SRC 10대 과제

1. 구조화된 모형학습을 위한 분산처리 기반기술
개발
임요한
선도연구센터 SRC
1

2. 임요한 | 구조화된 모형학습을 위한 분산처리 기반기술 개발
I
II
III
IV
연구의 주제 및 성격
연구의 선도성
연구의 융합성
연구 실적 목록
V 향후 계획
목차

3. 임요한 | 구조화된 모형학습을 위한 분산처리 기반기술 개발
구조화된 모형학습을 위한 분산처리 기반기술 개발
자료에 내재된 구조를 활용하면 보다 효율적인 통계적 추론 및 고속 계산이 가능. 추론 과정
을 병렬화된 알고리즘으로 근사, 구현하여 고차원 대용량 자료 분석에 적용
연구의 주제 및 성격 – 구조화된 모형학습을 위한 분산처리 기반기술 개발
1단계: 구조가 있는
자료의 모델링
4단계: 실제 데이터
적용
3단계: 고성능 분산
처리 컴퓨팅 구현
2단계: 병렬
알고리즘 개발
[Modeling
Structured Data]
[Parallel Algorithm]
[Distributed
Computing]
[Application]
Fused LASSO
시공간 –
Hidden Markov
Random Field
𝐴𝑥 = 𝑏, 𝐴 is a
structured
matrix
Composite
likelihood
Hadoop /
MapReduce
GPU
시공간자료
대용량 Omics
자료
뇌과학 자료

4. 임요한 | 구조화된 모형학습을 위한 분산처리 기반기술 개발
구조화된 모형학습을 위한 분산처리 기반기술 개발
• Fused LASSO 병렬화 절차 개발 : 현존하는 가장 빠른 알고리즘으로 현재 1-D까지 진행, 2-D에서도
근원적 단계부터 개선중
• 시공간– Hidden Markov Random Field의 Block Maximum Likelihood Estimator 제안 : 통계적 효율성이
이론적으로 증명된 composite likelihood 기반의 estimator를 제안
연구의 선도성 – 거대자료로부터 지식을 창출하기 위해 병렬화기법으로 효율성 극대화
연구주제의 선도성 연구방법의 선도성
계산 효율성이 떨어져 거대
자료에 대한 통계 모형 적합이
곤란
기존 연구 한계
통계적 효율성이 이론적으로
증명된 composite likelihood
기반의 estimator를 적용
새로운 통계적 방법론을
이용하여 데이터 분석
과정에서의 효율성을 극대화
연구성과의 선도성
브레인스토밍 등 전문가의
비과학적 방법론에 의존
데이터 분석의 효율성 극대화
기존 연구 한계
이론적으로 검증된 기법 적용
기존 연구 한계
복잡한 거대자료를 첨단
기법으로 분석하여 지식-
정보화 사회의 선도적 지식
창출
거대자료를 이용한 지식 창출
효율성에 대한 이론적인
측면의 검증 부족

5. 임요한 | 구조화된 모형학습을 위한 분산처리 기반기술 개발
구조화된 모형학습을 위한 분산처리 기반기술 개발
• 거대자료로부터 효율적으로 지식을 창출하기 위해, 이론적 배경인 기반 기술 지식과 구체적 알고
리즘을 제공하는 과학적∙공학적 방법론의 융합성 강조
연구의 융합성 – 기반 이론 및 기술 개발 단계부터 실제 적용과의 융합성 고려
연구 주제의 융합성
구조화된 모형
학습의 분산처리 기술 및
통계패키지 개발
의학, 기상학
 데이터 분석
알고리즘의
기초이론 개발
통계학
 고성능 컴퓨팅
기반기술 제공
컴퓨터 과학
 스펙트럼 자료, 뇌자료,
시공간 기상 자료 등
거대자료 및 지식 제공
 실제 활용가치 점검
연구 과정의 융합성
알고리즘 구현을 위한
고성능 컴퓨팅 기반 기술
개발
알고
리즘
및
패키지
개발
컴퓨팅
기반
기술
개발
고성능 알고리즘의 이론
확립 및 데이터 분석 협동
연구 주관
알고리즘 개발(통계학)
기술 개발(컴퓨터과학)
알고리즘 및 기반 기술 개발, 지식 창
출 등 전분야에서 타 팀들과 협업
통계패키지(SRC-stat)를
통한 자료분석 툴박스 제공
거대자료를 이용하여
새로운 지식 창출
지식
창출
지식 창출(의학,기상학)
연구 인력의 융합성
 복잡한 통계 모형의 효율적인 계산
방법에 대한 연구 수행
 다양한 분야의 통계 분석 모형 개발
통계학(임요한 교수 연구팀)
각 분야의 전문 지식과 풍부한 경험을
갖춘 우수 연구 인력들이 협업
 병렬처리 기법 등 첨단 고성능
컴퓨팅 기반 기술 연구 수행
컴퓨터공학(xxx교수 연구팀)
 고해상도 뇌영상 자료, 시공간 기상
자료 등에 대한 연구 수행
의학(김유경교수 연구팀) 및
기상학(오희석/이재용교수 연구팀)

6. 임요한 | 구조화된 모형학습을 위한 분산처리 기반기술 개발
구조화된 모형학습을 위한 분산처리 기반기술 개발
• 주제와 관련된 다양한 연구를 진행하였으며, 초기의 이론적 기반에 대한 연구 단계를 거쳐 다른 팀
들과의 공동연구 단계로 확대∙발전시킬 예정
연구 실적 목록 – 학술지 실적
논문명 게재연월 저널명 구분
Input permutation method to detect active voxels in fMRI study 201212 Magnetic Resonance Imaging SCIE
Parameter estimation in the spatial auto-logistic model with
varying independent subblocks
201212
Computational Statistics &
Data Analysis
SCIE
Distinguishing between genotoxic and non-genotoxic
hepatocarcinogens by gene expression profiling and
bioinformatic pathway analysis
201310 Scientific Reports SCIE
Investigating the different mechanisms of genotoxic and non-
genotoxic carcinogens by a gene set analysis
201401 PLoS ONE SCIE
Senescing human bone-marrow-derived clonal mesenchymal
stem cells have altered lysophospholipid composition and
functionality
201403
Journal of Proteome
Research
SCI
Detection of Pancreatic Cancer Biomarkers Using Mass
Spectrometry
201411 Cancer Informatics -
Asymptotically efficient parameter estimation in hidden Markov
spatio-temporal random fields
201501 Statistica Sinica SCI
High-dimensional fused lasso regression using majorization-
minimization and parallel processing
201503
Journal of Computational and
Graphical Statistics
SCIE
Two Sample Test for High Dimensional Partially Paired Data 게재승인
Journal of
Applied Statistics
SCIE
Some properties of generalized fused lasso and its applications
to high dimensional data
게재승인
Journal of Korean
Statistical Society
SCIE

7. 임요한 | 구조화된 모형학습을 위한 분산처리 기반기술 개발
구조화된 모형학습을 위한 분산처리 기반기술 개발
• 분산처리 기반기술 개발은 현재 3단계 과정 중 2단계 과제를 진행 중에 있으며, 이를 바탕으로 대용
량 고차원 자료 분석을 위한 자료 분석 툴박스를 개발하는 한편, 이를 실제 자료 분석에 적용하여
새로운 지식을 창출할 계획
향후 계획 – 추진 로드맵
진행 완료
1단계
(2011~2013)
진행중
2단계
(2014~2015)
기획중3단계
(2016~2017)
알고리즘에 대한 이론적 기반 확립
 Fused LASSO 분산학습에 대한 이론 개발
 시공간 정보를 반영한 MLE 등에 대한 일반이론 개발
이론적 기반의 확장, 알고리즘 구현
 컴퓨팅 기술 기반을 활용하여 Fused LASSO 1-D 직렬구조의 분산학습
알고리즘 및 시공간 HMRF 모형 추정 알고리즘 구현
 병렬처리 기법 개발을 위한 prototype 구현
이론 고도화, 자료 분석 툴박스 개발 및 대용량자료를 이용한 새로운 지식 창출
 분산처리 이론을 1-D 직렬구조에서 2-D 병렬구조로 확장
 R라이브러리 개발 및 SRC-stat에 공급
 개발된 알고리즘을 대용량 고차원 자료에 적용하여 새로운 지식 창출