최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
권혜진, 아마르자르갈 다그와더르지, 김학선
2022 / 산업혁신연구
Kim H.J.,Chong M.,Rhee T.G.,Khim Y.G.,Jung M.H.,Kim Y.M.,Jeong H.Y.,Choi B.K.,Chang Y.J.
2023 / Nano Convergence
데이터가 존재하지 않습니다.
loading...
본 연구는 분자선 에피택시(MBE)를 이용하여 그래핀 기판 위에 2D 전이 금속 디칼코게나이드(ReSe2) 박막 성장을 머신러닝(ML) 기반 반사 고에너지 전자 회절(RHEED) 분석법을 통해 조사했습니다. 주성분 분석(PCA) 및 K-평균 클러스터링을 사용하여 통계적으로 중요한 패턴을 분리하고 패턴 변화 추세를 시각화했으며, 수정된 PCA를 통해 기판의 영향을 제거하고 ReSe2 층의 회절 강도를 모니터링했습니다.
Molecular beam epitaxy : a short history
Thin films and heterostructures for oxide electronics
Applied RHEED : reflection high-energy electron diffraction during crystal growth
RHEED transmission mode and pole figures : thin film and nanostructure texture analysis
In situ real time characterization of thin films
Recent developments in oxide and metal epitaxy--theory and experiment : symposium held April 23-26, 2000, San Francisco, California, U.S.A.
Properties of Synthetic Two-Dimensional Materials and Heterostructures
Evaluation of advanced semiconductor materials by electron microscopy
Surface scattering experiments with conduction electrons
Thin films--structure and morphology : symposium held December 2-6, 1996, Boston, Massachusetts, U.S.A.
Semiconductor interfaces at the sub-nanometer scale
Characterization techniques of glasses and ceramics
Modeling, characterization and production of nanomaterials : electronics, photonics and energy applications
Rare earth oxide thin films : growth, characterization, and applications
Handbook of mathematical models in computer vision
Diffraction analysis of the microstructure of materials
Computer vision--ECCV '92 : Second European Conference on Computer Vision, Santa Margherita Ligure, Italy, May 19-22, 1992 : proceedings
The finite element method and applications in engineering using ansys
Advances in intelligent data analysis : third international symposium, IDA-99, Amsterdam, The Netherlands, August 1999 : proceedings
Recent developments in computer vision : Second Asian Conference on Computer Vision, ACCV '95, Singapore, December 5-8, 1995 : invited session papers
JOURNAL OF APPLIED PHYSICS
Gliebe, Kimberly; Sehirlioglu, AlpPhysical Review Materials
Liang H.,Stanev V.,Kusne A.G.,Tsukahara Y.,Ito K.,Takahashi R.,Lippmaa M.,Takeuchi I.Physical Review Materials
Provence S.R.,Thapa S.,Paudel R.,Truttmann T.K.,Prakash A.,Jalan B.,Comes R.B.ACS Nano
Sergei V. Kalinin; Rama K. Vasudevan; Arthur P. Baddorf; Alexander TselevApplied Physics Letters
B. Lü; L. Souqui; V. Elofsson; K. SarakinosNano Letters
Zhang, Jing; Zhai, Tianshu; Arifurrahman, Faizal; Wang, Yuguo; Hitt, Andrew; He, Zelai; Ai, Qing; Liu, Yifeng; Lin, Chen-Yang; Zhu, Yifan; Tang, Ming; Lou, JunADVANCED MATERIALS
Kim, Se-Yang; Kwak, Jinsung; Ciobanu, Cristian V.; Kwon, Soon-YongThe journal of physical chemistry letters
DeGregorio ZP; Yoo Y; Johns JEMaterials Sciences and Applications
Thi Giang LeSMALL METHODS
Yu, Jing; Han, Wei; Suleiman, Abdulsalam Aji; Han, Siyu; Miao, Naihua; Ling, Francis Chi-ChungNano Letters
Harris, Sumner B.; Gemperline, Patrick T.; Rouleau, Christopher M.; Vasudevan, Rama K.; Comes, Ryan B.ACS Nano
Roy, Anupam; Guchhait, Samaresh; Dey, Rik; Pramanik, Tanmoy; Hsieh, Cheng-Chih; Rai, Amritesh; Banerjee, Sanjay KACS Applied Nano Materials
Hejazi D.,Liu S.,Ostadabbas S.,Kar S.Nano Letters
Park J.H.,Lu A.Y.,Tavakoli M.M.,Kim N.Y.,Chiu M.H.,Liu H.,Zhang T.,Wang Z.,Wang J.,Martins L.G.P.,Luo Z.,Chi M.,Miao J.,Kong J.Nanoscale
Yan H.,Yu T.,Li H.,Li Z.,Tang H.,Hu H.,Yu H.,Yin S.JAPANESE JOURNAL OF APPLIED PHYSICS
Kwoen, Jinkwan; Arakawa, YasuhikoJournal of Materials Chemistry A
Lausund K.B.,Olsen M.S.,Hansen P.A.,Valen H.,Nilsen O.Chemistry of Materials
Chen X.,Wong L.W.,Huang L.,Zheng F.,Huang R.,Lau S.P.,Lee C.S.,Zhao J.,Deng Q.,Ly T.H.Journal of Chemical Physics
Glova A.,Karttunen M.Nanoscale
Yadav A.K.,Ma W.,Abi Younes P.,Ciatto G.,Gauthier N.,Skopin E.,Quadrelli E.A.,Schneider N.,Renevier H.전선 / 대학원
반도체, MEMS와 같은 다양한 미세소자에서의 결정입 특성, 집합조직, 기계적 성질, 신뢰성 등의 문제에 대해 반도체회로(ULSI)에 사용되고 있는 알루미늄과 구리 배선을 중심으로 살펴본다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
본 강좌는 영상 데이터를 분석하기 위한 수학적 모델링 기술 및 기계 학습 기술 등을 강의한다. 영상 데이터 분석에 널리 이용되는 기본적인 기계 학습, 특히 딥 러닝 기법을 집중적으로 학습하고, 이러한 기술이 다양한 영상 분석 문제에 어떻게 적용되는지 살펴본다. 이론 강의뿐만 아니라 실습과 프로젝트를 통하여 영상 데이터 분석에 필요한 다양한 기술을 학습한다. ● 기계학습 기초 리뷰 (지도학습, 비지도학습, 준 지도학습) ● 합성곱 신경망 (컨볼루션 신경망) ● 순환 신경망 (리커런트 신경망) ● 이미지 데이터 처리 기법 (이미지 분류, 물체 인식, 이미지 분할) ● 비디오 데이터 처리 기법 (비디오 분류, 행동 인식, 영상 내 검색, 물체 추적) ● 다면성 데이터 처리 (시청각-언어 정보 처리) ● 생성적 모델링전필 / 대학원
본 교과목은 데이터과학 분야에 관심있는 통계학 석사 과정 대학원생을 대상으로, 데이터 랭글링 및 시각화, 회귀분석, 선형 모형, 일반화 선형 모형, 혼합 모형, 분류를 포함하여 모든 데이터 과학자가 익숙해야 하는 통계 방법론 및 이를 통계 소프트웨어를 사용해 적용하는 실례를 다룬다. 기존의 통계학 과목과 비교하여 본 교과목은 이론에 대한 강조가 덜한 대신, 통계 방법론을 구현하고 주요 개념을 실제 자료에 적용하여 데이터를 분석하기 위해 어떻게 소프트웨어를 사용하는지에 대해 더 중점을 둔다. 주요 개념에 대해서는 그것이 “작동하는 이유”에 대한 직관적 설명을 위주로 한다. 본 과목의 모든 통계 분석은 R과 Python을 사용한다.전선 / 학사
인공지능의 발전 및 데이터의 축적으로 최근 재료공학분야에서 기계학습이 활발히 적용되고 있고 새로운 재료설계방법으로 떠오르고 있다. 본 강좌에서는 학생들에게 기계학습 및 통계추론에 대한 기초 이론 및 파이썬을 이용한 라이브러리 활용 방법을 강의한다. 이를 바탕으로 학생이 실제 재료 데이터에 기계학습을 적용하고 해석하는 방법을 익히도록 한다.전선 / 학사
재료의 구조분석 과목은 분석에 사용되는 기기들을 원리적으로 이해하고 응용하기 위한 과목으로 회절을 이용하는 분석장비의 기본 원리와 특성을 배워서 재료의 개발과 특성 향상에 응용하기 위하여 구조분석과 장비의 이론적 배경과 작동 원리를 이해하고 실습하는 것을 목표로 한다. 본 교과목은 X-선 회절과 주사전자현미경, 투과전자현미경을 이용한 구조분석을 이론과 기기의 구조, 실습으로 나누어 진행한다. 각 분석기와 공통되는 회절이 도입부에 강의가 되고 이어서 각 분석기기의 구조와 광원의 조작, 데이터 분석 방법에 대해서 알아 보고 기기의 실제 작동과 각 그룹에게 주어진 선택한 시편으로부터 각 분석 기기를 이용하여 직접 결정 구조와 관련된 데이터를 얻고 강의에서 얻은 지식을 토대로 그룹별 토의로 주어진 재료의 구조분석을 하게 된다.전선 / 대학원
본 강좌는 다양한 머신러닝기법을 활용한 기후환경데이터 분석 방법을 소개한다. Linear regression, Logistic regression, Support Vector Machine (SVM), Random Forest, XGBoost, LightGBM 등과 같은 지도 학습 기법에 더불어,K-mean clustering, Principal Component Analysis, Singular Value Decomposition,Self-Organizing Map (SOM) 등의 비지도 학습 머신러닝 기법들의 구동 원리를 파악할 수 있는 이론 강의와, 이 중 일부를 활용한 실습 과정으로 구성된다. 다양한 머신러닝 기법 기반의 데이터 분석 방법을 비교함으로서 머신러닝 기법들의 장단점을 파악할 수 있도록 한다.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 / 학사
분자의 운동, 반응 및 동적인 전기화학에 관한 제문제를 기초적인 이론으로부터 응용에 이르기까지 다방면에 걸쳐 연구한다. 여기에는 기본적인 기체운동론, 이온운반과 분자확산을 다루는 분자의 운동, 간단한 반응의 속도론과 더불어 광화학반응, 자체촉매반응, 진동반응, 연쇄반응 등이 관련되는 좀 더 복잡한 반응의 속도론, 고체 표면에서의 흡착, 촉매현상 및 과전위, 분극현상, 폴라로그래피, 전지, 부식 등을 취급하는 동적인 전기화학에 관련된 전반적인 내용이 포함된다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
본 강의에서는 MEMS 기술, 정밀 가공 기술, microfludics 기술, micro electronics 기술, micro biology 기술의 융합에 의해서 탄생된 bio-MEMS를 다루게 되며, 이를 위해서 정밀 기계공학, 극미세 유체 현상학, 생명공학, 생화학, 표면분석화학의 기본적 이해, 차별화된 MEMS 단위 공정 기술과 응용예에 대한 이해, 산업화의 가능성을 공부하게 된다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 대학원
아시아 연구 데이터 분석은 아시아 전역의 사회문화적 역학 연구를 위해 데이터 집약적 기법과 인문학적 해석을 연결하는 학제적 방법으로서 문화 분석을 소개한다. 이 강의는 문화 분석을 단순한 방법론적 틀이 아닌, 컴퓨터적 접근 방식과 해석적 실천을 연결하는 구체적인 방식으로 다룬다. 이를 통해 인문학과 사회과학을 특징짓는 상호텍스트성, 심층적인 역사적 맥락, 그리고 상황적 발화를 전면에 부각시킨다. 경험적으로, 이 과정은 텍스트, 시각, 청각의 세 가지 탐구 영역을 아우르며, 컴퓨터 도구를 활용하여 민족주의, 카스트와 같은 사회적 응집력, 그리고 언어, 지역, 젠더, 계급 등 사회학적 지표 전반에 걸친 다양한 변이와 같은 강력한 사상의 궤적을 추적한다.전선 / 대학원
환경오염과 인체건강에 관련된 실험이나 관찰연구를 기획하고 통계분석 및 자료해석은 보건통계학개론의 수강만으로 충분하지 못한 경우가 많다. 본 과목은 통계학적 원리를 활용한 문제해결 능력의 증진에 목적을 두고 있다. 학생들은 다양한 선형통계 분석기법과 원리를 실전에서 적용하는 방법론을 배우고 실제 데이터와 통계 패키지를 활용하여 수업 중 실습한다. 강의 후반에는 반복측정 자료분석을 통한 위해성평가(risk assessment)의 기법도 배운다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 학사
본 강좌는 딥러닝 등 기계학습 기반 인공지능 및 관련 분야에 관심있는 수강생을 대상으로 하는 학부 교과목으로 인공지능 분야의 핵심이 되는 기계학습의 개념 및 응용을 소개하고, 주요 기계학습 알고리즘 및 모델들에 대해 학습한다. 과제 및 프로젝트를 통해 최신 기계학습 기법의 심층적 이해와 실제 구현 기회를 부여한다. 주요 내용으로는 학습이론, 선형모델 (선형회귀, 선형분류, Logistic 회귀), Support Vector Machine, 인공신경망, 순차모델, 기초 딥러닝 모델 (MLP, CNN, RNN), 앙상블 학습 등을 포함한다. 선수과목: 데이터구조 혹은 알고리즘, 선형대수, 확률변수, 프로그래밍 방법론