계산적 대칭성과 로봇 학습: 불변 필터부터 하이브리드 오토마타, 등변 신경망까지 버클리 세미나
미시간대 연구자가 리군 대칭성을 활용한 로봇 상태 추정과 제어, 모드를 스스로 찾아 스케이트보드를 타는 사족보행 로봇 학습, 일반선형군까지 확장한 등변 신경망 연구를 버클리 세미나에서 차례로 정리했다.
핵심 내용 읽기 →
AI TOPIC
등변신경망 최신 뉴스와 핵심 해설
등변신경망 관련 핵심 뉴스와 활용 인사이트 6편을 최신순으로 모았습니다.
물리학과 AI의 얽힘: 난류 예측부터 대칭 발견, 과학자처럼 추론하는 에이전트까지
스탠퍼드 물리·AI 콘퍼런스에서 로즈 유 교수가 발표한 강연 정리. 규모만 키운 난류 예측이 실패하는 이유, 데이터에서 대칭을 찾아내는 방법, 기후 시뮬레이션 25배 가속, 과학자처럼 가설 공간을 좁히는 AI 에이전트를 짚는다.
핵심 내용 읽기 →
물리 정보 머신러닝 비교: 대칭성 내장 모델과 대규모 사전학습, 어느 쪽이 유리한가
스탠퍼드 물리·AI 학회 발표에서 대칭성을 아키텍처에 새긴 등변 모델과 1억 건 시뮬레이션으로 사전학습한 모델을 세 가지 정밀 과제로 비교했다. 두 방식의 성능 차이와 데이터·연산 자원에 따른 선택 기준을 정리했다.
핵심 내용 읽기 →
등변 신경망 완전 정리: 군 합성곱과 조종 가능 CNN으로 회전·반사까지 다루는 딥러닝 구조
일반적인 CNN은 평행이동에만 등변해 회전한 물체를 사실상 다시 배워야 한다. 커널을 회전·반사로 변환하는 군 합성곱, 무한 군까지 다루는 조종 가능 CNN, 캡슐 네트워크까지 등변 딥러닝 구조를 정리했다.
핵심 내용 읽기 →
등변 신경망 3부: 텐서 필드 네트워크와 SE(3) 트랜스포머로 보는 3D 회전 대칭
분자 구조나 점군처럼 3차원 좌표를 다루는 데이터에서 회전에 흔들리지 않는 모델은 어떻게 만들까. 거리 기반 SchNet의 한계부터 텐서 필드 네트워크, SE(3) 트랜스포머의 등변 어텐션까지 차례로 정리했다.
핵심 내용 읽기 →
등변 신경망 입문 정리 — 등변성과 불변성의 차이, 대칭성 군론 기초, 알파폴드2 활용까지
CNN이 이동에는 강하면서 회전에는 약한 이유에서 출발해 등변성과 불변성의 차이, 대칭성과 군론의 기초, 그리고 알파폴드2와 의료 영상 진단에 실제로 쓰인 등변 신경망 사례까지 입문자 눈높이로 정리했다.
핵심 내용 읽기 →