바이오인

[KISTI DATA INSIGHT 제 14호]

 
딥러닝으로 예측한 미래 고성장 과학기술영역 100선

- 지구를 이해하는 산업혁명

 

한국과학기술정보연구원 미래기술분석센터

 

[CONTENTS]

CHAPTER 01 과학기술 성장가능성의 예측, KISTI의 실험
 • 데이터 기반 미래기술센싱, 이론과 기술의 흐름
 • KISTI의 미래기술센싱 전략 포트폴리오
 • 기술의 미래를 센싱하는 KSITI의 실험
 

CHAPTER 02 인공지능기술 분류 및 특허 데이터
• 딥러닝 기반 예측 모형의 주요 특성 및 활용 데이터
• 예측모형의 목표변수, 학습과정 및 성능평가
• 100대 미래 고성장 과학기술영역

CHAPTER 03 미래 고성장 과학기술영역의 전체지형도
• 전체클러스터와 100선의 지형도 비교
• 100선의 논문증가율 및 국가점유율
• 기술의 분포확인, 100선의 키워드 클러스터링 맵
• 지구를 이해하는 산업혁명, 100선의 이슈키워드 맵인공지능기술 국가기술경쟁력 분석

CHAPTER 04 미래 고성장 과학기술영역 100선 : 현황 및 국가수준
• 현황 및 국가수준 분석방법론
• 100선별 현황 및 국가수준 분석

 
CHAPTER 05 미래 고성장 과학기술영역 100선 : 국가경쟁력 맵핑
• 고성장 과학기술영역 100선의 국가별 점유율 비교
• 6개국의 고성장 과학기술영역 100선 현황
• 고성장 과학기술영역 100선의 국가경쟁력
 
CHAPTER 06 KISTI Data Insight

 

 

딥러닝으로 예측한 미래 고성장 과학기술영역 100선

 

<요약>

ㆍ 데이터 기반 미래기술센싱연구는 과학기술의 구조와 발전방향을 밝히는 거시적사이언스맵에서 확산되어, 언어처리 및 인공지능 기반의 미시적 기술분석예측에이르고 있다. 미래기술예측은 예측의 주체(국가, 기업, 연구자 등), 예측시점(근미래, 중장기 등) 및 대상기술분야(바이오, 소재 등) 등에 따라 방법론과전략을 상이하게 하여 접근할 필요가 있다. 즉, 예측 목적에 따른 데이터 속성인지(예: 데이터가 클러스터를 형성하는가? 데이터가 융합되는가? 등), 목적에맞는 오픈데이터의 수집과 구축, 그리고 데이터 융합분석 전략 등이 요구되며,KISTI는 이러한 예측 목적별로 미래기술 센싱전략의 포트폴리오를 구축하고있다. 특히, (1) 국가적 차원의 중장기 거시영역예측을 위해 과학기술클러스터성장예측모델, (2) 기업차원의 미시영역예측을 위한 데이터기반 기업기술전략예측모델, (3) 그리고, 근미래예측 및 트렌드 분석모델 등의 포트폴리오를 구축하고 있으며, 이 중에서 과학기술 클러스터 성장예측모델에 기반하여 “KISTI선정 미래유망기술”을 매년 발표해 왔다.

 

ㆍ KISTI는 2019년, 딥러닝(Deep learning)을 이용한 기술 클러스터 성장 가능성예측 모형을 확립하였다. 세부 연구영역에서는 ‘모티프(Motif)’ 기법을 활용한네트워크 임베딩 벡터, 상층에서는 분류코드 정보를 활용한 연구분야 임베딩벡터, 하층에서는 BERT 모형을 활용한 문헌의 초록 임베딩 벡터를 생성하고,이 벡터들을 결합한 최적의 딥러닝 예측 모형을 구성하였으며, 이를 통해100대 미래 고성장 과학기술영역(클러스터)을 선정하였다. 기술클러스터별7년간 log(년도별 문헌 수)에 대한 추세선의 기울기를 추정한 후, 상위 30%값(0.06545)을 기준으로 그 이상의 값을 갖는 기술클러스터를 성장, 미만의값을 갖는 기술을 미성장으로 분류하여 딥러닝의 목표변수로 활용하였으며,간단히 말하면, “7년 후 성장가능성” 확률이 99.99% 이상인 기술클러스터를의미한다.