RFP-1 · 규격 vm_pairs v0.1 · 시범판 v0.9 🔒 오프라인 계산

공정조건·계측값을 올리면 예측 성능과 논문 그림이 바로 나옵니다

4극3특 RFP-1 연구단 각 팀이 같은 규격으로 자료를 정리하고, AI 가상계측 예측값과 실측값을 같은 기준으로 비교하는 도구입니다

자료는 이 컴퓨터를 떠나지 않습니다. 모든 검사·계산·그림은 이 브라우저 안에서만 이루어지며 어떤 서버로도 전송·저장되지 않습니다

확인하는 법 — 인터넷을 끊은 뒤 이 페이지를 써 보세요. 똑같이 동작합니다. 개발자 도구(F12) «네트워크» 탭에도 외부 요청이 없습니다

여기 올린다고 다른 팀이나 순천향대에 자료가 전달되지 않습니다. 자료 전달은 연구단 지정 저장소로 따로 하세요

자료의 권리는 자료를 만든 팀에 있습니다. 여기서 만든 그림을 대외 발표·논문에 쓰려면 자료 생산 팀의 동의가 필요합니다

1

양식 받기

빈 CSV 양식과 열 사전을 받아 우리 팀 자료를 채웁니다

2

올리고 검사

빠진 칸·단위·중복, 배치 섞임을 행 번호와 고치는 법까지 알려 줍니다

3

성능 확인

독립 배치 오차를 신뢰구간·기준선 대비 개선율과 함께, 시범 25 → 15 → 10% 목표와 비교합니다

4

그림·봉인

논문 그림 6종(300 dpi PNG·SVG)과 매니페스트, 예측 봉인 영수증을 받습니다

처음이면 예시자료로 먼저 눌러 보세요

가상 예시자료(3팀 × 5배치, HfO₂ 게이트스택 두께·밀도·접촉저항 180줄)로 전 과정을 미리 봅니다. 실제 연구자료가 아니며 그림에 SYNTHETIC 표시가 들어갑니다

데이터 양식 (vm_pairs v0.1)

한 줄 = 시편 1개 × 물성 1개 × 모델판 1개. 공정변수는 p_ 로 시작하는 열로 필요한 만큼 붙입니다(단위는 열 이름 끝에: p_temp_C)

열 사전

물성 목록과 판정 방식

lin = 평균 상대오차(MAPE, %) · log = log₁₀ 평균 절대오차(decade, 접촉저항·누설처럼 몇 자릿수씩 변하는 값) · zero = 평균 절대오차(문턱전압처럼 0 근처 값). 25% 목표 판정은 lin 물성에만 적용

split 은 배치 단위로 나눕니다

값뜻지표
train모델 학습에 쓴 배치참고(과적합 확인)
val학습 중 조정에 쓴 배치참고
indep학습·조정에 한 번도 안 쓴 독립 배치. 예측을 먼저 봉인하고 나중에 실측공식 판정

같은 batch_id 가 학습과 독립에 함께 있으면 오류로 막습니다. 같은 배치 시편끼리는 닮아서 오차가 실제보다 작게 나오기 때문입니다

올리기·검사

CSV 를 끌어다 놓거나 눌러서 고르세요. 여러 파일을 한꺼번에 올리면 합쳐서 검사합니다

예측 성능

공식 판정은 독립 배치(indep) 만으로. 기준선 = 학습 배치 실측 평균을 그대로 예측했을 때의 오차. 기준선보다 나아야 의미가 있습니다

물성

split · 배치 · 팀별

95% 신뢰구간 = 부트스트랩 1000회(시드 고정, 오프라인 make_figs.py 와 같은 값) · 독립 시편이 적으면 구간이 넓어집니다

논문 그림 (카드 P4-F1 ~ F6)

«PNG» 는 300 dpi(폭 85 mm, 1단), «SVG» 는 벡터. 레시피 카드 번호와 같은 이름으로 저장됩니다

물성x축 공정변수

예측 봉인

독립 배치를 실측하기 전에 예측 파일의 지문(SHA-256)을 남겨, «예측이 실측보다 먼저» 였음을 증명합니다

  1. 독립 배치(split=indep)의 예측값만 채운 CSV 를 준비합니다(measured 는 비워 둠)
  2. 아래에 올리면 지문과 시각이 담긴 영수증(JSON)이 나옵니다
  3. 영수증의 지문 64자리를 주간보고와 KAIST 발송 메일 본문에 적어 둡니다
  4. 나중에 같은 파일을 다시 올리면 지문이 같은지 확인할 수 있습니다 — 한 글자라도 바뀌면 지문이 달라집니다

익명화 내보내기

다른 팀과 공유하거나 발표용으로 쓸 때 시편·팀 이름을 가명으로 바꾼 사본을 만듭니다




⚠ 익명화는 공개 허가가 아닙니다. 공정변수 조합만으로 팀·레시피가 추정될 수 있습니다. 기업 제공 자료는 익명화본도 반출 금지가 기본입니다. 대응표 파일은 우리 팀 안에만 두세요

이력

켜 두면 이 브라우저에 검사한 파일 이름·지문 앞 12자리·지표 요약만 남깁니다(원자료는 저장하지 않음). 기본은 꺼짐. 공용 PC 에서는 켜지 마세요

도움말

자주 틀리는 것

  • 엑셀에서 그냥 «CSV» 로 저장 → 한글이 깨짐. «CSV UTF-8» 로 저장
  • 값에 단위를 붙임 (12.3nm) → 숫자만. 단위는 unit 열에
  • Å 로 두께 입력 → 열 사전 단위(nm)로 환산
  • 같은 배치 시편을 학습과 독립에 나눔 → 배치 통째로 한쪽에
  • 틀린 시편 행을 지움 → 지우지 말고 exclude=1 + 사유
  • 예시자료(EX-) 행이 남음 → 실제 보고 전에 모두 삭제

숫자 읽는 법

  • MAPE 7.2% [3.4–11.1]: 독립 시편 평균 7.2% 틀림. 다음 배치에서는 3~11% 사이일 가능성이 높음
  • 기준선 67% → 개선 89%: 아무 모델 없이 평균만 찍으면 67% 틀리는데 모델이 그 오차를 89% 줄임
  • R²: 독립 시편끼리의 차이를 모델이 얼마나 설명하나(1 에 가까울수록 좋음, 0 이하면 평균보다 못함)
  • 독립 시편이 5개 미만이면 숫자를 믿지 말고 구간을 함께 보고

오프라인 도구와 같은 숫자

이 페이지의 계산식은 연구실 오프라인 도구 make_figs.py(figkit)와 같으며, 예시자료·오류자료 14종으로 두 구현의 결과가 일치함을 시험합니다(tests/test_parity.py)

문의

순천향대학교 디스플레이신소재공학과 AEML(박환열 교수 연구실) · 규격 담당 김윤석