자신의 신분에 맞는 로그인화면을 선택하세요.
닫기

물리학과

물리학이란 자연에서 일어나는 모든 현상에 내재되어 있는 근본 원리를
찾아 이해하고 예측하는 자연과학분야의 대표적인 학문입니다.

물리소식

물리학과 인공지능 겨울학교 개최(한국물리학회, 고등과학원 주관)
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 <물리학 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 
  •        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)