김진수 연구실

본 연구는 생물학적 시스템에서 외란 후에도 일정한 출력 수준을 유지하는 강건한 완벽한 적응(RPA)을 달성하기 위해 노이즈 컨트롤러를 제안합니다. 기존의 반정현 적분 피드백(AIF) 루프는 출력 노이즈를 증폭시키는 문제가 있으나, 출력 종의 이량체화를 통해 감지하는 노이즈 컨트롤러를 AIF 컨트롤러와 결합하면 외란 후에도 출력의 평균과 노이즈를 원래 수준으로 유지하며 Fano 인자 1까지 달성합니다. 대장균의 DNA 수리 시스템에 적용하여 DNA 손상 반응을 시작하지 못하는 세포의 비율을 감소시켰습니다.

클라미디아의 복제형(RB)에서 감염형(EB)으로의 전환을 조절하는 메커니즘을 규명하기 위해 세 가지 수학 모델을 개발하고 분석했습니다. 통계적 분석 결과, RB 크기가 전환 시기를 조절하는 내재적 신호라고 가정하는 크기 제어 모델만이 RB와 EB 수의 양의 상관관계와 EB 수의 변동계수 단조 진화라는 두 가지 추가 통계적 특성을 재현했습니다.

본 논문은 화학 반응 네트워크를 기반으로 한 혁신적인 설계를 통해 확률적 변동 조건에서 더욱 견고한 인공신경망을 개발합니다. 이러한 설계는 확률적 변동 하에서 계산 신뢰성을 향상시킵니다.

본 연구는 화학반응네트워크(CRN)를 이용하여 인공신경망을 구현하되, 매끄러운 활성화함수를 사용하여 역전파 과정에서의 불연속성을 제거함으로써 노이즈에 강건한 신경망을 제안합니다. XOR, Iris, MNIST 데이터셋 및 비선형 회귀 모델에 대한 실험 결과, 제안된 CRN 기반 신경망은 반응속도와 농도의 노이즈에도 불구하고 정확도를 유지하며 비매끄러운 활성화함수를 사용한 신경망 대비 노이즈에 덜 민감합니다.