본 사업은 자연과학 연구소의 관리·지원 체계를 내실화하고, 데이터혁명 시대에 맞춘 “데이터 디스커버리” 기반 연구로 패러다임 전환을 추진하는 대학 단위 사업단 연구임. 연구목표는 학과-전공 칸막이식 구조를 넘어 공동연구 환경을 조성하고, LAMP 신진인력의 안정적 성장을 지원하며, 신설 “데이터디스커버리과학연구소”를 통해 AI in Science 혁신을 달성하는 데 있음. 연구내용은 연구소 평가·개편 및 조사·총괄 지원, LAMP교원 25명 중심 조기 출범, 공동콜로키움·성과교류, 통계데이터과학센터 설립임. 기대효과는 SCI 논문 100편 이상, 학제간 공동연구 40편 이상, 데이터디스커버리 연구비 수주 40건 이상, LAMP 포닥 정규직 취업 20명 이상으로 제시됨.

변수 간의 함수/인과관계를 모델링할 수 있는 다양한 방향성 비순환 그래피컬 모델 학습 방법을 개발하고 해당 방법의 이론적 특성을 연구한다.

변수 간의 함수/인과관계를 모델링할 수 있는 다양한 방향성 비순환 그래피컬 모델 학습 방법을 개발하고 해당 방법의 이론적 특성을 연구한다.

그래프를 이용하여 데이터를 분석하는 방법은 데이터 변수 간의 확률적 관계를 기반으로 데이터의 구조적 특성 및 상관관계(correlation), 함수관계(functional relationship), 인과관계(causal relationship)를 파악할 수 있어, 설명 변수와 목적 변수를 쉽게 구분할 수 있고, 변수 간의 관계를 시각적으로 표현할 수 있어, 직관적으로 이해하기 쉬운 모델링이 가능하다. 이를 더욱 발전시킬 수 있도록 다음 8가지 세부연구와 추가적인 응용연구를 진행한다. 연구내용 1: 가우시안 마코프 랜덤 필드 학습을 위한 혼합 방법 연구내용 2: 로버스트성 가우시안 선형구조방정식 학습 연구내용 3: L1-벌점화 선형 모델을 이용한 고차원 선형구조방정식 학습 연구내용 4: 벌점화 모델을 이용한 조밀하게 연결된 그래피컬 모델 학습 연구내용 5: 조건부 독립검정 방법을 이용한 고차원 비가우시안 선형구조방정식 학습 연구내용 6: 역방향 오더링 탐색을 이용한 포아송 방향성 비순환 그래피컬 모델학습 연구내용 7: 오염된 데이터를 위한 Anchored 비순환 그래피컬 모델 식별성 및 학습방법 연구