기존 코로나바이러스(SARS-CoV-2; COVID-19)의 확산 정도를 측정하는 지표인 감염재생산지수(reproduction number)는 감염병 발생 초기, 대부분의 사람들이 감염병에 대한 면역력이 형성되지 않을 때 적합한 측정 지표다.하지만, 현재와 같이 감염병이 장기간 진행되는 상황에서는 백신 접종 수나 감염 후 회복 수가 많아져 면역력이 형성되지 않은 사람의 수가 적은 상황에는 효과적이지 않다.여기에, 숭실대학교(총장 장범식) 전자정보공학부 권민혜 교수 연구팀이 이러한 한계점을 극복하는 새로운 감염병 확산 지표인 감염재생
용산 미군기지를 비롯한 국내외 중금속으로 인한 공원 및 아파트 부지의 토양오염이 사회적으로 큰 이슈가 되곤한다. 기존 토양세척 등 토양의 질을 고려하지 않은 공학기술에 비해 이산화탄소를 배출하지 않는 탄소중립 기반의 생태공학 기술로 향후 주요 건설업종의 ESG 분야 핵심 환경기술로도 그 중요성이 높게 평가되고 있다.여기에, 고려대학교(총장 정진택) 환경생태공학부 옥용식 교수가 겐트대학교(Ghent University) 등 국제연구팀과 공동으로 인공지능(AI)을 활용 중금속으로 오염된 토양의 식물정화기술 (Phytoremediatio
국내 연구진이 인공지능 생태계를 혁신하는 딥러닝 모델들을 처리하기 위해 필수적으로 사용되는 기계학습 시스템을 세계 최고 수준의 성능으로 끌어올렸다.KAIST(총장 이광형)는 전산학부 김민수 교수 연구팀이 딥러닝 모델을 비롯한 머신러닝 모델을 학습하거나 추론하기 위해 필수적으로 사용되는 기계학습 시스템의 성능을 대폭 높일 수 있는 세계 최고 수준의 행렬 연산자 융합 기술(일명 FuseME)을 개발했다.오늘날 광범위한 산업 분야들에서 사용되고 있는 딥러닝 모델들은 대부분 구글 텐서플로우(TensorFlow)나 IBM 시스템DS와 같은
그래프Graph)는 자료의 정량적 성향에 대한 일반적인 경향을 보여주는 예측이나 소셜 네트워크, 교통 인프라, 분자 및 인터넷과 같은 관계 구성 요소를 연결하는 자연 시스템의 매우 일반적인 표현이다.그래프 신경망(Graph Neural Networks. 이하, GNN)은 그래프 또는 전체 그래프 내의 항목에 대한 예측에 컨텍스트를 통합하기 위해 고유한 연결을 활용하는 강력한 머신러닝(ML) 기법이다. GNN은 신약을 발견하고, 수학자들이 계산 및 수식을 증명하도록 돕고, 잘못된 정보를 감지하고, 지도에서 특정지역의 도착 시간 예측
완전 자율 차량에서 사람은 가장 큰 장애물 중 하나일 수 있다. 도로에서 보다 안전한 자율 주행을 위해서는 주변의 운전자, 자전거 타는 사람 및 보행자 등이 다음에 무슨 행동을 할 것인가에 대해 예측할 수 있어야 한다.그러나 그런 행동을 예측한다는 것은 매우 어려운 문제이다. 일반적인 인공지능(AI) 솔루션은 보행자가 항상 직선으로 걷는다고 가정하는 너무 단순하거나, 서행하거나 차라리 정차해 있는 너무 보수적이거나, 다양한 에이전트에서 특정한 한 에이전트의 다음 움직임만 예측한다는 상황에 빠질 수 있다.이에, MIT 컴퓨터과학 및
유전체(genome)란 생명체가 가지고 있는 염기서열 정보의 총합이며, 유전자는 생물학적 특징을 발현하는 염기서열들을 지칭한다. 유전체를 한 권의 책이라고 비유하면 유전자는 공백을 제외한 모든 글자라고 비유할 수 있다.차세대 염기서열 분석은 유전체 정보를 해독하는 방법으로 유전체를 무수히 많은 조각으로 잘라낸 후 각 조각을 참조 유전체(reference genome)에 기반해 조립하는 과정을 거친다. 조립된 유전체 정보는 암을 포함한 여러 질병의 예측과 맞춤형 치료, 백신 개발 등 다양한 분야에서 사용된다.여기에, 국내 연구진 KA
피부가 어두운 사람보다 피부가 밝은 사람의 이미지가 훨씬 더 많이 포함된 것과 같은 불균형 데이터 세트를 사용한 머신러닝 모델은 실제 배포에서 불공정 할 심각한 위험이 존재한다. 이것은 문제의 한 부분일 뿐이다.이미지 인식 작업에 널리 사용되는 머신러닝 모델이 불균형 데이터에 대해 학습할 때 실제로 편향을 인코딩한다는 것은 이미 알려진 사실이다. 모델 내의 이러한 편향은 최신 공정성 향상 기술을 사용하고 균형 잡힌 데이터 세트로 모델을 재학습하는 경우에도 수정되지 않는다.이에, MIT의 전기공학 및 컴퓨터공학부(EECS) 및 의료공
현재, 감귤류의 육종(育種)에 있어서 껍질 벗기기(이하, 박피성), 과실 경도 등 특성의 대부분은 육종가의 감각에 의해 평가되고 있다.그러나, 이런 육종가의 감각에 의한 달관적(達觀的) 평가에서는, 실제의 과실에서 보이는 다양하고 연속적인 차이를 충분히 평가하지 못할 가능성이 높다. 또한, 박피성이나 과실 경도 등은 육종가가 과실의 어떠한 특징에 근거해 평가하고 있는지, 지표가 되는 과실의 형태적인 특징과의 관계은 분명하지 않았다.이에, 일본 도쿄대학교(University of Tokyo) 대학원 농업생명과학연구과 및 생체측정 및
향과 맛 사이의 상호작용은 화학적으로 매우 복잡하다. 음식에 있는 단맛, 신맛, 쓴맛 화합물은 혀의 미각 수용체와 상호작용하여 미각을 불러일으키고 코의 후각 수용체와 상호작용하는 휘발성 화합물은 향을 담당한다.음식의 고유한 맛 풍미(風味)를 위한 농작물 육종(育種)은 여러 가지 이유로 어려운 작업이다. 첫째, 과일 및 채소 식물 육종 프로그램은 생산자와 소비자 모두에게 어필할 수 있는 여러 가지 특성을 개선해야 한다.이러한 모든 형질을 포괄하는 최적의 유전적 조합을 만드는 것은 어렵기 때문에 육종 프로그램은 종종 질병 저항성 개선과
면역 체계에 의해 생성되는 작은 단백질인 항체는 바이러스를 무력화시키기 위해 바이러스의 특정 부분에 부착할 수 있다.과학자들이 코로나19(COVID-19)를 유발하는 바이러스인 SARS-CoV-2와 계속 싸우면서 한 가지 가능한 무기는 바이러스의 스파이크 단백질과 결합하여 바이러스가 인간 세포에 들어가는 것을 방지하는 합성 항체를 꼽고 있다.성공적인 합성 항체를 개발하기 위해 연구자들은 그 부착이 어떻게 일어나는지 정확히 이해해야 된다. 많은 주름을 포함하는 울퉁불퉁한 3D 구조를 가진 단백질은 수백만 가지 조합으로 서로 달라붙을
그래프 자료구조가 적용된 새로운 머신러닝 모델은 기존 신경망 기반 머신러닝 기법들과 달리, 데이터 사이의 연관 관계를 표현할 수 있어 페이스북, 구글, 링크드인, 우버 등, 대규모 소셜 네트워크 서비스(SNS)부터, 내비게이션, 신약개발 등 광범위한 분야와 응용에서 사용된다.예를 들면 그래프 구조로 저장된 사용자 네트워크를 분석하는 경우 일반적인 머신러닝으로 불가능했던 현실적인 상품 및 아이템 추천, 사람이 추론한 것 같은 친구 추천 등이 가능하다.이러한 신흥 그래프 기반 신경망 머신러닝은 그간 GPU와 같은 일반 머신러닝의 가속
KAIST(총장 이광형)는 바이오및뇌공학과 정기훈, 이도헌 교수 공동연구팀이 근적외선 기반 라이트필드 카메라와 인공지능(AI) 기술을 융합하여 얼굴의 감정표현을 구분하는 기술을 개발했다.라이트필드 카메라는 일반적인 카메라와 다르게 미세렌즈 배열(Microlens arrays)을 이미지센서 앞에 삽입해 손에 들 수 있을 정도로 작은 크기이지만 한 번의 촬영으로 빛의 공간 및 방향 정보를 획득한다.이를 통해 다시점 영상, 디지털 재초점, 3차원 영상 획득 등 다양한 영상 재구성이 가능하고 많은 활용 가능성으로 주목받고 있는 촬영 기술이
일반적으로 치매 치료에 사용할 수 있는 약물은 거의 없다. 임상 시험이 종종 실패하는 이유 중 하나는 환자에게 일단 증상이 발생하면 약물로 큰 변화를 일으키기에는 너무 늦을 수 있기 때문이다. 일반적으로 치매 초기에는 일상생활에 거의 지장이 없으며 단지 기억력 등의 인지 장애가 먼저 나타난다. 따라서 매우 초기 단계에서 개인의 병변을 예측하고 식별할 수 있는 능력을 갖는 것은 치매의 진행을 늦추는 적절한 치료와 처방이 전문의의 핵심이다. 이에 인공지능(AI)은 치매 증상이 나타나기 훨씬 전에 간단한 뇌 스캔을 통해 몇 년 전에 치매
의료 인공지능(AI)에서 연합학습(Federated Learning)은 개인 정보 등 민감한 임상 데이터를 서로 직접 공유할 필요 없이 개발자와 조직이 협업을 통해 여러 위치에 분산된 학습 데이터를 사용하여 심층신경망(DNN Deep Neural Networks)을 훈련시킬 수 있다.보통 의료 시나리오에 배치된 AI 알고리즘은 궁극적으로 임상 등급의 정확도에 도달해야 한다. 이는 적용되는 응용 프로그램의 표준을 충족하거나 능가한다는 의미인 것이다. 또 의료 전문가와 동일한 등급을 충족하는 모델을 학습하려면 AI 알고리즘에 많은 사례
"책상 위에 컴퓨터 모니터 앞에 있는 전화기 왼쪽에 볼펜이 있다" 이처럼 인간은 사물을 볼 때 사물과 사물 간의 관계를 이해하고 필요에 따라 그 항목에 따르는 작업을 수행할 수 있다.그러나 많은 인공지능 모델은 개별 객체 간의 얽힌 관계를 이해하지 못한다. 예를 들어, 부엌에서 누군가를 돕기 위해 설계된 서비스 로봇은 "스토브 왼쪽에 있는 주걱을 들어 도마 위에 올려놓으십시오!"와 같은 명령을 따르는 데 객체 간 관계에 대한 이해부족으로 작업을 진행할 수 없다.이 문제를 해결하기 위한 일환으로 미국 메사추세츠공과대학교(MIT) 컴퓨
신경계는 환경에서 정보를 추출하고 처리하여 동물의 행동과 생리를 변경한다. 다양한 자극이 뉴런 활동의 변화로 어떻게 표현되는지 이해하는 데 진전이 있음에도 불구하고, 이들이 광범위한 신경망 속성에 어떻게 영향을 미치는지에 대해서는 알려진 바가 적다.세계적인 생명과학 연구소인 솔크생물학연구소(Salk Institute for Biological Studies)의 스리칸스 찰라사니(Sreekanth Chalasani) 박사가 주도한 새로운 연구의 결과는 새로운 것 이상다. 그들은 과학자들이 뇌가 어떻게 기능하고 정보를 통합하는지 더 잘
국내 연구진이 낙상 사고로부터 신체를 보호하기 위한 인공지능 핵심기술을 개발했다. 고령인 및 노약자의 일상생활을 보조함에 따라 더욱 안전한 사회 건설에 큰 도움이 될 전망이다.한국전자통신연구원(ETRI)은 인공지능(AI)을 활용한 실시간 낙상 예측 및 감지기술을 개발했다.최근 고령화 사회로 급속하게 진입함에 따라 노인 질환 발생비율이 높아지고 있다. 조사에 따르면 노인골절>심장병>뇌졸중 순으로 노인 질환이 많이 발생하는 것으로 나타나 낙상 사고로 인한 골절을 예방하기 위한 연구개발이 활발하다.ETRI는 AI 기술을 적용해 신체 무게
진단이 매우 까다로운 것으로 알려진 골수에서 이상 백혈구가 생성되는 급성 종양 '급성백혈병'을 높은 정확도로 진단할 수 있는 인공지능(AI)모델을 개발한 연구결과가 발표돼 주목을 끌고 있다.가톨릭대학교 서울성모병원 유전진단검사센터 진단검사의학과 김용구∙김명신 교수와 인천성모병원 진단검사의학과 이재웅 교수 연구팀은 차세대염기서열분석법(NGS) 기반 RNA시퀀싱으로 분석한 급성백혈병의 전사체(Transcriptome, 유전체에서 생산되는 RNA 총체) 데이터의 유전자 발현량을 활용해 급성백혈병 3가지를 감별 진단하는 알고리즘을 머신러닝
서울대학교 공과대학(학장 이병호)은 전기정보공학부 노종선 교수 연구팀이 인공지능(AI)에서 데이터 프라이버시 보장을 위한 고정밀 암호화 기술을 개발했다.암호화된 상태로 연산을 수행할 수 있는 동형암호인 CKKS 알고리즘은 실수연산을 지원하여 기술을 통해 암호화된 데이터가 상용의 인공지능시스템에 적용되어 데이터의 프라이버시가 보장될 수 있는 획기적인 전기를 마련한 것이다.지금까지는 CKKS의 동형연산을 지속할 수 있도록 만들어주는 핵심 기술인 부트스트래핑 기법의 정확도가 충분하지 않아 심층신경망 연산을 처리할 정도의 많은 연산을 수행
유전자는 태어날 때만 유전되는 것이 아니다. 박테리아는 항생제 내성 확산의 주요 원인인 수평적 유전자 전달(horizontal gene transfer)이라는 과정을 통해 서로에게 유전자를 전달하거나 환경에서 선택하는 능력을 가지고 있다고 한다.코넬대학교(Cornell University) 연구팀은 인공지능(AI) 머신러닝을 사용하여 기능별로 유기체를 분류하고 이 정보를 사용하여 유전자가 유기체 간에 어떻게 전달되는지를 거의 완벽에 가까운 정확도로 예측했다.이는 잠재적으로 항생제 내성(antibiotic resistance)의