데이터 효율적이고 해석 가능한 디엔탱글드 변분 오토인코더를 이용한 역방향 재료 설계

디엔탱글드 변분 오토인코더를 이용하여 데이터 효율적이고 해석 가능한 역방향 재료 설계 방법을 제안하였다. 이 방법은 레이블된 데이터와 레이블되지 않은 데이터를 모두 활용하여 특징-목표 속성 관계를 학습하고, 전문가 정보를 사전 분포로 활용하여 제한된 레이블 데이터에서도 강건한 모델 성능을 보여준다. 또한 목표 속성이 재료의 다른 특성들과 분리되어 학습되므로 해석 가능성이 높다.