EOST2022 딥러닝 공개 모델 활용 정보 수집 효율화
신재생에너지 분야의 연구 효율성을 높이기 위해 데이터 분석과 머신러닝 기법의 활용이 점차 중요해지고 있습니다. 특히 해외 선도 기관과의 공동 연구를 기획할 때는 상대 기관의 강점과 협업 양상을 정확히 파악하는 것이 필수적입니다. 미국 국립재생에너지연구소(NREL)는 방대한 규모를 자랑하는 세계적인 기관으로, 학술 논문과 웹 기사를 분석하면 이들의 연구 흐름을 면밀히 파악할 수 있습니다. 지난 10년간의 데이터를 살펴보면 NREL은 9,000편 이상의 논문을 발표했으며, 이를 통해 협업 형태와 주요 연구 테마를 객관적으로 확인할 수 있습니다. 논문 공저자 분석을 통해 NREL의 공동 연구 현황을 살펴보면, 미국 내 부처 산하 연구소들과의 협업이 꾸준히 증가하는 추세를 보입니다. 반면 국가별 협업 양상에서는 흥미로운 변화가 관찰됩니다. 중국과 영국, 독일 등의 국가는 NREL과의 공동 연구 비중을 크게 늘려가고 있는 반면, 우리나라는 과거에 비해 협업 건수가 오히려 감소한 것으로 나타났습니다. 이는 글로벌 연구 네트워크에서 한국에너지기술연구원의 위치를 객관적으로 점검하고, 향후 어떤 전략을 가지고 국제 협력을 강화해야 할지 시사하는 중요한 지표가 됩니다. 방대한 분량의 논문을 주제별로 분류하는 토픽 모델링 기법은 각 기관의 전문 분야를 가시화하는 데 매우 효과적입니다. NREL과 한국에너지기술연구원의 논문을 분석해 본 결과, 태양광이나 전력망, 데이터 핸들링 분야에서는 NREL이 독보적인 강점을 보유하고 있음을 알 수 있었습니다. 반면 배터리 전극, 촉매 기술, 전통적인 열전달 분야에서는 한국에너지기술연구원이 NREL보다 더 많은 성과를 내며 앞서가고 있는 영역도 존재합니다. 이러한 상보적인 관계를 파악함으로써 공동 연구의 최적 접점을 찾는 전략적 접근이 가능해집니다. 기술 분석에서 논문 못지않게 중요한 것이 최신 동향을 담은 웹 문서입니다. 하지만 방대한 양의 기사를 일일이 읽고 요약하는 작업은 막대한 시간이 소요됩니다. 이를 해결하기 위해 딥러닝 기반의 문서 요약 엔진인 'TLDR 모델'을 활용할 수 있습니다. 이 기술은 수천 단어에 달하는 복잡한 과학 문헌이나 기사를 핵심적인 몇 문장으로 축약해 줍니다. 요약된 영문 텍스트를 기계 번역 엔진과 결합하면, 전문 용어가 포함된 해외 기술 정보를 누구나 쉽게 이해할 수 있는 형태의 국문 요약 보고서로 빠르게 변환하여 활용할 수 있습니다. 최종적으로 수집된 정보는 파이썬 라이브러리(python-docx)를 활용해 워드 문서 형식으로 자동 생성됩니다. 기사의 제목, 대표 이미지, 원문 링크는 물론 핵심 키워드와 요약본을 체계적으로 배치하여 보고서 작성의 수고를 획기적으로 덜어줍니다. 현재는 전문가의 분석과 자동화된 수집 과정이 병행되고 있지만, 향후에는 사용자가 웹에 정보를 입력하면 자동으로 보고서를 생성해 이메일로 발송해 주는 시스템으로 발전할 계획입니다. 이러한 정보 수집의 효율화는 연구자가 단순 반복 업무에서 벗어나 고도화된 전략 수립에만 집중할 수 있는 환경을 제공할 것입니다.
