개요

일상생활에서 인공지능(AI) 솔루션의 활용도와 접근성이 높아짐에 따라, 식품 업계는 AI의 힘을 활용할 수 있는 실질적인 활용 사례를 모색하고 있습니다. 일부에서는 AI가 식품 업계의 전통적인 연구개발 방식을 구식으로 만들 것이라고 주장하지만, 이러한 패러다임의 전환은 아직 본격화되지 않았습니다. 이 정도 규모의 디지털 전환이 이루어지기 위해서는 데이터가 핵심 동력이 될 것입니다.

식품 과학 분야에서 데이터 수집은 종종 부실하거나, 거시적 규모로만 이루어져 그 이면에 작용하는 물리적·화학적 원인에 대한 통찰을 거의 제공하지 못합니다. AI( 머신러닝 라고도 함)와 달리, 물리 기반 시뮬레이션은 식품, 가공 공정 및 포장재에 대한 현실적인 계산 모델을 바탕으로 데이터를 생성할 수 있습니다. 이렇게 생성된 데이터는 해석이 가능하므로, 연구자와 엔지니어는 비용이 많이 드는 실험 테스트에 착수하기 전에 정보에 입각한 결정을 내릴 수 있습니다. 분자 수준에서 물리 기반 시뮬레이션을 통해 생성된 데이터를 활용하고, 가능한 경우 기존 실험 데이터와 결합함으로써, 종종 발생하는 데이터 부족 문제를 극복한 ‘ 머신러닝 ’ 모델을 생성할 수 있습니다. 더 중요한 것은, 물리 기반 시뮬레이션이 연구자들이 해석 가능하면서도 검증 가능한 모델을 개발하는 데 도움을 줄 수 있다는 점입니다.

이번 강연에서는 식품 연구 분야에서 물리 기반 시뮬레이션이 어떻게 활용되는지, 그리고 이를 머신러닝 모델과 결합했을 때 얻을 수 있는 시너지 효과에 대해 살펴보겠습니다.