Delete Article!KISTI DATA INSIGHT 제14호 : 딥러닝으로 예측한 미래 고성장 과학기술영역 100선 - 지구를 이해하는 산업혁명
미래기술분석센터 권혁미 23,494 2022-02-04
권호: 제14호
저자: 미래기술분석센터
• 데이터 기반 미래기술센싱연구는 과학기술의 구조와 발전방향을 밝히는 거시적 사이언스맵에서 확산되어, 언어처리 및 인공지능 기반의 미시적 기술분석예측에 이르고 있다. 미래기술예측은 예측의 주체(국가, 기업, 연구자 등), 예측시점(근미래, 중장기 등) 및 대상기술분야(바이오, 소재 등) 등에 따라 방법론과 전략을 상이하게 하여 접근할 필요가 있다. 즉, 예측 목적에 따른 데이터 속성인지(예: 데이터가 클러스터를 형성하는가? 데이터가 융합되는가? 등), 목적에 맞는 오픈데이터의 수집과 구축, 그리고 데이터 융합분석 전략 등이 요구되며, KISTI는 이러한 예측 목적별로 미래기술 센싱전략의 포트폴리오를 구축하고 있다. 특히, (1) 국가적 차원의 중장기 거시영역예측을 위해 과학기술클러스터 성장예측모델, (2) 기업차원의 미시영역예측을 위한 데이터기반 기업기술전략 예측모델, (3) 그리고, 근미래예측 및 트렌드 분석모델 등의 포트폴리오를 구축 하고 있으며, 이 중에서 과학기술 클러스터 성장예측모델에 기반하여 “KISTI 선정 미래유망기술”을 매년 발표해 왔다.
• KISTI는 2019년, 딥러닝(Deep learning)을 이용한 기술 클러스터 성장 가능성 예측 모형을 확립하였다. 세부 연구영역에서는 ‘모티프(Motif)’ 기법을 활용한 네트워크 임베딩 벡터, 상층에서는 분류코드 정보를 활용한 연구분야 임베딩 벡터, 하층에서는 BERT 모형을 활용한 문헌의 초록 임베딩 벡터를 생성하고, 이 벡터들을 결합한 최적의 딥러닝 예측 모형을 구성하였으며, 이를 통해 100대 미래 고성장 과학기술영역(클러스터)을 선정하였다. 기술클러스터별 7년간 log(년도별 문헌 수)에 대한 추세선의 기울기를 추정한 후, 상위 30% 값(0.06545)을 기준으로 그 이상의 값을 갖는 기술클러스터를 성장, 미만의 값을 갖는 기술을 미성장으로 분류하여 딥러닝의 목표변수로 활용하였으며, 간단히 말하면, “7년 후 성장가능성” 확률이 99.99% 이상인 기술클러스터를 의미한다.
• 도출된 100선은 전체 과학기술 클러스터보다 최근 논문성장율이 유의미하게 높게 나타났으며, 이는 KISTI 예측모형의 정확성을 반증한다. 또한, 전체 과학기술영역에서보다 100선에서의 한국의 논문 점유율이 상대적으로 높이 나타나고 있다.
• 도출된 100선의 과학기술영역별로 KISTI 연구진이 이슈키워드를 도출하였으며, 각 이슈키워드의 동시발생 분포 등을 통하여 다음과 같은 7대 이슈를 도출하였다. 분석결과, 인간의 삶의 터전인 지구에 대한 이해와 공존을 지향하는 연구영역들이 부상하는 것으로 관측되었으며, 이는 “지구를 이해하는 산업혁명”을 본 연구의 부제로 선정한 배경이 되었다.
저자: 미래기술분석센터
• 데이터 기반 미래기술센싱연구는 과학기술의 구조와 발전방향을 밝히는 거시적 사이언스맵에서 확산되어, 언어처리 및 인공지능 기반의 미시적 기술분석예측에 이르고 있다. 미래기술예측은 예측의 주체(국가, 기업, 연구자 등), 예측시점(근미래, 중장기 등) 및 대상기술분야(바이오, 소재 등) 등에 따라 방법론과 전략을 상이하게 하여 접근할 필요가 있다. 즉, 예측 목적에 따른 데이터 속성인지(예: 데이터가 클러스터를 형성하는가? 데이터가 융합되는가? 등), 목적에 맞는 오픈데이터의 수집과 구축, 그리고 데이터 융합분석 전략 등이 요구되며, KISTI는 이러한 예측 목적별로 미래기술 센싱전략의 포트폴리오를 구축하고 있다. 특히, (1) 국가적 차원의 중장기 거시영역예측을 위해 과학기술클러스터 성장예측모델, (2) 기업차원의 미시영역예측을 위한 데이터기반 기업기술전략 예측모델, (3) 그리고, 근미래예측 및 트렌드 분석모델 등의 포트폴리오를 구축 하고 있으며, 이 중에서 과학기술 클러스터 성장예측모델에 기반하여 “KISTI 선정 미래유망기술”을 매년 발표해 왔다.
• KISTI는 2019년, 딥러닝(Deep learning)을 이용한 기술 클러스터 성장 가능성 예측 모형을 확립하였다. 세부 연구영역에서는 ‘모티프(Motif)’ 기법을 활용한 네트워크 임베딩 벡터, 상층에서는 분류코드 정보를 활용한 연구분야 임베딩 벡터, 하층에서는 BERT 모형을 활용한 문헌의 초록 임베딩 벡터를 생성하고, 이 벡터들을 결합한 최적의 딥러닝 예측 모형을 구성하였으며, 이를 통해 100대 미래 고성장 과학기술영역(클러스터)을 선정하였다. 기술클러스터별 7년간 log(년도별 문헌 수)에 대한 추세선의 기울기를 추정한 후, 상위 30% 값(0.06545)을 기준으로 그 이상의 값을 갖는 기술클러스터를 성장, 미만의 값을 갖는 기술을 미성장으로 분류하여 딥러닝의 목표변수로 활용하였으며, 간단히 말하면, “7년 후 성장가능성” 확률이 99.99% 이상인 기술클러스터를 의미한다.
• 도출된 100선은 전체 과학기술 클러스터보다 최근 논문성장율이 유의미하게 높게 나타났으며, 이는 KISTI 예측모형의 정확성을 반증한다. 또한, 전체 과학기술영역에서보다 100선에서의 한국의 논문 점유율이 상대적으로 높이 나타나고 있다.
• 도출된 100선의 과학기술영역별로 KISTI 연구진이 이슈키워드를 도출하였으며, 각 이슈키워드의 동시발생 분포 등을 통하여 다음과 같은 7대 이슈를 도출하였다. 분석결과, 인간의 삶의 터전인 지구에 대한 이해와 공존을 지향하는 연구영역들이 부상하는 것으로 관측되었으며, 이는 “지구를 이해하는 산업혁명”을 본 연구의 부제로 선정한 배경이 되었다.
첨부파일(1)
2020_DATA_INSIGHT-14호.pdf
- 담당자박여은,윤세연