1. 일시: 2024.3.7.(목), 14:00~16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 이지형 교수(성균관대학교)

4. 주요내용: Language Models and Code Intelligence

자연어처리를 위한 대규모언어모델이 개발되고 활용됨과 더불어 프로그램코드 처리를 위한 대규모언어모델이 많이 활용되고 있다. 프로그램코드는 자연어와 마찬가지로 순차적데이터로 기존의 자연어를 위한 대규모모델을 그대로 활용할 수 있다. 그러나, 프로그램코드는 순차적데이터이고도 하지만, 여러가지 측면에서 자연어와는 다른 특성을 갖고 있다. 우선 엄격한 문법을 따르고 있다는 것과 의미적 모호성이 없고, 프로그램코드의 생성의 경우 입력에 대하여 정확한 생성인지 아닌지에 대한 명확한 기준이 존재한다는 것이다. 이러한 특성으로 자연어 처리와 다른 여러가지 처리 방식이 개발되고 있다. 본 세미나에서는 자연어와 프로그램코드의 차이, 프로그램코드 처리를 위한 언어모델과 최근 관심을 받고 있는 연구주제에 대해서 소개한다.

*유튜브 스트리밍 예정입니다.

1. 일시: 2024년 2월 27일(화), 10:30 - 12:30
2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실
   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.
3. 발표자: 이해성 교수(국립금오공과대학교 수리빅데이터학과)
4. 주요내용: Introduction to stochastic differential equations

Stochastic differential equations (SDEs) are widely used in finance, physics, and engineering and have recently played an important role in image generation through artificial intelligence. In this seminar, we will learn the basic concepts of SDEs. In particular, we will define stochastic integrals based on Brownian motions and martingales, and use the Itô formula to compute solutions to several SDEs. Furthermore, we will derive semigroups through the Markov property of solutions to SDEs and investigate invariant measures for the semigroups. Finally, we will explore the relation between partial differential equations (PDEs) and SDEs and study the recent theory for constructing a solution to the SDE from a partial differential operator.

*현장 강연으로만 진행됩니다.

1. 일시: 2024.2.22.(목), 14:00~16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 예종철 교수(카이스트)

4. 주요내용: ENLARGING THE CAPABILITY OF DIFFUSION INVERSE SOLVERS BY GUIDANCE

The recent advent of diffusion models has led to significant progress in solving inverse problems, leveraging these models as effective generative priors. Nonetheless, challenges related to the ill-posed nature of such problems remain, such as 3D extension and overcoming inherent ambiguities in measurements. In this talk, we introduce strategies to address these issues. First, to enable 3D extension using only 2D diffusion models, we propose a novel approach using two perpendicular pre-trained 2D diffusion models which guides each solver to solve the 3D inverse problem. Specifically, by modeling the 3D data distribution as a product of 2D distributions sliced in different directions, our method effectively addresses the curse of dimensionality from the image guidance from the perpendicular direction. Second, drawing inspiration from the human ability to resolve visual ambiguities through perceptual biases, we introduce a novel latent diffusion inverse solver by incorporating guidance by text prompts. Specifically, our method applies the textual deion of the preconception of the solution during the reverse sampling phase, of which deion is dynamically reinforced through null-text optimization for adaptive negation. Our comprehensive experimental results show that our method successfully mitigates ambiguity in latent diffusion inverse solvers, enhancing their effectiveness and accuracy.

*유튜브 스트리밍 예정입니다.

1. 일시: 2024년 2월 14일(수), 13:30 - 15:30
2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실
   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.
3. 발표자: 이효섭 부대표(㈜인코어드테크놀로지스)
4. 주요내용: 재생에너지 입찰과 발전량 예측

전세계적으로 재생에너지의 확산이 에너지 시장의 변화를 가속화시키고 있습니다. 이 발표는 전력시장의 변화에 따른 재생에너지 입찰 개념을 소개하며, 발전량 예측과 입찰 최적화라는 핵심 기술에 주목합니다. 복잡한 기상 조건과 시장 수요의 불확실성을 고려하여 재생에너지 발전량을 예측하고, 입찰가를 결정하기 위한 최적화 전략을 상세히 설명합니다. 이 과정에서 활용되는 다양한 수학적 모델과 알고리즘을 소개하며, 대량의 데이터와 어떻게 통합되어 전체 시스템의 효율적인 운영을 지원하는지를 설명합니다.

*현장 강연으로만 진행됩니다.

1. 일시:❍ 2024.2.1.(목), 14:00~16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 김경훈 대표(코어닷투데이)

4. 주요내용: Next Normal - Humans and AI Collaborate: Toron AI and AI Perfumer

최근 인공지능(AI) 기술의 발전은 기존에 상상조차 하지 못했던 창의적이고 혁신적인 가능성을 제시하고 있습니다. 특히 생성형 AI는 텍스트, 이미지, 시계열 등 다양한 데이터 분야에서 인간과 유사한 창조력을 발휘하며 놀라운 성과를 이루고 있습니다. 이러한 맥락에서, 본 강연은 두 개의 발전된 AI 시스템, 토론 AI 김컴재와 AI 조향사 센트리아를 중심으로, 생성형 AI의 현재 상황과 미래에 대해 논의하며, 다음의 두 가지 사항을 고려합니다. 첫째, 토론 AI 김컴재와 AI 조향사 센트리아의 대화와 토론을 통해 생성형 AI가 우리 사회와 산업에 미치는 영향과 가능성을 탐색합니다. 이를 통해 생성형 AI의 기술적 진보와 그로 인해 생겨난 새로운 기회를 이해합니다. 둘째, 생성형 AI의 윤리적, 사회적 측면에 대해 조명합니다. 무엇보다 생성형 AI의 발전이 미치는 영향과 이에 대한 사회적 대응은 무엇보다 중요한 논의 주제입니다. 이를 통해 생성형 AI의 위험과 제약사항, 그리고 이를 극복하기 위한 방안을 탐색합니다. 본 강연은 생성형 AI의 미래를 선도할 기술적 혁신과 사회적 대응 방안을 고민해 보고, 유익한 통찰과 함께 뜻깊은 논의의 기회를 제공합니다.

*유튜브 스트리밍 예정입니다.

1. 일시: 2024년 1월 26일(금), 10:00 - 12:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 서상현 박사(㈜엘지경영개발원)

4. 주요내용: Instruction Tuning and Retrieval-Augmented Generation for Large Language Models

In this seminar, I will present research trends on Large Language Models(LLMs), g on instruction tuning and Retrieval-Augmented Generation (RAG). Recently, LLMs have been proposed by pretraining Transformer models over large-scale corpora and have shown strong capabilities in solving various natural language processing (NLP) tasks. instruction tuning is a crucial technique to enhance the capabilities and controllability of LLMs. Instruction tuning bridges the gap between the next-word prediction objective of LLMs and the users’ objective of having LLMs adhere to human instructions. One the other hand, LLMs demonstrate significant capabilities but face challenges such as hallucination, outdated knowledge, and nontransparent, untraceable reasoning processes. RAG has emerged as a promising solution by incorporating knowledge from external databases. This presentation will help you understand the core technologies and applications of the latest LLMs.

*유튜브 스트리밍 예정입니다.

1. 일시: 2024년 1월 23일(화), 14:00 - 16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 김대열 교수(경남대학교)

4. 주요내용: Innovative Non-Contact Vital Sign Monitoring through rPPG: Principles, Developments, and Future Applications

rPPG(remote Photoplethysmography) 는 비접촉식 활력징후 모니터링 방법으로 COVID-19 대유행 이후 점점 더 많은 관심을 받고 있습니다. rPPG 는 복잡한 수학적 알고리즘으로 혈류와 관련된 피부색의 변화를 해석하는 방법입니다. 이 기술을 활용하여 카메라를 사용하여 심박수, 호흡수 및 산소 포화도를 획득할 수 있습니다. 본 강연에서는 rPPG의 배경과 기본적인 원리, 그리고 최신동향 마지막으로 현재의 한계와 문제점을 공유하고 rPPG의 미래 발전 방향을 소개합니다.

• rPPG 배경과 기본 원리 : 피부의 멜라닌과 혈액 내의 헤모글로빈의 광학적 특성에 따른 rPPG의 타당성에 대한 소개를 진행합니다.

• rPPG 최신 동향 : 차분 영상 기법부터 Transformer 기법을 이용한 방법까지 소개하며, 현재 모바일에서 알고리즘 적용을 위한 노력을 소개합니다.

• rPPG 문제점 공유 : 다양한 Open Dataset 갖는 문제, 그리고 수 많은 논문들의 재현성 이슈를 다룹니다.

• rPPG 미래 발전 방향 : rPPG를 이용하여 조기 검출 할 수 있는 가능성을 갖는 질병들과 활력 징후들을 소개합니다.

*유튜브 스트리밍 예정입니다.

1. 일시: 2024년 1월 17일(수), 14:00 - 16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 이승규 교수(고려대학교)

4. 주요내용: Gradient flows and its numerical method

In this talk, I will present several mathematical modeling instances employing gradient flows and associated numerical schemes for its fundamental equations. A gradient flow is a curve that follows the steepest descent direction of a function within a metric space. It has been a valuable tool in the analysis of ODEs and PDEs. Recently, gradient flows under various distances have also been emerged for potential use in machine learning or generative modelling. Given that the solution of gradient flows can be expressed as the minimization of an energy functional that is lower semi-continuous and bounded below, the development of a numerical method ensuring energy dissapation or energy non-increasing, commonly referred to as an unconditionally (energy) gradient stable scheme, becomes a critical consideration. For a practical demenstration of the numerical method, the Allen-Cahn and Cahn-Hilliard equations will be employed as examples.

*유튜브 스트리밍 예정입니다.

1. 일시: 2023년 12월 14일(목), 14:00-16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 현윤석(인하대학교)

4. 주요내용: Siamese Networks in Computer Vision

   In the realm of computer vision, the Siamese network has emerged as a powerful paradigm, revolutionizing image processing and analysis. The primary objective of a Siamese network is to learn a similarity metric between pairs of input samples. The Siamese architecture, characterized by its unique structure of shared weights between twin networks, has proven to be highly effective in tasks such as image similarity, object tracking, depth estimation, and facial recognition. Recently, in the context of self-supervised learning in computer vision, Siamese networks are often employed to train models without relying on traditional labeled datasets. Instead, they exploit the inherent structure or relationships within the data to learn meaningful representations. This seminar delves into the intricacies of Siamese networks and explores their application in various computer vision tasks, including recent works on self-supervised representation learning and other interesting topics.

*유튜브 스트리밍 예정입니다.

1. 일시: 2023년 12월 7일(목), 11:00-13:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 김자광 박사(PIMS, UBC)

4. 주요내용: Understanding adversarial robustness via optimal transport perspective: theory and numeric

In this talk, I will present the recent progress of understanding adversarial multiclass classification problems, motivated by the empirical observation of the sensitivity of neural networks by small adversarial attacks. Based on 'distributional robust optimization' framework, we obtain reformulations of adversarial training problem: 'generalized barycenter problem' and a family of multimarginal optimal transport problems. These new theoretical results reveal a rich geometric structure of adversarial training problems in multiclass classification and extend recent results restricted to the binary classification setting. From this optimal transport perspective understanding, we prove the existence of robust classifiers by using the duality of the reformulations. Furthermore, based on these optimal transport reformulations, we provide two efficient approximate methods which provide a lower bound of the optimal adversarial risk. The basic idea is the truncation of effective interactions between classes: with small adversarial budget, high-order interactions(high-order barycenters) disappear, which helps consider only lower order tensor computations.

*유튜브 스트리밍 예정입니다.