 위한 병렬 컴퓨팅의 원리와 스크립트 최적화의 전반적인 개념에 대해 알아보았습니다. 이번 글에서는 한 걸음 더 나아가, 실제 계산 화학 및 나노 소재 연구 현장에서 즉시 적용할 수 있는 파이썬(Python) 기반의 실전 자동화 스크립트 구축 방법에 대해 심도 있게 다루어 보겠습니다. 특히 수십에서 수백 개의 원자로 이루어진 금속유기골격체(MOFs)나 거대한 나노 입자의 거동을 분석할 때, 수작업으로 모델링을 진행하고 입력(Input) 파일을 만드는 것은 엄청난 시간 낭비이자 오류의 원인이 됩니다. 이를 극복하기 위해 파이썬의 강력한 라이브러리인 ASE(Atomic Simulation Environment)를 활용하여 시뮬레이션 워크플로우를 완벽하게 제어.. 2026. 4. 21. 이전 1 다음