최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Jing G.,Wang P.,Wu H.,Ren J.,Xie Z.,Liu J.,Ye H.,Li Y.,Fan D.,Chen S.
2022 / Photonics Research
데이터가 존재하지 않습니다.
loading...
본 연구는 메타표면 역설계의 계산 비용 문제를 해결하기 위해 물리 기반 신경망 대리 모델(NNSM)과 최적화 알고리즘을 결합한 새로운 방법을 제안합니다. NNSM은 메타 원자의 기하학적 구조로부터 정확한 전자기 응답을 생성하며, 이를 통해 빠르고 정확한 위상 예측 및 역설계를 가능하게 합니다. 제안된 방법은 200 Gbit/s 쿼드라처 위상 편이 변조 신호 전송 실험에서 낮은 비트 오류율을 달성하며, 다른 마이크로/나노 장치에도 적용될 수 있음을 입증했습니다.
Parallel algorithms and architectures for DSP applications
Image models (and their speech model cousins)
Engineering applications of bio-inspired artificial neural networks ; International Work-Conference on Artificial and Natural Neural Networks, IWANN'99, :proceedings
The internet of materials
Metamaterial inspired electromagnetic applications : role of intelligent systems
Numerical simulation-based design : theory and methods
Performance-driven surrogate modeling of high-frequency structures
Application of surrogate-based global optimization to aerodynamic design
Machine learning for medical image reconstruction : 4th International Workshop, MLMIR 2021, held in conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings
Parallel image analysis : second international conference, ICPIA '92, Ube, Japan, December 1992 : proceedings
Fields, networks, computational methods, and systems in modern electrodynamics : a tribute to Leopold B. Felsen
Computer Recognition Systems 4
Nano-net : third international conference, Nanonet 2008, Boston, MS, USA, September 14-16, 2008, revised selected papers
Computational optimization and applications in engineering and industry
Digital image processing methods
Information processing in medical imaging : 15th International Conference, IPMI'97, Poultney, Vermont, USA, June 9-13, 1997 : proceedings
Metaheuristics in machine learning : theory and applications
Energy minimization methods in computer vision and pattern recognition : international workshop EMMCVPR'97, Venice, Italy, May 21-23, 1997 : proceedings
Inverse problems in scattering and imaging : proceedings of a NATO Advanced Research Workshop held at Cape Cod, USA, 14-19 April 1991
Reduced-order modeling (ROM) for simulation and optimization : powerful algorithms as key enablers for scientific computing
IEEE Transactions on Antennas and Propagation
Zhang J.W.,Zhang Z.,Zhang J.,Wu J.W.,Dai J.Y.,Cheng Q.,Cheng Q.S.,Cui T.J.Journal of Micromechanics and Microengineering
Ma, C.; Yang, F.; Chen, J.; Ren, Q.; Ma, Y.; Wang, N.; Wang, Z.; Zhang, H.Journal of Nanophotonics
Panda, Soumyashree S.; Kumar, Sushil; Tripathi, Devdutt; Hegde, Ravi S.Nanophotonics
Jiang J.,Fan J.A.ACS Applied Materials and Interfaces
Lin, Q.; Li, C.; Chen, J.; Han, Y.Optica
Kanmaz T.B.,Ozturk E.,Demir H.V.,Gunduz-Demir C.IEEE Transactions on Antennas and Propagation
Naseri P.,Pearson S.,Wang Z.,Hum S.V.Materials and Design
Zhou W.,Wang S.,Wu Q.,Xu X.,Huang X.,Huang G.,Liu Y.,Fan Z.IEEE Antennas and Wireless Propagation Letters
Yuan L.,Wang L.,Yang X.S.,Huang H.,Wang B.Z.Journal of Electromagnetic Engineering and Science
김종훈; Hong Ic-PyoJournal of Electromagnetic Engineering and Science
Jong-Hoon Kim; Ic-Pyo HongOptics Express
Genhao W.,Liming S.,Haoyang X.,Rong N.,Zhuang Y.,Houjun S.,Ding J.Nature Communications
Zhu R.,Qiu T.,Wang J.,Sui S.,Hao C.,Liu T.,Li Y.,Feng M.,Zhang A.,Qiu C.W.,Qu S.Journal of Optics
Chao Qian; Hongsheng ChenACS Photonics
Zhou M.,Liu D.,Belling S.W.,Cheng H.,Kats M.A.,Fan S.,Povinelli M.L.,Yu Z.Applied Physics A: Materials Science and Processing
Ghorbani, F.; Shabanpour, J.; Beyraghi, S.; Soleimani, H.; Oraizi, H.; Soleimani, M.Advanced Optical Materials
Li Y.,Zhang Y.,Wang Y.,Li J.,Jiang X.,Yang G.,Zhang K.,Yuan Y.,Fu J.,Di X.G.,Wang C.Nano Letters
Noh, J.; Kim, J.; Rho, J.BIOMIMETICS
Edee, KofiNANOPHOTONICS
Shalaginov, Mikhail Y.; Campbell, Sawyer D.; An, Sensong; Zhang, Yifei; Rios, Carlos; Whiting, Eric B.; Wu, Yuhao; Kang, Lei; Zheng, Bowen; Fowler, Clayton; Zhang, Hualiang; Werner, Douglas H.; Hu, Juejun; Gu, Tian전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
역해석 문제(Inverse Problems)는 관측 데이터를 바탕으로 정보를 추출하고 미지의 매개변수를 규명하기 위한 근본적인 수학적 틀을 제공하며, 데이터 처리, 이미징, 모니터링, 최적 설계 등 다양한 과학 및 공학 분야에서 발생한다. 본 교과목은 영상 처리, 지반 탐사, 손상 탐지, 장치 최적화 등의 응용을 통해 이론적 기초와 실제 구현을 다루며, 목적 함수, 정규화 항, 해법 알고리즘의 선택이 재구성 품질과 계산 효율성에 어떤 영향을 미치는지를 탐구한다. 특히 공학 설계 응용에 중점을 두어, 편미분방정식으로 구속된 역해석 문제를 정식화하고 해결하는 이론적 이해와 응용법을 소개한다. 노이즈가 포함된 제한적인 관측으로부터 미지의 매개변수 분포를 규명하거나, 구조물의 기하적 특성 혹은 경계 조건을 찾는 문제를 주로 다룬다. 본 교과목의 주요 학습 목표는 다음과 같다: - 수학적 기초: 역해석 문제의 ill-posedness 및 non-uniqueness를 이해한다. - 정규화 이론: Tikhonov 정규화, Total Variation 기법, 혼합 접근법 등을 적용하여 역해석 문제를 wellposed 문제로 변환한다. - 최적화 기법: gradient 기반 및 Newton-type 알고리즘을 구현하여 비선형 역해석 문제를 효율적으로 해결한다. - 민감도 해석: Adjoint 기반 기법을 활용하여 gradient와 Hessian을 효율적으로 계산하고 대규모 문제 해결에 적용한다. - 문제 정식화: 적절한 목적 함수를 설계하고, 정규화 기법을 선택하며, 물리적 제약 조건이나 제작 가능성을 반영한 설계 전략을 수립한다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
이 교과목은 대학원생들을 대상으로, 현재 사용되고 있는 최신 암호 알고리즘을 설명한다. 이 과목은 다음과 같이 두 부분으로 구성된다: 첫째, DES, IDEA, RC5, RC6 와 같은 블록 암호 알고리즘들을 각각 키(key) 생성, 암호화, 복호화 하는 과정으로 설명한다. 둘째, 전자 서명에 근거한 다양한 인증 기법을 소개한다. DMDC, MD5, SHA-1, HMAC 와 같은 다양한 해쉬(hash) 함수를 사용하여 문장을 축약하고 인증하는 방식을 제시한다.전선 / 대학원
푸리에 광학, 회절, 공간 광 변조기, 스펙트럼 분석, 공간 필터, 음향광학, 헤테로다인 스펙트럼 분석, 공간적분 코릴레이터, 시간적분 시스템, 광 컴퓨팅, 광변환, 홀로그램, 광민감 효과, 지연신호처리.전선 / 대학원
Hartog 현상, 정칙대역 및 Levi 문제, 폴리-디스크 상의 적분 공식, Bochner-Martinelli 적분, Bergman 핵함수, 다중준조화함수, 의사볼록 영역, 미분형식에 관한 Cauchy-Riemann 방정식의 Hoermander의 해 등을 배운다.전선 / 대학원
본 과목은 유한 차원 및 무한 차원 벡터 공간에서의 최적화를 통합적으로 다루며, 최적화와 머신러닝 사이의 상호작용에 중점을 둔다. 최적화 알고리즘은 머신러닝의 핵심 역할을 하며 (예: 주어진 데이터셋으로부터 모델을 학습시킬 때) 동시에 고차원 최적화 문제를 풀기 위해 머신러닝 모델이 최근 많이 활용되고 있다 (예: 물리 시스템의 지배 방정식을 무한 차원 최적화 문제의 해로 재구성한 다음, 머신러닝 알고리즘을 사용하여 이에 수반되는 고차원 최적화 문제를 해결하려는 시도). 본 과목에서는 머신러닝 분야에서 필요로 하는 최적화 이론 및 알고리즘과 동시에, 복잡한 최적화 문제를 풀 수 있는 머신러닝 기법들에 대해 심도있게 다룬다.전선 / 대학원
본 교과목은 단순한 질의응답을 넘어, 스스로 목표를 설정하고, 도구를 사용하며, 복잡한 과업을 자율적으로 수행하는 ‘에이전트(Agentic)' AI의 설계 원리와 구현 방법론을 심층적으로 다룬다. 기존의 LLM(Large Language Model)이 가진 한계를 극복하고, LLM을 ‘추론 엔진'으로 활용하여 실제 세계와 상호작용하는 지능형 시스템을 구축하는 데 초점을 둔다. 수강생들은 단일 에이전트의 핵심 구성 요소인 사고-행동-관찰(Reasoning-Acting-Observation) 루프, 동적 도구 사용(Tool Use), 장단기 기억(Memory) 메커니즘을 학습한다. 나아가 여러 에이전트가 협력하여 인간의 개입을 최소화하면서 복잡한 문제를 해결하는 멀티 에이전트 시스템(Multi-Agent System)의 설계 패턴(예: 계층적, 협력적)과 통신 프로토콜을 배운다. LangChain, AutoGen, CrewAI와 같은 최신 프레임 워크를 활용한 실습을 통해, 에이전트 아키텍처 설계부터 정교한 프롬프트 체이닝, 실행 루프 구현까지의 전 과정을 경험하며, 차세대 AI 애플리케이션을 개발할 수 있는 실전 역량을 배양하는 것을 목표로 한다.전선 / 대학원
해당과목은 공학분야에서 중요한 통계적 데이터 처리, 통계적 공학해석, 통계기반 공학설계 이슈들을 다룬다. 통계적 데이터 처리에서는 공학통계, 통계적 데이터 처리의 정성적, 정량적 접근법과 베이지안 통계학을 배운다. 통계적 공학해석은 신뢰성함수, 위험도함수, 가속수명시험, 불확실성 해석, 신뢰성해석, 건전성 진단 및 예지기술을 배운다. 통계기반 설계에서는 통계기반 민감도 해석, 반응함수법, 신뢰성기반 최적설계를 다룬다. 끝으로 공학시스템의 건전성 모니터링기술을 간단히 다룬다.전선 / 학사
편미분방정식의 가장 기초적 이론들을 고전적 방정식들의 예를 들어 소개한다. 구체적으로 다룰 내용들은 일계준선형 편미분방정식이론, 국소해의 존재성과 유일성, Cauchy-Kovalevsky 정리, Laplace 방정식, 최대치원리, Harnack 부등식, Hilbert 공간의 방법론, 변분원리 등이다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전선 / 대학원
멀티스케일 현상을 이용하는 전형적인 소자 및 시스템인 MEMS(Micro Electro Mechanical Systems) 및 NEMS(Nano Electro Mechanical Systems)를 직접 제작, 측정 하는 실험 및 실습과목이다. 나노 및 마이크로 현상을 이용하는 각종 공정의 원리 및 공정의 설계 방식을 습득하고 top-down 및 bottom-up 방식의 제작 중 전형적인 접근방식들을 실제로 구현하고 비교한다.전선 / 대학원
본 교과목은 단순히 기존의 가속기를 활용하는 수준을 넘어, 차세대 AI 반도체 분야의 창업 및 핵심 개발에 필요한 맞춤형 AI 추론 엔진 개발 능력을 배양하는 것을 목표로 한다. 이를 위해 최첨단 설계 방법론인‘알고리즘-소프트웨어-하드웨어 통합 설계(Co-design)'에 대한 깊이 있는 이론과 실전 경험을 제공한다. 수강생들은 GPU와 같은 범용 하드웨어의 한계를 이해하고, 특정 LLM 알고리즘에 최적화된 하드웨어를 직접 설계함으로써 전력, 비용, 속도 측면에서 압도적인 경쟁력을 갖춘 엣지 AI 솔루션을 구현하는 방법을 학습한다. 특히, 최신 경량화 기술인 저비트 양자화(Low-bit Quantization) 기법을 알고리즘 단계에서 적용하고, 이를 C++ 기반의 고수준 합성(High-Level Synthesis, HLS)을 통해 FPGA 상에 하드웨어 로직으로 구현하는 전 과정을 실습한다. 최종적으로는 SoC(System on Chip) 환경에서 프로세서(PS)와 프로그래머블 로직(PL)을 연동하여 완전한 LLM 추론 가속 시스템을 구축하는 프로젝트를 통해, 아이디어를 실제 하드웨어 프로토타입으로 구현하는 역량을 완성한다.전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 한다.전선 / 대학원
개인별 약물유전체학적 정보 및 외인적 요인 등을 통합하여 환자별 맞춤약물요법을 연구하고 적용하는 데 필요한 지식을 습득한다.전필 / 학사
기본적으로 선형회귀모형을 주어진 자료에 적합시키는 방법을 소개하며, 모형모수에 대한 추론도 다룬다. 이 과목에서 다루는 주제를 나열하면, 단순선형회귀, 다중선형회귀, 모형적합진단, 가중선형회귀, 변수변환, 회귀진단, 레버리지 및 영향점 탐지, 범주형변수를 위한 회귀분석기법, 다중공선성, 변수선택 및 모형선택, 비선형회귀, 일반화선형모형, 인공신경망 등이다.전선 / 대학원
컴퓨터그래픽스 전반에 걸쳐 기본적인 개념들을 설명한다. 컴퓨터 그래픽스의 기본적인 렌더링 파이프라인, 물체들을 표현하는 여러 가지 방법, 빛을 나타내는 방법, 레이트레이싱, 볼륨렌더링 등의 특수한 렌더링 방법, 그림자나 질감을 나타내는 방법에 대해서 개론 형식으로 강의한다.전선 / 대학원
본 강좌에서는 최근에 이르러 급속한 발전을 이루고 있는 나노광학의 기본과 응용을 함께 다루도록 한다. 인공적인 광결정 구조, 금속과 유전체의 계면에서 발생하는 플라즈몬, 메타물질 등의 이해와 그 원리, 측정, 설계, 가공 등을 학습하며, 응용으로서는 느린 빛, 음굴절 물질, 투명 망또, EM filed mapping및 비선형 현상 등을 다루도록 한다. 본 강좌를 통하여 수강생들에게 나노광학전반에 대한 심도 깊은 이해와 더불어 그 응용에 필요한 설계방법을 전달하며, 선수과목으로는 학부과목인 양자역학의 기초와 전자기학이 요구된다.전선 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.전선 / 대학원
이 강좌에서는 현 시점에서 본 반도체 소자의 각 세부 분야의 주요한 연구 주제에 대한 소개와 토의가 이뤄진다. 개설 학기에 따라 주제가 변하며, 이 강좌 내의 다른 주제에 대한 특강을 수강할 수 있다.