오늘 끝나면
실험 설계 자동화
- ✓실험 설계 자동화의 핵심 문제를 한 문장으로 설명한다
- ✓오른쪽 실습에서 실험이 어떻게 움직이는지 관찰한다
- ✓다음 강의와 이어지는 한계를 말할 수 있다
실습 미션
DOE·베이지안 최적화로 똑똑하게 설계 이 문장이 실제로 무슨 뜻인지 실습에서 한 번 손으로 확인한다.
성공 조건
- □실습의 기본값을 먼저 관찰
- □입력값이나 모드를 한 번 이상 바꿔 결과 비교
- □왜 결과가 바뀌었는지 한 문장으로 설명
Autonomous Lab · 08
실험 설계
자동화
가설은 섰다. 이제 어떤 조건을 시험할지 정해야 한다.
전부 다 해보는 건 불가능하다. 조합이 폭발한다.
적은 실험으로 많이 배우게 설계하는 게 핵심이다.
조합은 금방 폭발한다
신소재 합성에는 온도·농도·시간·촉매 같은 손잡이가 여럿 있다. 각각 몇 단계씩만 잡아도 조합이 수천, 수만으로 불어난다.
손잡이 4개에 단계가 각 10개면 10⁴ = 1만 조합이다. 손잡이 6개면 100만이다. 하나 돌리는 데 하루씩 걸리면 평생 못 끝낸다.
그래서 “전부 다 해보기(완전탐색)”는 버린다. 진짜 문제는 따로 있다. 한정된 실험 횟수로 어디를 찍어야 가장 많이 알아낼 수 있는가. 이게 실험 설계다.
변수 하나 늘 때마다 ×10, 완전탐색은 금방 불가능해진다
DOE, 똑똑하게 격자를 친다
실험계획법(DOE, Design of Experiments)은 통계로 실험점을 미리 깔아두는 방법이다. 1920년대 피셔가 농사 실험에서 다졌다.
흔한 실수는 한 번에 변수 하나만 바꾸는 방식이다(OFAT). 온도만 쭉 바꾸고 그다음 농도만 바꾼다. 변수끼리 맞물리는 효과인 상호작용을 놓친다.
DOE는 여러 변수를 동시에, 균형 잡힌 격자로 흔든다. 요인설계나 라틴하이퍼큐브 같은 배치로 같은 실험 수에서 더 많은 정보를 짜낸다. 어느 손잡이가 결과를 좌우하는지 적은 실험으로 드러낸다.
OFAT은 십자로만 보니 모서리와 상호작용이 깜깜하다. DOE는 공간을 고루 덮는다
베이지안 최적화, 유망한 데로 좁힌다
DOE가 처음 격자를 깔아 판을 보여주면, 베이지안 최적화는 그 판을 보며 다음 한 점을 콕 집어 좁혀 들어간다.
지금까지 측정한 점으로 대리모델인 가우시안 과정을 세운다. 모든 위치에서 두 가지를 내놓는다. 하나는 결과가 얼마쯤일지에 대한 예측(평균), 다른 하나는 그게 얼마나 미더운지 보여주는 불확실성이다.
둘을 합친 획득함수로 다음 점을 고른다. 좋아 보이는 곳을 캐는 기대값 활용과 아직 안 가본 곳을 살피는 정보 탐험을 저울질한다. 한 점을 측정하고 모델을 갱신한 뒤 또 한 점을 고른다. 무작위보다 훨씬 적은 실험으로 최적에 닿는다.
↑ 가장 높은 막대 = 다음 실험점
직접 돌려보기, 다음 실험점
숨은 곡선인 점선이 진짜 정답이다. 모델은 그걸 모른다. 측정한 검은 점들로만 파란 예측선과 밴드를 그린다.
파란 세로선이 다음에 측정할 곳이다. 예측이 높으면서도 밴드가 넓은, 즉 기대도 크고 불확실성도 큰 자리를 고른다. [다음 실험]을 누르면 그 자리를 실제로 재서 데이터에 넣는다.
누를수록 밴드가 좁아지고 파란선이 점선에 포개진다. 몇 번 만에 봉우리 꼭대기에 닿는다. 작은 봉우리라는 함정에 빠지지 않고 큰 봉우리로 향한다.
파란 세로선이 다음에 측정할 곳이다. 평균이 높고(기대값) 동시에 불확실성이 큰(정보) 지점을 고른다. 측정하면 그 자리 밴드가 좁아지고 모델이 갱신된다.
적은 실험으로 많이 배운다
정리하면, 실험 설계 자동화는 “다음에 뭘 시험할까”를 기계가 정하는 단계다.
DOE로 판을 넓게 깔고, 베이지안 최적화로 유망한 영역에 집중한다. 같은 예산으로 더 적은 실험에서 더 많이 배운다. A-Lab은 17일 동안 41종 신소재를 이렇게 자동 합성했고, Coscientist는 LLM이 설계와 코드와 실행을 엮었다.
“가장 정보가 큰 실험을 골라 라벨을 채운다”는 능동학습의 생각도 베이지안 최적화와 한 뿌리다.
Q. 베이지안 최적화가 다음 실험을 고르는 기준은? (무작위 · 가장 가까운 점 · 정보와 기대 개선이 큰 곳 · 가장 싼 조건)
정답은 정보와 기대 개선이 큰 곳이다.획득함수가 예측 평균인 기대값과 불확실성인 정보를 함께 보고, 둘의 합이 가장 큰 한 점을 다음 실험으로 집는다.
그래서 좋아 보이는 곳을 캐면서도, 안 가본 곳을 탐험해 함정에 안 빠진다.
A-Lab과 Coscientist는 이 두뇌로 사람 없이 몇 주 만에 수십 종을 발견했다