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: 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 One the other hand, LLMs demonstrate significant capabilities but face challenges such as hallucination, outdated knowledge, and nontransparent, untraceable reasoning processes.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 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.

1. 일시: 2023년 11월 20일(월), 14:00-16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

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

3. 발표자: 정희원 박사(DESILO)

4. 주요내용: Understanding ZKP Trends on Blockchain

   블록체인은 중앙 서버 없이 안전한 운영을 가능하게 하는 시스템으로, 모든 거래를 공개하고 모든 노드가 각각 검증합니다. 그러나 이러한 설계 사상으로 인해 본질적으로 거래의 프라이버시와 확장성 측면에서 일부 한계를 가지고 있습니다. 최근에는 이러한 문제를 극복하기 위해 영지식 증명 (Zero-Knowledge Proofs) 및 계산 검증 (Verifiable Computation) 암호학 기법을 활용하는 연구가 활발히 진행되고 있으며, 이에 따라 암호학 분야에서도 많은 연구 결과가 발표되고 있습니다. 본 강연에서는 영지식 증명 및 계산 검증 기법을 활용한 블록체인 연구 트렌드에 대해 다룹니다. 이 트렌드는 크게 시기에 따라 세 가지 주제로 나눌 수 있으며, 각 주제에 따라 블록체인이 직면한 문제와 해결책을 간략히 설명하고 해당 분야의 최신 연구 결과를 소개합니다.

5. Confidential Transaction: 블록체인 거래의 완벽한 공개성은 사용자의 프라이버시 (잔고, 거래내역 등) 가 노출될 위험성이 있습니다. 이 문제를 해결하기 위해 영지식 증명을 활용하여 거래 내용을 숨기면서도 거래의 유효성을 검증할 수 있는 연구가 진행되었습니다.

6. Rollup (Layer 2): 블록체인은 빠른 거래 처리를 위해 확장성 문제에 직면합니다. 이를 극복하기 위해 계산 검증 기법을 사용하여 일부 거래 처리를 오프 체인으로 옮기는 연구가 진행되고 있고, 이를 통해 블록체인 네트워크의 성능을 향상시킬 수 있습니다.

7. Succinct Blockchain: 블록체인은 시간이 지남에 따라 저장해야 하는 공간이 늘어나게 됩니다. 이를 극복하기 위해 계산 검증 기법을 사용하여 노드의 저장 공간을 줄이는 연구가 진행되고 있고, 이를 통해 체인 사이즈를 줄일 수 있습니다.

*신청 페이지에서 유튜브 스트리밍 예정입니다.

1. 일시: 2023년 10월 20일(금), 10:30-12:30

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

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

3. 발표자:천성우 교수(고려대학교 세종캠퍼스)

4. 주요내용: A Human-like Neural Tactile Sensing and Perception System

The human finger is the most sensitive tactile sensor, and the engineering realization of human tactile perception mechanism is a key technology of the future virtual reality world in which the tactile sense is synchronized. Human skin can detect physical stimuli including pressure and vibration sensitively and selectively through different types of cutaneous mechanoreceptors. In biological sensory systems, tactile stimuli are converted to action potentials through somatosensory transduction and the resulting signals are transmitted via afferent nerves. While slow adaptive (SA) mechanoreceptors generate voltage spikes in different rates and patterns depending on the strength of the sustained stimulus such as static pressure, fast adaptive (FA) mechanoreceptors generate most voltage spikes at initial contact and final release of physical stimuli due to their vibration-sensitive characteristics. These signals are delivered separately, and then integrated for multi-level information on tactile perception in the brain. There have been attempts to mimic the complex human tactile perception systems and implement them engineeringly, however, constructing such systems with human-like capabilities remains challenging. In this talk, I will introduce a method for designing a tactile sensor that mimics the function of human tactile mechanoreceptors and discuss a core idea for mechanically or electrically stimulating the skin to deliver realistic tactile information to the central nervous system. Finally, I will suggest that authoring tactile signals for each object is essential for implementing tactile interfaces in electronic communication devices.

*유튜브 스트리밍 예정입니다.

1. 일시: 2023년 8월 31일(목), 14:00-16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

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

3. 발표자: 전종하 박사(하나금융융합기술원)

4. 주요내용: AI기반 신용평가 모형의 현재와 향후 연구 방향 (부제-ExACT: Explainable AI driven Credit Scoring Technology)

최근 국내외 많은 금융기관 및 핀테크 기업들이 개인 혹은 기업들의 신용과 리스크를 평가하기 위한 AI모형을 도입하였고 그로 인해 전통적인 통계 및 수리 모형과 비교하여 부도 및 파산에 대한 예측 성능 향상이라는 목표를 달성하였다. 예측 성능 향상으로 인해 고객(개인/기업)들의 연체율을 보다 정확하게 측정하고 관리할 수 있게 되었지만 그럼에도 불구하고 모형의 설명가능성, 강건성 및 모형이 개발되어 운영 및 재학습되는 CI/CD 단계까지 아직도 많은 연구가 필요한 시점이다. 이번 발표에서는 국내외의 AI기반 신용평가모형이 어디까지 도달해 있는지 살펴보고 현재 어떠한 연구들을 진행하고 있는지 더 나아가 앞으로 어떠한 연구들을 진행해야 하는지 다루도록 하겠다.

*현장 강의만 진행예정입니다.

1. 일시: 2023년 7월 10일(월), 10:30-12:30

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

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

3. 발표자: 강승현 박사(위대한 상상(요기요))

4. 주요내용: 운성관리 시스템 및 VRP에 대하여-물류 최적화에 대한 알고리즘 및 기대효과에 대한 전반적인 소개

TMS(Transportation Management System)이란 실제 상품의 이동과 관련된 최적화, 관제 및 지표 관리 등에 관한 모든 것을 관리하는 시스템 입니다. 운송관리 시스템에 가장 핵심이 되는 알고리즘은 VRP(Vehicle Routing Problem)로써 그 중에 가장 대표적인 외판원 문제(TSP) 부터가 다항시간내에 정답을 찾을 수 없다는 NP hard 문제로 유명합니다. 이런 운송 최적화 알고리즘은 택배 최적화, 새벽배송 최적화, 퀵커머스, 푸드 커머스 최적화 등 다양한 전반적인 물류 관련된 최적화에 핵심적인 알고리즘으로써 다양한 산업 분야에서 서로 다른 방법론을 가지고 상업화 하여 사용하고 있습니다. 현재의 컴퓨팅 파워로는 제한 시간 내에 정답을 구할 수가 없기 때문에 다양한 이론들과 다양한 경험적인 사실들 등을 통해 정답은 아니지만 정답에 가까운 near-optimal solution을 빠른 시간 내에 구하는 다양한 방법론들이 나와있고 이에 대한 간략한 소개를 하려고 합니다.

*현장 강의만 진행예정입니다.

1. 일시: 2023년 6월 8일(목), 13:00-15:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

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

3. 발표자: 채민우 교수(포항공과대학교)

4. 주요내용: Statistical perspective of deep generative models

In the first part of this talk, we will provide a brief introduction to deep generative models, such as the variational autoencoder (VAE), generative adversarial networks (GAN), normalizing flows, and score-based methods, from a statistician's viewpoint. In the second part, we will focus on statistical theory for deep generative models, with an emphasis on VAE and GAN type estimators. Both VAE and GAN estimators achieve the minimax optimal rate in a classical nonparametric density estimation framework. Additionally, we will consider a structured distribution estimation where the target distribution is concentrated around a low-dimensional structure, allowing for singularity to the Lebesgue measure. The convergence rates of both estimators depend solely on the structure of the true distribution and the noise level. Moreover, GAN achieves a faster convergence rate than VAE. Finally, we will discuss the minimax optimal rate of the structured distribution estimation under consideration.

*현장 강의만 진행예정입니다.