물리소식
- 등록일
- 2022-02-09
- 작성자
- 경북대학교 자연과학대학 물리학과
- 조회수
- 88
현대 물리학은 기계학습을 비롯한 다양한 인공지능 알고리즘을 활용하여 현재 강력한 시너지 효과를 경험하고 있으며, 이 두 가지 방법론이 점점 더 밀접한 관계를 맺으며 자연탐사를 위한 융합적 방법론이 모색되고 있습니다. 이에 따라 인공지능 관련 교육에 대한 관심이 크게 높아지고 있으며, 특히 물리학과 학부 및 대학원 교육 커리큘럼에서도 이를 반영하고자 하는 필요성이 제기되고 있습니다. 이러한 수요에 부응하기 위하여 한국 물리학회와 고등과학원 AI 기초과학센터 주관으로 물리 전공 교과의 특성과 연계성을 고려한 <물리학과 인공지능 겨울학교>를 개최합니다.
주요대상
겨울학교에 관심있는 모든 분께 열려 있으나, 강의 내용은 '선형대수학'을 수강하고 '파이썬'을 다룰 수 있는 대학생들이 이해하기 쉽습니다. 등록(무료) 후 수강할 수 있으며, 수강생이 너무 많을 경우 학부생에게 우선권을 드릴 예정입니다.
강의내용
⦁ 기계학습을 위한 수학과 통계 (조원상/서울대학교)
⦁ 선형회귀, 로지스틱회귀, 서포트벡터머신 (한정훈/성균관대학교)
⦁ 정보이론과 기계학습 (조정효/서울대학교)
⦁ 딥러닝과 양자 머신러닝 (방정호/한국전자통신연구원)
⦁ 생성모형과 통계물리 (김동희/광주과학기술원)
특별강연
⦁ 확률그래프 모형 (노영균/한양대학교)
⦁ 기계학습으로 불변 물리량 탐색 (하승웅/한국과학기술원)
⦁ 기계학습으로 비가역성 탐색 (김동겸/한국과학기술원)
⦁ 기계학습의 정보 흐름 시각화 (이성엽/서울대학교)
⦁ 볼츠만머신의 일반화와 확장모형 (황준오/서울대학교)
조직위원
최만수 (고려대학교)
조정효 (서울대학교)
한정훈 (성균관대학교)
김동희 (광주과학기술원)
방정호 (한국전자통신연구원)
조원상 (서울대학교)
연락처
고등과학원 류혜빈 (rhbpurple@kias.re.kr)
주관
한국물리학회, 고등과학원 AI 기초과학센터
21일 (월) 조정효
|
22일 (화) 조원상 |
23일 (수) 한정훈 |
24일 (목) 김동희 |
25일 (금) 방정호 | |
|---|---|---|---|---|---|
10:00 - 11:00 |
조원상 |
한정훈 (선형회귀) |
조정효 (기초 정보이론) |
방정호 |
방정호 |
11:10 - 12:10 |
조원상
|
한정훈 (로지스틱회귀) |
조정효 (정보병목이론) |
방정호 |
방정호 |
12:10 - 1:30
|
점심 |
점심 |
점심 |
점심 |
점심 |
1:30 - 2:30 |
조원상
|
한정훈 (SVM) |
조정효 (정보기하학) |
김동희 (기초 통계물리) |
김동희 (제한 볼츠만 머신) |
2:40 - 3:40 |
조원상
|
한정훈 (SVM) |
조정효 (쿨벡-라이블러 발산) |
김동희 (에너지-기반 모형) |
김동희 (오토 인코더) |
4:00 - 5:00
|
노영균 |
하승웅 |
이성엽 |
김동겸 |
황준오 |
유튜브 강의 접속 방법 및 질의 게시판 안내
◦ 등록을 못 하셨거나 혹은 입장 가능 인원의 한계 등의 이유로 줌 강의실에 접속을 못 하시는 분들은,
다음의 유튜브 중계를 이용하실 수 있습니다.
◦ 접속 링크 (채널이름: School of Computational Sciences, KIAS)
21일 https://youtu.be/ouHHZqEyuoo
22일 https://youtu.be/ssIdP7OtZl8
23일 https://youtu.be/V5AvJKo6VIQ
24일 https://youtu.be/iIvBCBxk640
25일 https://youtu.be/EH3smP8F5Ok
◦ 강연 화면의 촬영 및 녹화는 허용되지 않습니다.
◦ 본 구글 공유문서 링크를 통해서 질문 및 코멘트를 남길 수 있습니다.
강의내용
⦁ 기계학습을 위한 수학과 통계 (조원상/서울대학교)
◦ 기초확률론과 확률분포 (Probability and Probability Density Functions)
◦ 다차원 확률변수와 독립, 상관, 인과 관계 분석 (Independence, Correlation, and Causality)
◦ 차원의 축소와 유효차원 (Dimensionality Reduction and Effective Dimensionality)
◦ 최적화 이론 (Optimization)
⦁ 선형회귀, 로지스틱회귀, 서포트벡터머신 (한정훈/성균관대학교)
◦ 선형회귀 (Linear Regression)
◦ 로지스틱 회귀 (Logistic Regression)
◦ 서포트벡터 머신 (Support Vector Machine, SVM)
⦁ 정보이론과 기계학습 (조정효/서울대학교)
◦ 기초 정보이론 (Information Theory)
◦ 정보 병목이론 (Information Bottleneck Theory)
◦ 정보 기하학 (Information Geometry)
◦ 쿨백-라이블러 발산 (Kullback-Leibler Divergence)
⦁ 딥러닝과 양자 머신러닝 (방정호/한국전자통신연구원)
◦ 딥러닝 (Deep Learning)
◦ 양자 머신러닝 (Quantum Machine Learning)
⦁ 생성모형과 통계물리 (김동희/광주과학기술원)
◦ 기초 통계물리 (Basic Statistical Physics)
◦ 에너지 기반 모형 (Energy-based Models)
◦ 제한 볼츠만 머신 (Restricted Boltzmann Machine)
◦ 자기부호화기 (Autoencoder)
특별강연
⦁ 확률그래프모델 (노영균/한양대학교)
- ◦ 본 강의에서는 고차원 데이터를 위한 확률 모델을 만들 때 나타나는 직관적이지 않은 현상들을 소개하고 이러한
- 현상들을 고려하기 위해 확률모델이 갖추어야 하는 요소를 설명한다. 이에 대한 해법을 원리적으로 제시하고 있
- 는 확률그래프모델을 소개하고, 확률그래프모델의 개념과 표현 방식, 확률그래프모델을 이용한 간단한 학습과
- 추론의 방법에 대해 소개한다.
⦁ 기계학습으로 불변 물리량 탐색 (하승웅/한국과학기술원)
- ◦ 최근, 물리학을 비롯한 자연과학의 다양한 분야에서, 인공지능과 신경망을 이용하여 과학적인 발견을 이뤄내거
- 나 중요한 통계량을 발견하는 시도가 활발히 이루어지고 있다. 본 강의에서는 주어진 고차원 데이터로부터 물리
- 학의 근간이 되는 물리량 중 하나인 불변량(invariant)을 찾아내는 시도에 관한 연구들을 소개한다.
⦁ 기계학습의 정보 흐름 시각화 (이성엽/서울대학교)
- ◦ 딥러닝은 우수한 표현 능력을 인정받아 최근 가장 많이 쓰이고 있는 기계학습 모형이지만 그 내부를 이해하고
- 해석하는 것은 어려운 문제이다. 본 강의에서는 딥러닝 내부에서의 정보 흐름을 시각화하는 기법을 소개하고
- 정보 병목 이론에 입각한 분석과 응용 연구를 소개한다.
⦁ 기계학습으로 비가역성 탐색 (김동겸/한국과학기술원)
