2025년 11월 15일 토요일

배터리 소재 개발 — RDF/온톨로지/SPARQL/RAG 통합 가이드

배터리 소재 개발 — RDF/온톨로지/SPARQL/RAG 통합 가이드 (모든 항목)

배터리 소재 개발 — RDF/온톨로지/SPARQL/RAG 통합 가이드

다음 5개 항목을 하나의 HTML 문서로 통합했습니다: 1) 온톨로지 기본 구조 2) SPARQL 질의 10개 3) RAG+지식그래프 아키텍처 4) 실험로그 → RDF 변환 예시 5) RDF 기반 자동 실험 추천 시스템.

1. 배터리 소재 온톨로지 기본 구조

목표: 배터리 연구에서 흔히 쓰이는 엔티티(개체)와 속성, 관계를 표준화하여 RDF로 표현할 수 있게 설계합니다. 아래는 실무 적용 가능한 단순화된 온톨로지 템플릿입니다.

핵심 클래스 (Classes)

Material — 소재(예: NCM811, LFP)
Process — 공정(예: calcination, sintering)
Experiment — 실험(하나의 실험 실행)
Measurement — 측정값(사이클수명, 용량 등)
Coating — 표면처리(예: Al2O3 coating)
Property — 물성(입자크기, 전도도)
Researcher — 연구자/실험자

이들 클래스를 RDF로 표현하면 URI 기반으로 고유 식별이 가능해지고 SPARQL 질의를 통해 조합 검색/추론이 쉬워집니다.

주요 속성 (Properties)

속성(예)	설명
ex:hasComposition	Material → 조성(문자열 또는 정규화된 조성 엔티티)
ex:hasProcess	Material/Experiment → 적용된 공정
ex:processTemperature	Process → 온도 (°C)
ex:hasMeasurement	Experiment → Measurement
ex:measurementType	Measurement → (capacity, retention, impedance 등)
ex:measurementValue	Measurement → 수치
ex:hasCoating	Material/Experiment → Coating
ex:performedBy	Experiment → Researcher

예시 URI 설계(권장)

http://example.org/materials/NCM811
http://example.org/processes/sintering-850C
http://example.org/experiments/exp-2025-001
http://example.org/measurements/exp-2025-001/capacity

간단한 RDF 트리플 예시

<http://example.org/materials/NCM811> ex:hasComposition "LiNi0.8Co0.1Mn0.1O2" .
<http://example.org/experiments/exp-2025-001> ex:usesMaterial <http://example.org/materials/NCM811> .
<http://example.org/experiments/exp-2025-001> ex:hasProcess <http://example.org/processes/sintering-850C> .
<http://example.org/measurements/exp-2025-001/capacity> ex:measurementValue "180" ; ex:measurementUnit "mAh/g" .

원하면 이 구조를 Turtle(.ttl) 파일로도 만들어 드립니다.

2. SPARQL 실전 질의 10개 (배터리 소재용)

아래 질의들은 위 온톨로지 템플릿을 기준으로 한 예시입니다. 실제 네임스페이스/속성명은 프로젝트 온톨로지에 맞춰 조정하세요.

공통 PREFIX

PREFIX ex: <http://example.org/ontology/>
PREFIX m: <http://example.org/materials/>
PREFIX e: <http://example.org/experiments/>

쿼리 1 — 특정 소재(NCM811)에 효율적이었던 코팅 찾기

SELECT ?coating ?effect WHERE {
  ?exp ex:usesMaterial m:NCM811 .
  ?exp ex:hasCoating ?coatingNode .
  ?coatingNode ex:coatingMaterial ?coating .
  ?coatingNode ex:observedEffect ?effect .
}

쿼리 2 — 특정 공정온도대(800~900°C)에서의 평균 사이클 유지율

SELECT (AVG(xsd:decimal(?retention)) AS ?avgRetention) WHERE {
  ?exp ex:hasProcess ?p .
  ?p ex:processTemperature ?T .
  FILTER(xsd:decimal(?T) >= 800 && xsd:decimal(?T) <= 900)
  ?exp ex:hasMeasurement ?m .
  ?m ex:measurementType "retention" .
  ?m ex:measurementValue ?retention .
}

쿼리 3 — 입자크기와 수명(상관) 탐색 (단순 연결 탐지)

SELECT ?exp ?particleSize ?retention WHERE {
  ?exp ex:hasMeasurement ?m1 .
  ?m1 ex:measurementType "particle_size" ; ex:measurementValue ?particleSize .
  ?exp ex:hasMeasurement ?m2 .
  ?m2 ex:measurementType "retention" ; ex:measurementValue ?retention .
}

쿼리 4 — 동일 조성에 대해 다른 연구자가 얻은 수명 비교

SELECT ?exp ?researcher ?retention WHERE {
  ?exp ex:usesMaterial m:NCM811 .
  ?exp ex:performedBy ?r .
  ?r ex:name ?researcher .
  ?exp ex:hasMeasurement ?m .
  ?m ex:measurementType "retention" ; ex:measurementValue ?retention .
}
ORDER BY DESC(xsd:decimal(?retention))

쿼리 5 — 실험 누락 탐지: 같은 소재 계열에서 아직 시도하지 않은 온도대 찾기

# (논리: 계열 실험 온도 범위를 추출하고 빈 온도대를 표기 — 단순 예)
SELECT DISTINCT ?T WHERE {
  ?exp ex:usesMaterial ?mat .
  ?mat ex:belongsToSeries "NCM" .
  ?exp ex:hasProcess ?p . ?p ex:processTemperature ?T .
}

쿼리 6 — 특정 측정(impedance)값이 특정 범위 이상인 실험 목록

SELECT ?exp ?imp WHERE {
  ?exp ex:hasMeasurement ?m .
  ?m ex:measurementType "impedance" ; ex:measurementValue ?imp .
  FILTER(xsd:decimal(?imp) > 0.05)
}

쿼리 7 — 표면처리별 평균 용량 비교

SELECT ?coating (AVG(xsd:decimal(?cap)) AS ?avgCap) WHERE {
  ?exp ex:hasCoating ?cnode .
  ?cnode ex:coatingMaterial ?coating .
  ?exp ex:hasMeasurement ?m .
  ?m ex:measurementType "capacity" ; ex:measurementValue ?cap .
}
GROUP BY ?coating

쿼리 8 — 최근 1년간(예: 2024-01-01 이후) 수행된 실험 요약

SELECT ?exp ?mat ?date WHERE {
  ?exp a ex:Experiment ; ex:usesMaterial ?mat ; ex:date ?date .
  FILTER(xsd:date(?date) >= "2024-01-01"^^xsd:date)
}

쿼리 9 — 표준화된 실패 원인(부반응) 통계

SELECT ?failureType (COUNT(?exp) AS ?count) WHERE {
  ?exp ex:observedFailure ?f .
  ?f ex:failureType ?failureType .
}
GROUP BY ?failureType

쿼리 10 — 후보 실험 추천(간단한 룰 기반)

# 룰 예: 동일 시리즈에서 높은 retention을 보인 coating이 있으나 특정 온도대에서 시도된 적이 없으면 추천
SELECT ?recommendedTemp ?coating WHERE {
  ?goodExp ex:hasMeasurement ?m1 . ?m1 ex:measurementType "retention" ; FILTER(xsd:decimal(?m1) >= 90) .
  ?goodExp ex:hasCoating ?c . ?c ex:coatingMaterial ?coating .
  # find temperature candidates not present for target material
}

위 쿼리들은 실제 데이터 스키마에 맞게 prefix와 속성명을 변경해 사용하세요. 필요하면 프로젝트 전용 SPARQL 파일로 제공해 드립니다.

3. RAG (Retrieval-Augmented Generation) + RDF 지식그래프 통합 아키텍처

목표: 대화형 AI(예: LLM)를 연구실 지식그래프와 결합해 질의응답, 실험 추천, 요약 등을 신뢰성 있게 제공하는 아키텍처 예시입니다.

구성요소 (요약)

데이터 레이어: 실험 로그, 논문, 장비 데이터, 온톨로지(Triples)
지식그래프: RDF 트리플 + SPARQL 엔드포인트 (추론엔진/규칙엔진 연결 가능)
검색/인덱스: 문서 인덱싱(벡터 DB) — RAG에서 Retriever로 사용
LLM(생성모델): Retriever가 준 문맥 + schema-guided prompt를 바탕으로 답변 생성
추론 엔진: 규칙(Rules) 또는 OWL2RL 같은 추론을 통해 새로운 트리플 생성
어플리케이션 레이어: 실험 추천 UI, 대시보드, SPARQL 콘솔

데이터 흐름 (간단)

실험 로그/논문이 ETL로 정제되어 RDF 및 문서 저장소(벡터 DB)에 적재
사용자 질의 → Retriever(벡터 검색)로 관련 문서+KG 엔티티 검색
SPARQL로 KG에서 정확한 숫자/관계(예: 평균 retention)를 조회
LLM은 검색된 문서들(컨텍스트) + SPARQL 결과를 조합해 응답(또는 실험 추천) 생성
추천 결과는 룰엔진/피어 리뷰 후 KG에 등록될 수 있음

간단 SVG 아키텍처 (화면 내 렌더링)

프롬프트 설계 팁 (RAG → LLM)

Retriever가 준 문서와 SPARQL 결과를 각각 명확히 분리해서 제공
LLM에게 'source grounding' 지시어 포함: "다음 SPARQL 결과를 우선 근거로 삼아 응답하라"
숫자/측정치는 반드시 SPARQL로 확인해서 응답에 포함
불확실한 추정치에 대해선 신뢰도 레이블(예: high/medium/low)을 표기

4. 실험 로그 → RDF 변환 예시 (구체적 변환 절차와 예시)

목표: 실험 현장에서 생성되는 CSV/엑셀/장비 로그를 RDF 트리플로 변환하는 방법(예: 파이프라인 + 변환 규칙 예시).

예시 실험 로그 (CSV)

experiment_id, date, material, composition, process, temperature_C, coating, particle_size_um, capacity_mAh_g, retention_percent, researcher
exp-2025-001, 2025-02-01, NCM811, "LiNi0.8Co0.1Mn0.1O2", sintering, 850, Al2O3, 12.5, 180, 90, Kim

변환 규칙(간단)

experiment_id → URI: http://example.org/experiments/{experiment_id}
material → URI: http://example.org/materials/{material}
date → xsd:date
process, temperature → Process 엔티티 생성 및 속성 연결
측정값(용량, retention) → Measurement 엔티티로 분리

생성될 Turtle(.ttl) 예시

@prefix ex: <http://example.org/ontology/> .
@prefix m: <http://example.org/materials/> .
@prefix e: <http://example.org/experiments/> .

m:NCM811 a ex:Material ;
  ex:hasComposition "LiNi0.8Co0.1Mn0.1O2" .

e:exp-2025-001 a ex:Experiment ;
  ex:date "2025-02-01"^^xsd:date ;
  ex:usesMaterial m:NCM811 ;
  ex:hasProcess e:proc-sintering-850 ;
  ex:performedBy e:researcher-Kim ;
  ex:hasMeasurement e:exp-2025-001/capacity , e:exp-2025-001/retention .

e:proc-sintering-850 a ex:Process ;
  ex:processType "sintering" ;
  ex:processTemperature "850"^^xsd:decimal .

e:exp-2025-001/capacity a ex:Measurement ;
  ex:measurementType "capacity" ;
  ex:measurementValue "180" ;
  ex:measurementUnit "mAh/g" .

e:exp-2025-001/retention a ex:Measurement ;
  ex:measurementType "retention" ;
  ex:measurementValue "90" ;
  ex:measurementUnit "%" .

실무 팁

ETL 도구: Apache NiFi / Airflow + RDFizer(혹은 커스텀 파이썬 스크립트)
데이터 정제: 단위 통일(°C, mAh/g), 조성 표준화 룰 필요
검증: 샘플 변환 후 SPARQL로 핵심 속성(예: measurement 존재성) 검사

5. RDF 기반 자동 실험 추천 시스템 (룰 + SPARQL 기반 예시)

목표: KG에서 패턴을 찾아 '우선적으로 해볼 만한 실험'을 추천합니다. 예시는 간단한 룰 기반 접근입니다.

예시 SPARQL — 성공 케이스에서 공통 코팅 추출

PREFIX ex: <http://example.org/ontology/>
PREFIX m: <http://example.org/materials/>

SELECT ?coating (COUNT(?exp) AS ?successCount) WHERE {
  ?exp ex:usesMaterial ?mat .
  ?mat ex:belongsToSeries "NCM" .
  ?exp ex:hasCoating ?cnode .
  ?cnode ex:coatingMaterial ?coating .
  ?exp ex:hasMeasurement ?m .
  ?m ex:measurementType "retention" ; FILTER(xsd:decimal(?m) >= 90) .
}
GROUP BY ?coating
ORDER BY DESC(?successCount)
LIMIT 10

예시 SPARQL — 누락 조합 탐색 (온도 예시)

# 1) 계열에서 사용된 온도 집합
SELECT DISTINCT ?T WHERE {
  ?exp ex:usesMaterial ?mat . ?mat ex:belongsToSeries "NCM" .
  ?exp ex:hasProcess ?p . ?p ex:processTemperature ?T .
}

# 2) 특정 소재(m:X)에 대해 위 온도들 중 시도되지 않은 온도 찾기
SELECT ?T WHERE {
  {
    SELECT DISTINCT ?T WHERE {
      ?exp ex:usesMaterial ?mat . ?mat ex:belongsToSeries "NCM" .
      ?exp ex:hasProcess ?p . ?p ex:processTemperature ?T .
    }
  }
  FILTER NOT EXISTS {
    ?exp2 ex:usesMaterial m:X .
    ?exp2 ex:hasProcess ?p2 . ?p2 ex:processTemperature ?T .
  }
}

간단한 의사결정(의사코드)

# Pseudocode
1. candidates = find_missing_combinations(series="NCM")
2. for c in candidates:
     score = similarity_to_success_cases(c) * weight1 + estimated_effect(c) * weight2
3. rank by score and output top-K with SPARQL provenance

실제 운영 시에는 안전성/비용/장비가동시간 등 실험 운영 제약을 고려한 추가 필터가 필요합니다.

Tech & Traditions

2025년 11월 15일 토요일