자기조직 분자 하이퍼네트워크를 이용한 패턴 인식

Abstract

DNA 컴퓨팅은 기존의 실리콘 기반의 컴퓨터와는 달리 DNA 분자를 사용하는 계산학이며, 분자 컴퓨팅의 한 분야로 실리콘 기반의 컴퓨터와는 다른 계산적 장점을 가지기에 새로운 컴퓨팅 기술로 주목받고 있다. 특히 DNA 컴퓨팅은 자체적으로 온라인 학습을 구현하기 좋은 컴퓨팅 기술이며 이는 자기조직성에 기인한다. 우리의 뇌도 이러한 자기조직성을 가지고 있기 때문에 DNA 컴퓨팅은 뇌의 컴퓨팅 모델을 모방하는 수단으로도 기대 받고 있다. 하지만 DNA 컴퓨팅은 아직 개발 중인 학문이기에 고수준의 학습 문제에는 적용된 바가 없다. 이는 기존의 기계학습 모델들이 실리콘 기반 컴퓨터에 맞춰져 있어 DNA 컴퓨팅으로 구현이 어렵다는 이유 때문이기도 하다. 하이퍼네트워크 모델은 기존의 기계학습 방법들과는 달리 DNA 컴퓨팅의 계산 원리를 본떠 만들어졌다. 따라서 하이퍼네트워크 모델은 주어진 데이터들끼리 상호작용하며 학습 구조를 형성하는 자기조직성을 갖고 있고 데이터를 순차적으로 받아들이는 온라인 학습이 가능하다. 본래 DNA 컴퓨팅으로부터 기인했던 만큼 실제 시험관 실험으로 구현할 때 여러 실험적 제약으로부터 자유롭다. 이 연구에서는 필기체 인식 문제에 하이퍼네트워크 모델을 적용하여 기본적인 성능을 확인하고 온라인 학습을 통해 성능이 향상되는지를 확인했다. 이를 통해 분자 하이퍼네트워크 모델이 패턴 인식 문제를 온라인 학습으로 풀 수 있으며, 또한 성공적인 학습 수렴에 필요한 데이터의 양과 종류 등의 특성을 통해 분자 하이퍼네트워크 모델이 실제 시험관 실험으로 구현 가능성이 있는지를 알아보았다.