단순 연결 정보→복잡한 고차원 연결 정보 파악

작성일 08-05

<div id="layerTranslateNotice" style="display:none;"></div> KAIST 연구팀, 숨겨진 다자 간 관계 추적·복원 AI ‘마리오’ 개발 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="V3SuDE5rlO">
 [아이뉴스24 정종오 기자] 단순화된 연결 정보에만 의존하던 기존 접근 방식에서 벗어나 실제 세계의 복잡한 고차원 연결 관계를 정밀하게 활용할 가능성이 열렸다. 복원된 고차원 상호작용을 통해 각 객체와 이들 사이의 관계에 대한 입체적이고 풍부한 이해가 가능해진다.
 이를 바탕으로 분류, 예측, 군집화, 이상 탐지 등 다양한 작업에서의 성능 개선을 달성할 수 있을 것으로 기대한다. 단체 대화나 협업 네트워크를 다루는 소셜 네트워크 분석, 단백질 복합체나 유전자 간 상호작용을 분석하는 생명과학, 다중 뇌 영역 간 동시 활동을 추적하는 뇌과학 등 다양한 분야에서 폭넓게 활용될 것으로 전망된다.
 한국과학기술원(KAIST) 연구팀이 불완전한 정보만으로도 고차원 상호작용을 정밀하게 복원하는 AI‘마리오(MARIOH)’를 개발했다. 소셜 네트워크, 뇌과학, 생명과학 등 다양한 분야에서 혁신적 분석 가능성을 열었다.
 <figure class="figure_frm origin_fig" contents-hash="bb5c7981872c94d9369c2d11a3082e701243b9d417fb4cc95bbaf44d042f6ad8" dmcf-pid="6uWBsm3Ilw" dmcf-ptype="figure">
 <img alt="MARIOH 기술을 활용하면 고차원 관계를 복원할 수 있다. [사진=KAIST]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202508/05/inews24/20250805093841833qozm.jpg" data-org-width="580" dmcf-mid="2DhpkcXDyI" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202508/05/inews24/20250805093841833qozm.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 MARIOH 기술을 활용하면 고차원 관계를 복원할 수 있다. [사진=KAIST]
 </figcaption>
 </figure>
 KAIST(총장 이광형)는 김재철AI대학원의 신기정 교수 연구팀이 저차원 상호작용 정보만으로 고차원 상호작용 구조를 높은 정확도로 복원할 수 있는 인공지능 기술인 ‘마리오(MARIOH, Multiplicity-Aware Hypergraph Reconstruction)’를 개발했다고 5일 발표했다.
 고차원 상호작용 복원이 어려운 이유는 동일한 저차원 상호작용 구조로부터 파생될 수 있는 고차원 상호작용의 가능성이 매우 크기 때문이다.
 연구팀이 개발한 MARIOH의 핵심 아이디어는 저차원 상호작용의 다중도(multiplicity) 정보를 활용해 해당 구조로부터 파생될 수 있는 고차원 상호작용의 후보 수를 획기적으로 줄이는 데 있다.
 효율적 탐색 기법을 통해 유망한 상호작용 후보를 신속하게 식별하고 다중도 기반의 심층 학습 기술을 활용해 각 후보가 실제 고차원 상호작용일 가능성을 정확하게 예측한다.
 연구팀은 10개의 다양한 실세계 데이터셋을 대상으로 한 실험 결과, MARIOH는 기존 기술 대비 최대 74% 높은 정확도로 고차원 상호작용을 복원하는 데 성공했다.
 예컨대 논문 공저 관계 데이터(출처: DBLP)에서는 98% 이상의 복원 정확도를 달성해 약 86% 수준에 머무는 기존 기술을 크게 앞질렀다. 복원된 고차원 구조를 활용하면 예측, 분류 등 다양한 작업에서의 성능이 향상되는 것으로 나타났다.
 신기정 교수는 “MARIOH는 단순화된 연결 정보 정보에만 의존하던 기존 접근에서 벗어나 실제 세계의 복잡한 연결 관계를 정밀하게 활용할 가능성을 열어 준다”며 “단체 대화나 협업 네트워크를 다루는 소셜 네트워크 분석, 단백질 복합체나 유전자 간 상호작용을 분석하는 생명과학, 다중 뇌 영역 사이 동시 활동을 추적하는 뇌과학 등 다양한 분야에서 폭넓게 활용될 수 있을 것”이라고 설명했다.
 KAIST 김재철AI대학원의 이규한 석박통합과정(GraphAI 소프트웨어 엔지니어)과 이건 석박사통합과정, 신기정 교수가 저자로 참여한 이번 연구(논문명: MARIOH: Multiplicity-Aware Hypergraph Reconstruction)는 지난 5월에 홍콩에서 열린 제41회 IEEE 국제 데이터공학 학회(IEEE International Conference on Data Engineering, IEEE ICDE)에서 발표됐다.
 <address contents-hash="d35d8fc2c7d9c0918211c0e8f7118ea80aeef3a5794da35e80c582d756910d40" dmcf-pid="XPuRXHf5yg" dmcf-ptype="general">/정종오 기자(ikokid@inews24.com)
</address>
 </section> 
 </div> 
 Copyright © 아이뉴스24. 무단전재 및 재배포 금지.

등록된 댓글이 없습니다.

로그인한 회원만 댓글 등록이 가능합니다.

먹튀폴리스

단순 연결 정보→복잡한 고차원 연결 정보 파악

멤버랭킹

관련자료

멤버랭킹