초록

■ 딥러닝 기반의 중력파 데이터 분석 연구
- 데이터 상관성을 이용한 채널간 잡음원 탐지도구 개발
- 인공신경망을 이용한 중력파 데이터 신호·분석 성능 향상 연구
- 적대적 생성망을 이용한 잡음 신호 및 시계열 데이터 생성 기법 연구

■ 빙상동역학모델의 불확실성 정량화 연구
- 빙상동역학모델 연구기반 구축
- 딥러닝 기반 빙상모델 모수화
- 빙상모델 불확실성 정량화

(출처 : 요약서 3p)

Abstract ▼

□ Purpose & Contents
[Gravitational-wave Data Analysis based on Deep Learning]
○ Purpose of research
- Developing machine learning tools for sensing and vetoing noises in gravitational-wave data
- Research on gravitational-waveform and noise data generation using generative deep learning

□ Purpose & Contents
[Gravitational-wave Data Analysis based on Deep Learning]
○ Purpose of research
- Developing machine learning tools for sensing and vetoing noises in gravitational-wave data
- Research on gravitational-waveform and noise data generation using generative deep learning model
- Research on optimization for data preprocessing, training and evaluation

○ Contents of research
- Developing tools for noise source identification using data correlation
- Research on improving gravitational-wave data analysis using neural nets
- Research on generation of noise data and time-series data using Generative Adversarial Network

[Uncertainty Quantification of Ice sheet dynamics]
○ Purpose of research
- Ice sheet dynamics code implementation, models validation based on the investigated region data, and refinement of parameters by using deep learning

○ Contents of research
- Base construction of ice sheet dynamics model study
- Deep running-based ice sheet model parametrization
- Ice sheet model uncertainty quantification

□ Results
[Gravitational-wave Data Analysis based on Deep Learning]
- Parallelized the detector characterization tool based on correlation analysis and improved its user experience
- Added convolutional neural net layer to dense layers and improved the performance of gravitational-wave signal search
- Suggested generative models for noise data and time-series data using generative adversarial networks with inception

[Uncertainty Quantification of Ice sheet dynamics]
- Installation and operation of ice dynamics model
- Parametrization based on numerical approaches
- Suggestion of parametrization method based on deep learning
- UQ analysis for ISSM

□ Expected Contribution
[Gravitational-wave Data Analysis based on Deep Learning]
- Providing lists of safe/unsafe channels for gravitational-wave data quality veto

[Uncertainty Quantification of Ice sheet dynamics]
- Improved prediction of ice calving due to ice-melting on the cryosphere
- Predicting the effect of coastal changes due to sea level change

(출처 : SUMMARY 5p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 요약서 ... 3
• 국문 요약문 ... 4
• SUMMARY ... 5
• CONTENTS ... 6
• 목차 ... 7
• 제1장. 연구개발과제의 개요 ... 8
• 제1절 개요 ... 8
• 제2절 연구개발 필요성 ... 14
• 제2장. 국내외 기술 개발 현황 ... 17
• 제1절 딥러닝 기반의 중력파 데이터 분석 연구 ... 17
• 제2절 빙상동력학 모델 불확실성 정량화 연구 ... 18
• 제3장. 연구 수행 내용 및 성과 ... 20
• 제1절 신호/잡음분류 및 잡음기각을 위한 중력파 검출기 데이터의 기계학습 분석 도구 개발 ... 20
• 제2절 딥러닝 생성모델 기반 중력파 파형 생성 및 잡음 신호생성 기법 연구 ... 33
• 제3절 딥러닝 기반 빙상동력학 모델의 불확실성 연구 ... 36
• 제4장. 목표 달성도 및 관련 분야 기여도 ... 49
• 제5장. 연구개발성과의 활용계획 ... 52
• 제1절 딥러닝 기반의 중력파 데이터 분석 연구 ... 52
• 제2절 딥러닝 기반의 빙상동역학모델의 불확실성 정량화 ... 53
• 제6장. 연구 과정에서 수집한 해외 과학기술 정보 ... 54
• 제1절 거대과학 실험에서 딥러닝이 적용되는 사례 ... 54
• 제2절 딥러닝 기반 빙상동역학 모델의 불확실성 정량화 ... 54
• 제7장. 국가과학기술종합정보시스템에 등록한 연구시설·장비 현황 ... 55
• 제8장. 연구개발과제의 대표적 연구 실적 ... 56
• 제9장. 참고 문헌 ... 58
• 끝페이지 ... 59