화학 질문을 검증 가능한 가설·관측량·모형·실험으로 번역하고 불확도를 갱신하는 연구 폐루프를 설계합니다.
새 MOF가 CO₂에 선택적이라는 계산결과와 높은 단일성분 흡착량만으로 실제 습윤 혼합가스 분리성능을 주장하려 합니다.
기초 화학부터 대학원 이론까지 배운 내용을 하나의 재현 가능한 연구 의사결정으로 어떻게 묶을까요?
이번 장의 답주장을 관측량과 조건으로 좁히고, 경쟁가설을 구별하는 계산·실험을 선택합니다. 양성·음성 결과 모두 다음 모형을 갱신하도록 불확도와 중단 기준을 미리 정합니다.
01기초부터 계산까지
연구 설계 캡스톤: 처음 배우는 사람을 위한 출발점
좋은 연구는 계산값과 실험값을 한 번 맞추는 것이 아니라 가설→관측량→모형→실험→불확도 갱신의 폐루프입니다. 비교할 수 있는 조건과 falsification 기준을 먼저 정하고, 맞지 않는 결과를 모형을 개선하는 정보로 사용해야 합니다.
경쟁가설
같은 관측을 설명할 수 있어 구별 실험이 필요한 대안 설명입니다.
정보가치
추가 데이터가 의사결정 불확도를 얼마나 줄이는지 나타내는 가치입니다.
독립 검증
모형 개발에 쓰지 않은 데이터·조건에서 성능을 평가하는 과정입니다.
이 글에서 생각이 이어지는 순서
용어를 외우는 대신, 관찰에서 모형과 계산을 거쳐 실제 해석으로 가는 흐름을 먼저 잡습니다.
출발점
핵심 변수
모델 적용
검증과 해석
$$ claim → evidence → revision $$
공식을 계산기에 넣기 전에 읽는 법
Bayes 식은 prior p(θ), likelihood p(D|θ), posterior p(θ|D)를 분리해 새 데이터가 믿음을 얼마나 바꾸는지 정량화합니다.
모형 검증에서는 학습·조정에 쓴 데이터와 독립 test 데이터를 나누고 오차 평균뿐 아니라 편향·분포·outlier를 봅니다.
다음 실험은 단순히 성공확률이 높은 조건보다 경쟁가설의 예측이 크게 갈려 기대정보이득이 큰 조건을 우선할 수 있습니다.
기본 계산과 판단을 세 단계로 완전히 전개합니다
숫자 대입, 단위, 결과의 물리적 뜻을 한 번에 확인하세요.
사전확률 0.20 가설의 양성검사 후 확률
민감도 90%, false-positive 10%인 양성 결과가 가설 확률을 20%에서 약 69%로 높이지만 확정하지는 않습니다.
세 예측오차 1, −1, 2의 RMSE와 bias
RMSE 하나만 보면 양·음 오차가 상쇄되는 체계적 편향을 놓칠 수 있습니다. 단위와 허용오차 기준을 함께 보고합니다.
100 mol 투입 공정의 물질수지 closure
사라진 5%를 곧바로 미지 생성물로 단정하지 않고 sampling·휘발·검출응답·세척손실 가설을 독립 측정으로 구분합니다.
스스로 확인하기 · 기초 화학부터 대학원 이론까지 배운 내용을 하나의 재현 가능한 연구 의사결정으로 어떻게 묶을까요?
주장을 관측량과 조건으로 좁히고, 경쟁가설을 구별하는 계산·실험을 선택합니다. 양성·음성 결과 모두 다음 모형을 갱신하도록 불확도와 중단 기준을 미리 정합니다.
02왜 이 개념이 필요한가
새 MOF가 CO₂에 선택적이라는 계산결과와 높은 단일성분 흡착량만으로 실제 습윤 혼합가스 분리성능을 주장하려 합니다. 이 장면을 풀려면 용어를 외우는 것보다 어떤 물리량을 고정하고 무엇을 변화시키는지 먼저 정해야 합니다. 화학 질문을 검증 가능한 가설·관측량·모형·실험으로 번역하고 불확도를 갱신하는 연구 폐루프를 설계합니다.
- 상관관계·descriptor와 인과 메커니즘을 구분합니다.
- 훈련·보정 데이터와 최종 독립 검증 데이터를 분리합니다.
- 통계적 유의성과 공학적 효과크기·재현성을 함께 봅니다.
03핵심 모델과 식
좋은 폐루프는 구조·조성 확인, 열역학 평형, 속도·수송, 실제 작동조건을 층별로 검증합니다. Bayesian 관점에서는 선행지식과 새 데이터의 likelihood로 믿음을 갱신하고, 정보가치가 큰 다음 실험을 선택합니다.
04공학 예제로 계산하기
CO₂/N₂ 습윤 분리 연구는 PXRD·소화 NMR·TGA로 시료를 확인하고, 단일·혼합 등온선과 흡착열, 확산, 파과·재생·수분 안정성을 측정합니다. DFT/GCMC/MD는 각 관측량과 같은 조건에서 비교합니다.
- ‘어떤 구조가 어떤 조건에서 어떤 관측량을 얼마나 바꾼다’는 반증 가능한 주장으로 씁니다.
- 가장 큰 불확도와 경쟁가설을 구별하는 최소 계산·대조·실험 세트를 설계합니다.
- 원자료·코드·구조·실패조건을 기록하고 결과로 모형과 다음 실험 우선순위를 갱신합니다.
05오해·한계·다음 연결
많은 기법을 나열한다고 증거가 강해지는 것은 아닙니다. 같은 가정에 의존한 계산과 실험은 독립 검증이 아니며 시료 배치·선택적 보고·데이터 누수를 관리해야 합니다.
- 화학 9개 Part와 재료공학·DFT 과목을 하나의 연구 워크플로로 통합합니다.
- MOF-5·ZIF-8 논문리뷰에서 주장–증거–한계 표준틀로 사용할 수 있습니다.
- 후속 연구에서는 민감도·오차 예산·사전등록으로 재현성을 높입니다.
06이 글의 용어 사전
본문을 읽다가 “그래서 이 말이 정확히 뭐지?”라는 질문이 생기면 여기에서 다시 확인할 수 있습니다.
- 경쟁가설competing hypothesis
- 같은 관측을 설명할 수 있어 구별 실험이 필요한 대안 설명입니다.
- 정보가치value of information
- 추가 데이터가 의사결정 불확도를 얼마나 줄이는지 나타내는 가치입니다.
- 독립 검증external validation
- 모형 개발에 쓰지 않은 데이터·조건에서 성능을 평가하는 과정입니다.
- 앙상블ensemble
- 같은 거시 조건을 만족하는 가능한 미시상태들의 가상 집합입니다.
- 분배함수partition function
- 미시상태의 볼츠만 가중치를 합해 열역학량을 생성하는 통계역학의 중심 함수입니다.
- 근사approximation
- 정확해를 직접 얻기 어려울 때 통제된 가정으로 문제를 계산 가능하게 바꾸는 선택입니다.
07참고자료와 더 읽을거리
- KAIST 화학과 대학원 교과목 개요 — 양자화학·통계열역학·반응동역학·표면화학·전기화학의 공식 범위를 따릅니다.
- MIT OpenCourseWare, Statistical Mechanics I — 앙상블·분배함수·양자통계를 대학원 수준의 문제와 함께 다룹니다.
- NIST CODATA Fundamental Physical Constants — 양자·통계 계산에 쓰는 기본 상수의 최신 권고값을 제공합니다.