특허 개요
본 특허는 과거 사건의 기록으로부터 다음 사건의 발생 시점과 종류를 예측하는 방법 및 분석장치입니다. 사건의 시점과 유형을 함께 다루는 마크 시간점 과정(MTPP)을 기반으로, 각 이벤트의 유형에 따라 초기 은닉 상태를 생성하고 신경 상미분 방정식(Neural ODE)으로 독립·병렬 전개한 뒤 시간별 영향 함수로 변환합니다. 이 영향 함수를 softplus로 변환·합산하여 기본 강도 함수를 구하고, softmax로 결합하여 이벤트 종류의 확률 분포를 산출합니다. 기본 강도와 이를 시간 적분한 보상자, 종류별 확률 분포를 이용해 미래 이벤트를 예측합니다.
- 핵심 기능
과거 이벤트마다 유형에 따른 초기 은닉 상태를 만들고, 신경 상미분 방정식으로 시간에 따른 상태 변화를 독립·병렬 계산하여 이벤트별 영향 함수를 산출합니다. 영향 함수들을 결합해 이벤트 발생 강도와 종류별 확률을 구하고, 발생 강도의 시간 적분값을 이용해 미래 발생 시점과 유형을 예측합니다.
- 차별 강점
기존 신경망 기반 이벤트 예측은 개별 이벤트의 영향을 구분해 해석하는 데 한계가 있었고, 기존 미분방정식 기반 시간점 과정은 전체 시간 범위를 순차 계산해야 하는 학습 부담이 있었습니다. 본 기술은 이벤트별 은닉 상태를 분리·병렬 전개하고 발생 강도와 종류별 확률을 별도로 구성하며, 미분방정식 해와 수치 적분을 함께 산출해 별도 샘플링에 의존하는 적분 계산 부담을 완화합니다.
- 활용 범위
기술·연구 측면에서는 소셜 미디어 이벤트, 임상 방문 기록, 금융 이벤트, 장비 모니터링 및 온라인 플랫폼 사용자 상호작용의 시점·유형 예측에 활용 가능합니다. 사업 측면에서는 리트윗·사용자 행동 분석 서비스, 헬스케어 예측 분석, 금융 이벤트 분석 및 장비 모니터링 플랫폼으로 확장할 수 있습니다.
연구 개발 단계
Dec-ODE를 실제 이벤트 데이터세트에서 NLL·RMSE·ACC로 평가하여 대부분의 경우 THP·IFL·ANHP보다 우수한 성능을 보고했으며, 별도 응용 실험에서는 Enc-ODE와 멀티모달 입력을 이용한 알츠하이머 바이오마커 예측 결과를 제시했습니다. 의료 현장·장비 모니터링 환경의 전향적 검증, 외부 데이터 재현성 및 장기 서비스 운영 성능은 명시되지 않았습니다.
- 평가 데이터: Reddit·Stack Overflow·MIMIC-II·MOOC·Retweet 이벤트 기록 및 ADNI PET 기반 뇌 영역별 AMY·FDG·TAU SUVR 데이터
- 비교 모델: 이벤트 예측의 THP·IFL·ANHP, 바이오마커 예측의 RNN·Transformer·Mamba
- 평가 방식: Dec-ODE 이벤트 예측의 NLL·RMSE·ACC 평가 및 Enc-ODE 멀티모달 바이오마커 예측의 RMSE·MAE 평가
현재 성과
실제 이벤트 데이터세트 평가에서 Dec-ODE가 대부분의 경우 THP·IFL·ANHP보다 우수한 성능을 보였다고 보고했습니다. 이벤트 발생 시점과 유형을 예측하는 성과이며, 구체적인 정량 개선 폭은 제공된 근거에 없어 도입 대상 데이터에서의 성능은 PoC로 확인해야 합니다.
Reddit·Stack Overflow·MIMIC-II·MOOC·Retweet 데이터에서 NLL·RMSE·ACC를 기준으로 기존 이벤트 예측 모델과 비교했습니다. 별도 응용인 ADNI 기반 바이오마커 예측에서는 멀티모달 Enc-ODE를 RNN·Transformer·Mamba와 비교했으나, 실제 현장 배포 수준의 검증은 명시되지 않았습니다.
각 과거 이벤트를 독립적인 은닉 상태 동역학으로 전개하여 개별 이벤트의 기여를 반영하고 병렬 계산할 수 있도록 구성했습니다. 동일한 이벤트별 영향 함수를 발생 강도와 종류별 확률에 각각 결합하고, 미분방정식 해와 수치 적분을 함께 산출하는 구조가 기존 순차 계산 및 별도 샘플링 기반 접근과의 차별점입니다.
상용화까지 남은 부분
의료 현장 또는 장비 모니터링 환경에서의 전향적 예측 성능 검증
외부 데이터에 대한 예측 성능 재현성 확인
장기 운영 성능과 실제 서비스 배포 수준의 검증
기술 이전 형태·도입 과정
도입은 이렇게 진행됩니다.
검토 미팅
귀사 상황·데이터 구조 기준으로 적합성을 논의합니다. 자료 검토만으로 끝나도 됩니다.
PoC 공동 검증
연구팀 동행 하에 귀사 데이터 기준 재학습·성능을 확인합니다.
라이센싱 계약
PoC 결과를 기반으로 희망 형태(실시권·공동연구 등)를 협의합니다.
기술지도·후속
도입 초기 기술지도, 필요 시 후속 공동연구·정부과제 연계까지 진행합니다.
특허 정보
분리된 마크 시간점 과정을 이용한 미래 이벤트 발생 예측 방법 및 분석장치
10-2025-0108586 (2025.08.06)
1020260073241 (2026.05.21)
미등록 (심사 중)
김원화, 송유지, 백승훈, 이동현
포항공과대학교 산학협력단