이번 연구를 수행한 KAIST 김재철AI대학원 신기정(왼쪽부터) 교수, 이규한·이건 석박사통합과정.[KAIST 제공]

[헤럴드경제=구본혁 기자] 회의실에 여러 사람이 동시에 모여 회의하는 경우처럼, 다수의 객체가 동시에 상호작용하는 고차원 상호작용(higher-order interaction)은 다양한 분야에서 발생하며, 실세계의 복잡한 관계를 담고 있다. 하지만 기술적 제약으로 인해 많은 분야에서는 주로 개별 쌍 간의 저차원 정보만 수집, 전체 맥락이 손실되고 활용에 제약이 따랐다.

국내 연구진이 이처럼 불완전한 정보만으로도 고차원 상호작용을 정밀하게 복원하는 AI를 개발, 소셜 네트워크, 뇌과학, 생명과학 등 다양한 분야에서 혁신적 분석 가능성을 열었다.

KAIST는 김재철AI대학원 신기정 교수 연구팀이 저차원 상호작용 정보만으로 고차원 상호작용 구조를 높은 정확도로 복원할 수 있는 인공지능 기술 ‘마리오(MARIOH, Multiplicity-Aware Hypergraph Reconstruction)’를 개발했다고 5일 밝혔다.

연구팀이 개발한 MARIOH의 핵심 아이디어는 저차원 상호작용의 다중도(multiplicity) 정보를 활용해, 해당 구조로부터 파생될 수 있는 고차원 상호작용의 후보 수를 획기적으로 줄이는 데 있다.

효율적인 탐색 기법을 통해 유망한 상호작용 후보를 신속하게 식별하고, 다중도 기반의 심층 학습 기술을 활용해 각 후보가 실제 고차원 상호작용일 가능성을 정확하게 예측한다.

연구팀은 10개의 다양한 실세계 데이터 셋을 대상으로 한 실험 결과, MARIOH는 기존 기술 대비 최대 74% 높은 정확도로 고차원 상호작용을 복원하는 데 성공했다.

MARIOH 기술을 활용해 저차원 논문 공저 관계로부터 고차원 관계를 100% 정확도로 복원한 예시.[KAIST 제공]

예를 들어, 논문 공저 관계 데이터에서는 98% 이상의 복원 정확도를 달성, 약 86% 수준에 머무는 기존 기술을 크게 앞질렀다. 또한 복원된 고차원 구조를 활용할 경우, 예측, 분류 등 다양한 작업에서의 성능이 향상되는 것으로 나타났다.

신기정 교수는 “MARIOH는 단순화된 연결 정보 정보에만 의존하던 기존 접근에서 벗어나, 실제 세계의 복잡한 연결 관계를 정밀하게 활용할 가능성을 열어 준다”며 “단체 대화나 협업 네트워크를 다루는 소셜 네트워크 분석, 단백질 복합체나 유전자 간 상호작용을 분석하는 생명과학, 다중 뇌 영역 간 동시 활동을 추적하는 뇌과학 등 다양한 분야에서 폭넓게 활용될 수 있을 것”이라고 밝혔다.

이번 연구결과는 지난 5월에 홍콩에서 열린 제41회 IEEE 국제 데이터공학 학회에서 발표됐다.