새로운 검색

검색결과가 만족스럽지 않을 경우 고급검색을 활용하세요.

검색
일반 분류
Exact matches only
제목에서 검색
내용에서 검색
Filter by Custom Post Type
Select all
카테고리 분류
이슈페이퍼
정책동향
기술동향
기관동향
지역정보
발간물
기타
지정된 날로부터
지정된 날까지
키워드 분류

인기키워드 코로나19빅데이터인공지능스마트시티미세먼지우주생명나노로봇양자통신

140 검색 결과: 인공지능

1

인공지능 전산 이미징 연구 성과

중국과학원 상하이광학정밀기계연구소 정보광학광전기술실험실은 독일 슈투트가르트 대학교(Universität Stuttgart) 응용광학연구소, 미국 매사추세츠공과대학교(Massachusetts Institute of Technology)와 공동으로 물리적 모델과 심층 신경망에 기반한 신형 전산 이미징(Computational imaging) 방법을 제안하고 실험적으로 검증했다. 대량의 라벨링 데이터가 필요 없이 신경망 트레이닝을 달성할 수 있는 해당 방법은 인공지능 기술의 전산 이미징 분야에서의 광범위한 응용을 효과적으로 촉진할 전망이다. 해당 성과는 “Light: Science & Applications”에 온라인으로 게재되었다.
딥러닝 기반 기술은 전산 이미징 분야에 널리 응용되었으며 위상 회복, 디지털 홀로그래픽(digital holographic), 단일 픽셀 이미징, 산란 이미징 등 여러 분야에서 일련의 눈부신 성과를 달성했다. 그러나 전통적인 딥러닝 기반 전산 이미징 방법은 주로 지도형 기계 학습 전략을 사용하기 때문에 신경망을 트레이닝하기 위한 대량의 라벨링 데이터를 확보해야 하며, 수집된 데이터의 양과 품질은 획득한 모델의 성능에 큰 영향을 미친다. 그러나 실제 응용에서 이러한 조건을 충족시키기 어렵다. 기존의 연구에서 이미징 시스템의 순방향 물리적 모델이 알려진 경우, 시뮬레이션을 통해 트레이닝 데이터를 생성할 수 있는 것으로 알려지었지만 신경망의 일반화는 항상 제한되었으며 획득한 모델은 트레이닝 세트와 유사한 장면에서만 좋은 결과를 얻을 수 있다.
딥러닝 기반 전산 이미징 방법에서 트레이닝 데이터 획득이 어렵고 모델 일반화가 제한되는 어려움을 해결하기 위해, 연구진은 물리적 모델과 신경망을 결합하는 방법(Physics-enhanced deep neural network, PhysenNet)을 제안하고 물리적 모델로 트레이닝 데이터를 대체함으로써 네트워크 매개변수의 최적화를 구동했다. 전통적인 데이터 구동의 엔드투엔드(End-to-End) 딥러닝 방법에 비해 PhysenNet는 트레이닝 데이터가 필요 없는 보편성을 구비한 방법이다. 모델 구동의 최적화 알고리즘과 비교하여, PhysenNet는 명시적 규칙항을 사용하지 않고도 병적 역문제(감지된 물리적 측정에서 원시물체 정보를 복구하고 감지 단계에서 위상 등 정보를 잃음)를 해결할 수 있다.
연구진은 전산 이미징의 전형적인 예(example)인 위상 이미징으로 해당 방법의 효과성을 검증했다. 연속 반복을 통해 신경망 출력 결과가 회절 전파와 측정 과정(물리적 모델)을 거친 후 계산으로 획득한 회절 강도 그래프를 점차 실제 측정한 회절 강도 그래프에 가깝도록 한다. 반복이 진행됨에 따라 신경망의 출력 결과도 실제 얻으려는 위상 물체에 접근한다(그림 1). 실험 결과(그림 2)에 따르면, 하나의 회절 강도 그래프만 사용하는 경우, PhysenNet의 복구 효과는 여러 개 탈초점면 사이에서 왕복으로 반복해야 하는 Gerchberg-Saxton(GS) 알고리즘의 복구 효과보다 우월하며 디지털 홀로그래픽 방법으로 복구한 효과에 가깝다. 해당 방법은 정방향 물리적 모델의 기존에 알려진 많은 전산 이미징 방법에 응용할 수 있다.

그림1: PhysenNet 원리도

그림2: 실험 결과
(a) 실험 장치 (b)와 (g)의 두 위상형 물체의 회절강도 그래프는 각각 (c)와 (h)이다. PhysenNet, 디지털 홀로그래픽 및 GS 방법을 이용하여 복구된 결과는 각각 (d)와 (i), (e)와 (j), (f)와 (k)이다.

2

인공지능을 통한 3차원 벡터 홀로그래피 구현의 새기술 개발

상하이이공대학교 좡쑹린(莊松林)/구민(顧敏) 연구팀은 최초로 기계학습 인버스디자인(machine-learning inverse design)을 이용해 3차원 벡터 홀로그래피(Three-dimensional vectorial holography)라는 신개념을 발명하였다. 해당 발명은 광학 홀로그래피 기술 분야의 획기적 성과이다. 동 발명에 기입된 기계학습 기반 인버스디자인은 1개 또는 여러 개 임의의 3차원 벡터 라이트필드(Light-field)를 정확하고도 신속하게 생성할 수 있기에 초광대역 홀로그래픽 디스플레이, 초안전 정보 암호화, 초용량 광저장, 초정밀 입자 조종 등 분야에 응용될 전망이다. 해당 성과는 “Science Advances”에 게재되었다.
빛은 전자기파로서 매질 중 전파와 동시에 전자기 및 자기장의 진동을 동반하는데 이를 빛의 벡터 특성이라 부른다. 광파(optical wave)의 횡파 특성으로 인해 빛의 진동은 일반적으로 전파방향과 수직되는 2차원 평면 위에 제한된다. 최근 연구를 통해 빛의 진동은 기존 2차원 평면의 제한으로부터 자유로울 수 있음을 발견하였다. 즉, 간섭을 통해 제3의 벡터 종방향 진동을 발생할 수 있다.
물리학적 측면에서 3차원 맥스웰 방정식(Maxwell’s Equation) 해법을 통해 1개의 3차원 벡터 라이트필드 분포를 순방향으로 획득할 수 있지만 그 제어가 어렵다. 세계적 난제로 남아있는 임의의 3차원 벡터 라이트필드 정밀 생성은 매우 복잡한 인버스디자인을 필요로 하는 등 인간의 지식·경험의 한계에 도전한다.
연구팀이 기계학습 인버스디자인을 이용해 최초로 구현한 3차원 벡터 홀로그래피는 3차원 홀로그램 중 각 픽셀 임의의 3차원 벡터상태에 대한 정밀 제어가 가능하다.
연구팀은 기계학습 기반 인공지능 새 기술을 통해 최초로 3차원 벡터광에 대한 조종을 구현함과 아울러 기계학습 알고리즘을 광학 홀로그래피에 확장시킴으로써 각 3차원 벡터광 정보에 대한 부호화, 전송, 복호화 등 전방위적 조종을 구현하였다. 이로써 기존 2차원 편광(polarized light)의 제한을 극복하였다.
기계학습은 광학설계에서 날로 중요한 역할을 담당하고 있다. 훈련을 거친 인공신경망은 임의의 3차원 벡터 라이트필드를 효과적이고도 신속하게 생성할 수 있을 뿐만 아니라 그 정확성이 100%에 달해 라이트필드 조종 효율을 대폭 향상시킨다.
해당 발명은 광학 홀로그래피를 위한 새로운 경로를 개척하였다. 연구팀은 최초로 홀로그래피에서 빛의 3차원 벡터상태가 독립적 정보 담체로 될 수 있음을 입증함과 아울러 정보 부호화 및 다중화(Multiplexing)를 달성하였다. 해당 발명은 광학 홀로그래피 기술 분야의 획기적 성과로서 차세대 초광대역, 초대용량, 초스피드 병렬처리 광학 홀로그래피 시스템에 기반을 마련함과 아울러 빛과 물질의 상호작용(예를 들어, 입자 조종) 심층적 이해에 참신한 플랫폼을 제공하였다.

3

중국의 인공지능 정책동향

코로나19가 기승을 부리고 있는 가운데, 인공지능(AI)으로 코로나 확산방지를 위한 중국 AI기업들의 노력이 주목받고 있다. 알리바바는 20초만에 감염여부를 판단할 수 있는 AI진료시스템을 개발하였고, 바이두는 코로나19 바이러스를 분석하는데 걸리는 시간을 55분에서 27초로 단축시켰다.
최근 몇 년간 중국의 인공지능은 대규모 자본과 데이터를 바탕으로 급성장 추세를 보이고 있다. 2018년 상반기 중국의 AI분야 융자액은 317억달러로 전 세계 435억달러 융자규모의 75%이상을 차지하며, AI 중국기업은 1,122개에 달하여 세계 2위를 달린다. 중국정보통신연구원과 Deloitte는 2020년 중국의 인공지능 시장규모가 710억 위안에 달할 것이며, 복합성장률이 44.5%를 유지할 것으로 예측하였다.
AI 강국 도약을 위해 중국정부는 관련 전략과 계획을 출범하여 활발하게 추진 중에 있다. 국무원의 “차세대 AI 발전계획”, 공업정보화부의 “차세대 AI산업발전촉진 3개년 행동계획” 등 정부차원에서 강력한 지원정책을 펼쳐 AI강국으로 매진 중이다. 중국은 인공지능 발전의 관건이 탄탄한 기술력과 인적자원 확보에 있음을 인식하고 인력양성을 전폭적으로 지원하는 한편 “천인계획” 등 글로벌 인재유치정책도 펼치고 있다.
한국도 “인공지능국가전략”(‘19.12)을 출범하고 다양한 AI 법·제도를 모색하고 있는 상황에서, 중국의 AI 정책동향을 파악하는 것은 중요한 현안이다. 본문은 중국의 인공지능 육성정책 추진과정과 기술수준 등을 분석하고 한국과의 협력 가능성을 도출하려 한다.
목차
Ⅰ. 배경
Ⅱ. AI 육성정책 및 프로그램
Ⅲ. AI 과기산출 및 인력투입
Ⅳ. 혁신 노력과 대표 기업들
Ⅴ. 시사점
이미지출처: http://www.elecfans.com/iot/1067340.html

4

세계 최초 척추측만증 대규모 인공지능 검사 시스템 개발

상하이교통대학교, 중산대학교 중산안과센터 및 시안전자과학기술대학교 공동연구팀은 세계 최소로 척추측만증 관련 대규모 인공지능 검사 기술을 개발하였다. 해당 성과는 “Development and validation of deep learning algorithms for scoliosis screening using backimages”라는 제목으로 “Communications Biology”에 게재되었다.
연구팀은 환자의 X-ray와 초음파 영상을 척추측만 골드표준 라벨로 하고 라벨을 부착한 외관 이미지에 대한 모델 훈련을 통해 최초로 등 외관 특징과 척추측만 심각도의 관계를 명확히 하고 등 노출 외관 사진에 기반한 척추측만 인공지능 검사 시스템을 구축했다. 아울러, 혁신적으로 객체 검출 네트워크를 이용하여 환자의 노출 등부위를 정위하고 다수의 합성곰 신경망을 이용하여 상이한 검사 작업의 요구를 충족시켰다. 해당 모델은 청소년의 척추측만 검사 및 치료 필요성 여부를 확정하고 척추측만 정도를 명확히 하는 등 3가지 분야에서 탁월한 성능을 구비했다.
해당 지능 시스템의 검사 정확도는 인간 전문가의 평균 수준에 도달했고 속도는 인공보다 훨씬 뛰어나며 대규모 척추측만 검사에 응용될 전망으로 중요한 의학적, 경제적 및 사회적 가치가 있다.

5

상부 소화관암의 인공지능 보조적 진단 시스템 개발

중산(中山)대학교 부속종양병원 연구팀은 완전한 자체 지식재산권을 보유한 상부 소화관암의 내시경 인공지능 보조적 진단 시스템(Gastrointestinal Cancer Endoscopy Real-time Artificial Intelligence Diagnostic System, GRAIDS)을 개발했다. 해당 성과는 2019년 10월 4일, “Real-time Artificial Intelligence for Detection of Upper Gastrointestinal Cancer by Endoscopy: a Multicentre, Case-control, Diagnostic Study”라는 제목으로 “Lancet Oncology”에 온라인으로 게재됐다.
중국의 상부 소화관암 환자는 전세계 상부 소화관암 환자의 약 50%를 차지하며 그중 85% 이상 환자가 처음 진단시 이미 중·말기이다. 상부 소화관 조기암 환자의 5년 생존율은 90% 이상이지만 상부 소화관 말기암 환자의 5년 생존율은 10%도 되지 않는다. 따라서 상부 소화관암의 조기 진단/치료는 치료효과를 향상시키는 핵심이다. 현재 내시경 검사 및 생체검사(biopsy)는 상부 소화관암을 조기 진단하는 주요 표준이다. 상부 소화관 조기암은 내시경 검사에서 뚜렷한 증상이 없으며 또한 내시경 의사의 수준 차이로 진단율은 10%도 되지 않는다. 따라서 정밀하고 효과적인 조기진단 방법 개발이 시급하다.
연구팀은 연구 초기단계에 5만여 장의 상부 소화관암 환자 내시경 영상과 12만여 장의 정상인 내시경 영상 식별 및 기계학습(Machine learning)을 완료했다. 또한 내시경 영상 식별이 어렵고 질병 종류가 다양하며 병변 증상이 복잡한 상황에서 심층 콘볼루션 신경망 기술 기반 연구를 통해 높은 정확성, 강한 안정성, 인간-기계 결합도가 높은 실시간 인공지능 보조적 검사 시스템을 개발했다. 동시에 클라우드 기술 기반 다중심 GRAIDS 플랫폼을 구축해 자동적으로 포획한 내시경 검사 이미지를 클라우드 단말기에 전송하여 분석할 수 있게 됐을 뿐만 아니라 실시간으로 검사자에게 의심되는 병소 부위 정보를 제공하여 검사자가 목적성으로 생검 부위를 선택함으로써 생검 양성률 진단 효율을 향상시킬 수 있다. GRAIDS 시스템으로 중국의 5개 다양한 지역, 다양한 급별의 병원에서 다중심 연구 검증을 통해 84,424명 환자의 103,6496장 내시경 영상을 식별/분석한 결과, 해당 시스템의 상부 소화관암 진단 정확률은 90% 이상에 달하고 진단 민감도(94.2%)는 전문가급 내시경 의사(94.5%) 수준에 도달했다. GRAIDS 시스템의 심층적 연구 보급과 더불어 상부 소화관 종양의 조기 진단/치료 수준이 향상되어 종양의 규모화 치료 및 의료전달체계 달성을 추진할 전망이다.