AI 이론연구그룹 (STAG)

현대의 빠르게 변화하는 머신러닝 이론은 다양하고 폭 넓은 수학적 도구를 활용하는 성격이 강하다. 학내의 이론중심 연구를 하는 구성원들이 본 센터를 통해 다음과 같은 연구를 협력하여 수행할 것이다.

• 1 AI Foundation
  • 종속성이 있는 고차원 변수 데이터에 적용 가능한 베이즈 모형의 개발과 적용
  • 제약과 가능한 통계적 추론의 범위에 대한 이해
  • Stochastic Gradient Descent를 변형한 비대칭적 알고리즘을 통한 최적화 성능 개선 및 머신러닝 효율 개선
  • 시장 데이터를 사용하는 측면에서 금융 상품의 hedging 기술을 개발. 머신러닝 방법을 통해 효율적으로 개선시키는 알고리즘 및 Markowitz 포트폴리오 관리 이론의 구현
  • Topological data analysis를 활용한 feature discovery
• 2 AI Technology
  • 실제 물리적 시스템에 적용 가능한 강화학습 기술 개발 및 이론적 체계 구축: 탐색 능력, 학습 속도 및 안전성 향상
  • ML 모델의 경량화 (pruning), 양자화 (quantization), 구조탐색 (neural architecture search) 등을 위한 조합최적화 알고리즘 및 black-box zeroth-order optimization 연구
• 3 AI Enhancement
  • 최적화 관점에서 머신러닝 훈련의 이해 및 가속화
  • 빠르게 현실화되고 있는 양자컴퓨터를 활용하여 일반적인 데이터의 기계학습의 효율성을 향상
  • 안전한 AI기술 개발: Stability Analysis 기반을 둔 안전한 AI모델의 이론적 프레임워크 개발 및 이를 구현하는 알고리즘 개발
  • 설명가능한 AI 기술 분야 교수님들과 협력하여 구현된 기계학습 및 AI 알고리즘의 안정성 분석