[융합대학원 런치타임 세미나] 계산과학과 인공지능 (21.08.31) 후기

 

학교에서 매주마다 교수님들을 모셔서, 점심 시간에 세미나를 진행한다.

 

오늘은 관심있었던 주제로 예전에 수업을 수강했던 적도 있었던 교수님이 세미나를 진행하시기에 들어가서 청강했었다.

 

후기를 짧게 남겨보았다.

 

 

최민석 교수님의 수치해석과 확률모델링 수업을 들었었던 적이 있다. 고생했던 기억 한 가득..@_@

 

마스크랑 식권도 받았다

 

세미나는 약 50분정도 진행되었고, 전통적인 수치해석을 통한 연구에서 최신 인공지능을 활용한 연구로써 어떠한 흐름으로 넘어갔는지 순서로 진행되었다.

 

[1] 전통적인 수치해석

 - FEM / FVM / FDM 등과 알고리즘 개발을 통해 FLOPS 및 computational order를 낮추려는 시도

 - Low dimensional problem에서는 가능하였다.

 - Curse of dimension

 - 좋은 컴퓨터의 쓰레기 알고리즘을 쓰는 것 보다 쓰레기 컴퓨터의 좋은 알고리즘을 쓰는게 낫다.,

 

 

[2] 인공지능

 - NN의 성공적인 적용 및 high dimensional problem에서의 용이성

 - "Seems to work well" 이라는 표현을 썼다. 수학과에서는 항상 convergence에 대한 관심이 있었는데, 아직 그런 단계까지 연구가 되지 않았다는 것을 알게 되었다.

 - 공학에서 원하는 엄밀성의 수준과 순수 수학에서 바라보는 잣대가 달랐다.

 - 현재 내 연구의 Application 측면에서는 수학에서 바라보는 것만큼의 큰 엄밀함은 필요하지 않았다. 그래도 적용해볼 수 있으면 좋을 것 같다라는 생각이 들었다.

 - 21년도 Nature 에 Physics Informed Machine Learning 관련 paper가 출간되었고, 나중에 한번 읽어볼 만한 가치가 있을 것 같다.

 - 화공과 강인석 교수님의 오래전 관련 논문도 있었다는 것을 알 수 있었다. 시대를 너무 앞서가신 것 같다.

 

결국 domain의 complexity가 올라갈 수록 그것을 해결하기 위한 새로운 돌파구로써 인공지능이 주목을 받고 있다는 이야기이다.

 

내 원래 전공에서도 이러한 trend가 있기도 하고, 현재 주제도 ML을 접목시키는 연구를 진행하고 있어서 크게 생소한 이야기는 없었던 세미나였다.

 

몇 가지 키워드를 건져 왔다.

 

# Physics-informed machine learning (Review paper), Nature 2021

# Generative model

 

끝.