KAIST 토카막에서의 플라즈마 발생에 관한 연구

양장규 한국과학기술원 1994 국내박사

Optimal Network-Aware Cloud Scheduling Over High Performance Network

이상권 과학기술연합대학원대학교 한국과학기술정보연구원(KISTI) 2024 국내박사

대규모의 과학 장비가 등장하면서 과학 데이터의 크기는 이전에 비해 거대 해졌다. 과학 연구의 협업을 위해 이러한 데이터를 상용 네트워크 망을 통해 전송하게 되면 낮은 대역폭과 잦은 패킷로스로 인해 성능이 저하되는 문제가 있다. 이러한 점을 해결하기 위해 과학데이터 전송의 고속도로 역할을 하는 전용망을 만들어 사용하고 있다. 전용망은 상용 네트워크와 망분리를 하고 고성능의 네트워크 카드가 장착된 데이터 전송 전용 노드를 사용한다. 최근에는 데이터 전송 전용 노드의 컴퓨팅 자원을 계산 작업에도 활용하고자 컨테이너 오케스트레이션을 통해 클라우드로 구성하였다. 컨테이너 오케스트레이션을 통해 큰 규모의 공유 컴퓨팅 자원을 활용할 수 있고 자원의 확장이 용이하다는 장점이 있다. 다만 네트워크 성능으로 인한 문제점이 생겨날 수 있다. 예를 들어, 분산 딥러닝에서 학습 데이터 셋의 크기가 증가되거나 잦은 연산과 전송을 요구하는 복잡한 모델을 사용하게 되면 네트워크 성능이 학습 시간에 필요한 시간을 증가시킬 수 있다. 또한 IoT 기술 및 과학 장비의 발전으로 이전에 비해 데이터의 크기가 증가되었는데 이러한 데이터를 서로 다른 데이터 센터간 전송 시 단일 노드로 전송하는 것이 아닌 다수의 노드를 클러스터로 구성해 보다 빠르게 전송하는 방법을 사용한다. 이 방법은 노드들 간의 네트워크 성능이 전송 시간에 영향을 주기 때문에 네트워크는 중요한 요소가 된다. 본 논문에서는 앞에서 언급한 컨테이너 오케스트레이션으로 구성된 클러스터의 네트워크에 대한 연구를 하였다. 사용자가 작업을 생성하면 컨테이너 오케스트레이션은 스케줄러를 통해 이미지 지역성, 사용가능한 CPU 그리고 메모리의 비율을 점수화 하여 적합한 노드들을 선발하여 작업이 실행되도록 한다. 현재의 스케줄러는 네트워크 성능을 고려하지 않기 때문에 본 논문에서는 네트워크 모니터링 도구를 통해 수집된 네트워크 성능 데이터를 바탕으로 점수화 하여 노드를 선발하는 스케줄러를 적용하여 성능을 실험하였다. 클러스터간 데이터 전송과 분산 딥러닝 모델에 제안한 스케줄러 적용하여 노드간 네트워크 성능으로 인한 문제를 해결하였다. 주요단어(Key words): 분산 딥러닝, 데이터 전송, 클라우드, 컨테이너 오케스트레이션 The size of scientific data has become larger than before with the advent of large-scale scientific equipment. When such data is transmitted through a commercial network for collaboration in scientific research, performance is degraded due to low bandwidth and frequent packet loss. To solve this problem, a dedicated network is being created and used to serve as a highway for scientific data transmission. The dedicated data transmission nodes equipped with high- performance network interface card. Recently, it was configured as a cloud through container orchestration to utilize the computing resources of nodes dedicated to data transmission for calculation tasks. Container orchestration has the advantage of being able to utilize large-scale shared computing resources and making it easy to expand resources. However, problems may arise due to the network performance. For example, in distributed deep learning, when the size of a training data set increases or a complex model requiring frequent computation and transmission is used, the time required for training may increase depending on network performance. In addition, with the development of IoT technology and scientific equipment, the size of data has increased compared to before. When transmitting such data between different data centers, instead of transmitting it to a single node, multiple nodes are clustered to make it faster. In this method, the network becomes an important factor because network performance between nodes affects transmission time. In this thesis, we studied the network of clusters composed of the orchestration mentioned above. When a user creates a task, container orchestration scores image locality, available CPU, and memory ratio through the scheduler and selects appropriate nodes to execute the task. Since the current scheduler does not consider network performance, this thesis tested the performance by applying a scheduler that selects nodes by scoring them based on network performance data collected through a network monitoring tool. By applying the proposed scheduler to cluster- to-cluster data transmission and distributed deep learning model, problems caused by network performance between nodes were solved. Key words: Distributed deep learning, Data transmission, Cloud, Container orchestration

한국경제의 단기경제안정화정책에 대한 최적제어이론의 적용

박창헌 한국과학기술원 1983 국내석사

식물플랑크톤 군집의 화학분류적 분석법 개선 및 한국 주변해 생태계 연구의 적용

현명진 과학기술연합대학원대학교 한국해양과학기술원(KIOST) 2024 국내박사

This dissertation explores the community structure and function of phytoplankton, which play a critical role in ecological dynamics and biogeochemical cycles. Among various methodologies to assess phytoplankton community structure, chemotaxonomic analysis stands out for its ability to allocate chlorophyll-a concentrations, indicative of phytoplankton biomass, into major taxonomic groups. This work critically examines methodologies for chemotaxonomic analysis, which have evolved since the 1980s but still possess inherent drawbacks. To enhance the accuracy of the CHEMTAX method, the study applied a refined approach to both time-series and spatial data, successfully reducing bias and improving reliability. The constrained pigment ratio ranges, established through a linear model correlating Next-Generation Sequencing (NGS) datasets with pigment datasets, effectively mitigated the underdetermined biasThe approach shows high agreement with the results from Bayesian Compositional Estimator (BCE), known for its robustness against underdetermined bias, confirming the efficacy of the proposed method. Additionally, the linear model aids in addressing the identifiability problem in CHEMTAX, revealing how its inclusion of groups with undetectably low composition distorts results. This refined CHEMTAX analysis have been applied to time-series dataset acquired in S-ORS (Socheongcho Ocean Research Station). It elucidates the mechanism of the spring phytoplankton bloom in the Yellow Sea using data from Socheongcho Ocean Research Station (S-ORS). The analysis indicates that phytoplankton surface bloom is primarily initiated by the onset of vertical stratification due to increased sea surface temperature. Dynamic Factor Analysis (DFA) reveals varying responses among phytoplankton groups, with Bacillariophyceae thriving in turbulent environments before the bloom, Chlorophytes dominating during the bloom in stabilized water columns, and Cryptophyceae exhibiting intermediate traits. The refined CHEMTAX analysis is also adapted in large-scale spatial data analysis. The dataset for spatial analysis is acquired based on joint research with KIOST and NASA, examines the spatial distribution of phytoplankton around Korea. The spatial distributional pattern across the environmental gradient is firstly assess through RDA (redundancy analysis), and the spatial distributional pattern with an exception of environmental effects is determined by GLMM (Generalized Linear Mixed model), a type of spatial analysis. Based on the spatial effects, clustering analysis is done to figure which datapoints have similar distributional mechanisms. As result, there were striking distinction between the East, Yellow, and South Sea are detected, which is not detected through beta- diversity between samples. This study's advancements in chemotaxonomy pave the way for future research linking phytoplankton community structures with ecological functions, including primary production, food webs, carbon cycling, and particulate organic carbon dynamics. Future directions involve integrating remote sensing data and automating HPLC peak analysis to handle large datasets more effectively. Additionally, refining existing chemotaxonomic algorithms to address limitations in the gradient descent algorithm of CHEMTAX and the uncertainty in BCE is a priority. As suggested, incorporating spatial or temporal factors into pigment ratio algorithms could further improve the efficacy and reliability of chemotaxonomic approaches in marine ecosystem studies. 식물플랑크톤은 생태계와 생지화학적 순환에 중요한 역할을 하기 때문에, 이들의 군집구조와 기능에 대한 연구는 중요한 기초연구이다. 식물플랑크톤의 군집구조를 정량하는 방법에는 여러가지가 있지만, 화학분류적 접근법은 식물플랑크톤 생체량의 지표인 엽록소 a의 농도를 주요 분류군별로 할당할 수 있다는 이점이 있다. 따라서 1980년대부터 화학분류적 방법은 발전이 되어왔지만, 각각의 알고리즘이 특정 단점을 가지고 있으며, 아직 완성형 알고리즘은 없는 실정이다. 이 중에서도 가장 널리 사용되는 CHEMTAX 알고리즘은 underdetermined 편향에 취약한 경사하강법을 이용한 알고리즘이라는 한계가 있다. 따라서 본 연구는 색소 농도 데이터와 Next-generation sequencing (NGS) 데이터간의 선형 모델링을 기반으로 underdetermined 편향을 억제하는 새로운 접근법을 검토하였다. 이 접근법의 결과로 얻은 색소 비율 (final ratio)는 underdetemined system에 상대적으로 강한(robust) Bayesian Compostional Estimator (BCE)의 결과와 높은 일치도를 보이며, 해당 편향을 효과적으로 억제한 것을 확인하였다. 또한 이 선형모델은 대부분의 화학분류 알고리즘에서 공통적으로 문제가 되는 식별가능성(identifiability) 문제를 해결하는 근거로서 활용될 수 있음을 보였다. 이와 같이 개선된 CHEMTAX 방법을 활용하여 소청초 해양과학기지(S-ORS)에서 획득한 시계열 데이터를 분석하여 황해의 춘계 식물플랑크톤 대증식 메커니즘을 규명하였다. 계절변화에 따른 표층수온의 상승에 의해 유발된 수직 성층의 강화는 식물플랑크톤의 표층 대증식을 개시하는 주요 원인으로 밝혀졌다. 하지만 시계열 분석 기법 중 하나인 Dynamic Factor Analysis(DFA)로 분석한 결과 분류군별로는 다른 메커니즘이 작용하고 있었다. 규조류 (Bacillariophyceae)는 수직혼합이 활발한 환경에 대한 선호를 보였으며, 이에 따라 성층 및 표층 대증식 전에 빠른 생체량의 증가를 보였다. 이에 반해 녹조류(Chlorophytes)는 안정된 수층을 선호하였으며, 은편모조류(Cryptophyceae)는 두 분류군의 중간 특성을 가지고 있었다. 표층의 녹조류 대증식은 인산염을 빠르게 소모하여, 인-제한 환경을 조성하였으며, 이에 따라 후기천이분류군으로의 천이가 일어났다. 개선된 CHEMTAX 방법론을 광역 공간데이터 해석에도 적용해 보았다. 데이터는 2016년 미국 국립 항공 우주국 (NASA)와 한국해양과학기술원(KIOST)의 공동연구에서 얻은 데이터를 활용하여 한국 주변해역의 식물플랑크톤 군집 변동을 광역적으로 연구하였다. 우선 RDA(redundancy analysis)를 통하여 환경요소들에 따른 식물플랑크톤의 공간 분포 패턴을 1차로 밝히고, 공간분석법인 GLMM (Generalized Linear Mixed Model)을 통하여 환경적 영향이 제거된 공간 분포 패턴을 밝혔다. 이러한 공간분포 패턴은 식물플랑크톤의 분포 메커니즘을 반영하기 때문에, 군집분석을 통하여, 유사한 공간패턴을 나타내는 정점을 확인하였다. 그 결과 동해, 남해, 황해에서 뚜렷한 식물플랑크톤 분포 메커니즘의 차이를 확인하였다. 이러한 연구는 기존에 일반적으로 수행되던 베타 다양성 분석에서는 뚜렷하게 나타나지 않는 패턴을 확인한 점으로 의미가 있다. 이러한 기술모델 (desriptive model) 기반 생태 해석은 우선 CHEMTAX의 정확도가 개선되었기 때문에 가능한 분석으로서, 본 연구는 방법론의 개선과 현장 데이터로의 적용을 테스트 해보았고, 합리적인 생태적 해석을 얻을 수 있었다는 점에서 큰 의미가 있다. 이러한 연구들은 추후 먹이망, 탄소순환, 일차생산 등 생태학적 기능과 연결하는 연구로 연결될 수 있으며, 식물플랑크톤의 색소 기반 연구인 만큼, 원격탐지를 통한 데규모 연구로 이어질 수 있는 장점이 있다. 또한 추가적인 알고리즘의 개선을 위한 연구도 병행하여 진행하고 있다.

3차원 미래예측 수리모델을 활용한 과학기술 수용성 분석방법 : 신기술 교통수단 도입 사례를 중심으로

오정연 KAIST(한국과학기술원) 2016 국내석사

KAIST 기후변화 적응 계획법을 이용한 갈수기 물공급 취약성 평가

차동훈 한국과학기술원 2012 국내박사

R&D 집약적 기업의 탐색적 혁신 전략과 혁신 성과 간의 관계 및 내부 혁신역량의 조절효과에 관한 연구

박수현 과학기술연합대학원대학교 한국과학기술정보연구원(KISTI) 2024 국내박사

본 논문은 불확실성과 위험을 감수하면서도 새로움의 추구를 통해 혁신 성과를 이끌어 내는 기업의 탐색적 혁신 전략이 국가 및 지역 경제의 성장을 견인하는 R&D 집약적 기업의 혁신 성과에 어떠한 영향을 미치는가에 대해, 기업 내부의 혁신역량의 조절효과를 중심으로 실증 분석하는 것을 그 목적으로 한다. 본 연구에서는 외부 지식과의 결합과 다양한 기술 분야로의 확장이라는 탐색적 혁신의 주요 특성을 토대로, 탐색적 혁신 전략을 크게 개방형 혁신 전략과, 기술다각화 전략으로 구분하여 조사함으로써 탐색적 혁신과 혁신 성과 간의 관계를 보다 잘 이해하는 구조적 틀을 제시한다는 점에서 기존 연구를 확장한다. 구체적으로 먼저 3 장에서는 자원이 제한된 R&D 집약적 중소기업의 탐색적 혁신 전략을 살펴봄에 있어, 외부 지식의 활용과 내부 지식 공유를 통해 내부 자원의 한계를 극복하는 개방형 혁신 전략을 중점적으로 살펴보았다. 이를 위해 국내 정부 지원 R&D 프로젝트 2,339 개를 대상으로 로지스틱 회귀분석을 수행하였으며, 연구 결과 과학 기반 파트너와 내부 흡수역량 간의 상호 작용이 제품 혁신 성공에 긍정적인 영향을 미친 반면, 시장 기반 파트너와 내부 흡수역량 간의 상호작용은 유의한 영향을 미치지 않는 것으로 나타났다. 이는 혁신 전략을 수립함에 있어 협력 파트너의 특성을 고려하고, 특히 과학 기반 파트너와의 상호보완성을 강조함으로써 외부 지식 소스 채택 전략의 중요성을 입증했다는 데에 의의가 있다. 이후 4 장에서는 높은 비율의 R&D 지출을 지속적으로 집행할 수 있는 R&D 집약적 대기업의 탐색적 혁신 전략에 초점을 맞춰, 이질적 지식을 재조합하고 결합 및 확장하는 비관련 및 관련 기술다각화 전략과 내부 핵심기술역량의 조절효과를 중심으로 살펴보았다. 본 연구는 기술다각화가 복잡하고 지속적인 지식 통합 과정을 필요로 한다는 점에 주목하여 전 세계 상위 R&D 투자기업 516 개의 패널 데이터를 사용하여 분석을 수행하였다. 결과적으로 비관련 기술다각화 전략은 R&D 효율성과 역 U자형 관계를 나타내며, 내부 핵심기술역량은 비관련 기술다각화와 R&D 효율성 간의 역 U 자형 관계가 갖는 변동성 폭을 완화함으로써 기술다각화와 R&D 효율성 간의 관계를 유의하게 조절하는 것으로 확인되었다. 이는 기술다각화의 동기와 전략적 목표가 다양하게 나타날 수 있음을 감안하여 다양한 유형의 기술다각화를 구분하고 각각의 기술다각화 전략의 유형이 R&D 효율성에 미치는 영향을 보다 심층적으로 이해할 수 있다는 점에서 의의를 갖는다. 본 논문은 위의 두 가지 연구 결과를 바탕으로 다음과 같은 학술적 의미와 정책적 시사점을 갖는다. 첫째, 기존의 탐색적 혁신 연구를 확장함으로써 혁신의 구조적 틀을 제시한다. March(1991)가 제안한 탐색적 혁신의 추상적이고 다의적인 성격을 해소하기 위해 외부 지식과의 결합, 다양한 기술 분야로의 확장이라는 특성을 기반으로 이를 개방형 혁신 전략과 기술다각화 전략으로 구분함으로써 선행연구들에서 다뤄지지 않았거나 모호했던 부분을 보완하면서, 탐색적 혁신에 대한 보다 명확한 구조적 틀을 제시한다. 둘째, 본 논문은 탐색적 혁신 활동과 혁신 성과 사이의 역학을 깊이 파악하기 위해, 혁신의 투입과 산출이 분명한 관계를 보이는 R&D 집약적 기업을 연구 범위로 설정함에 따라 탐색적 혁신 활동과 혁신 성과 간의 관계에 대해 깊이 있는 이해를 제공했다는데 의의가 있다. 셋째, 본 논문은 탐색적 혁신 전략이 혁신성과에 미치는 영향을 조사함에 있어, 선행연구에서 활발히 다루지 않았던 R&D 집약적 기업의 자원 규모에 따른 적합한 탐색적 혁신전략의 유형을 이론적 근거를 바탕으로 제시하였다는 점에서 기존 연구와 차별성을 갖는다. 마지막으로, 본 연구는 다양한 탐색적 혁신 전략과 혁신 성과 간의 관계 조사에서 상대적으로 간과되어 왔던 내부 혁신역량의 조건부 효과를 다루는 문헌 내 실증적 연구 확장에 기여한다. 따라서 본 논문은 기업의 내부 혁신 역량을 종합적으로 고려함으로써 탐색적 혁신 프로세스의 역학에 대한 심층적인 통찰력을 제공한다는 데에 학술적 의의가 있으며, 탐색적 혁신 전략 수립에 있어 필요한 다각도의 판단 기준을 제공하는 데에 큰 의의가 있다. Keywords: 탐색적 혁신, R&D 집약적 기업, 개방형 혁신, 기술다각화, 내부 혁신역량, 흡수역량, 핵심기술역량 The purpose of this dissertation is to empirically analyze how a firm's exploratory innovation strategy, which has been found to contribute to deriving innovation through the pursuit of newness while taking uncertainty and risk, affects the innovation performance of R&D-intensive firms known to drive national and economic growth. Based on the main characteristics of exploratory innovation, which combines external knowledge and expands to various technological fields, this dissertation expands existing research in that it presents a structural framework to better understand the relationship between exploratory innovation strategies and innovation performance by dividing exploratory innovation strategies into open innovation strategies and technological diversification strategies. Specifically, Chapter 3 focuses on open innovation strategies that overcome the limitations of internal resources through the use of external knowledge and sharing internal knowledge in examining the exploratory innovation strategies of R&D-intensive SMEs with limited resources. To this end, a logistic regression analysis was performed on 2,339 government-supported R&D projects in Korea, and the study found that the interaction between science-based partners and internal absorptive capacities had a positive effect on the success of product innovation, while the interaction between market-based partners and internal absorptive capacities had no significant effect. This is significant in that it has demonstrated the importance of external knowledge source adoption strategies by considering the characteristics of cooperative partners in establishing innovation strategies and emphasizing complementarity, especially with science-based partners. Chapter 4 focused on the exploratory innovation strategies of R&D-intensive large firms that can continuously execute a high percentage of R&D expenditures, focusing on technological diversification strategies that recombine, combine, and expand heterogeneous knowledge, and the moderating effect of internal core technology competencies. This study conducted an analysis using panel data of 516 top R&D investors around the world, noting that technological diversification requires a complex and continuous knowledge integration process. As a result, it was confirmed that the unrelated technological diversification strategy shows an inverted U-shaped relationship with R&D efficiency. In addition, internal core technology competencies were confirmed to significantly moderate the relationship between unrelated technological diversification and R&D efficiency by alleviating the volatility of the inverted U-shaped relationship between unrelated technological diversification and R&D efficiency. This is meaningful in that it allows us to distinguish between various types of technological diversification and understand more in-depth the impact of each type of technological diversification strategy on R&D efficiency, considering that the motivation and strategic goals of technological diversification can appear in various ways. Based on the results of two studies, this dissertation has the following academic meanings and policy implications. First, it presents a structural framework for innovation by expanding existing exploratory innovation research. To address the abstract and multifaceted nature of exploratory innovation proposed by March (1991) by dividing it into open innovation strategies and technological diversification strategies based on the characteristics of combining external knowledge and expanding it to various technology fields, complementing areas that were not covered or ambiguous in previous studies, it presents a clearer structural framework for exploratory innovation. Second, this dissertation provided an in-depth understanding of the relationship between exploratory innovation activities and innovation performance by setting R&D-intensive firms with a clear relationship between innovation input and output as the scope of research. Accordingly, this paper contributes to deeply understanding the dynamics between exploratory innovation activities and innovation performance. Third, this dissertation is different from existing research in that it presents, based on theoretical grounds, the type of exploratory innovation strategy appropriate for the resource size of R&D-intensive firms, which was not actively covered in previous research. Finally, this dissertation contributes to the expansion of empirical research in literature that deals with the conditional effects of internal innovation capabilities that have been relatively overlooked in investigating the relationship between various exploratory innovation strategies and innovation performance. Therefore, this dissertation is of academic significance in providing in-depth insight into the dynamics of the exploratory innovation process by comprehensively considering the firm's internal innovation capabilities, and it is of great significance in providing the criteria for various judgments necessary for establishing exploratory innovation strategies. Keywords: Exploratory innovation, R&D intensive firm, Open innovation, Technological diversification, Internal innovation capabilities, Absorptive capacities, Core technology competencies

토오크 휠 장치를 이용한 유연구조물의 진동 감소

홍성민 한국과학기술원 1996 국내박사

선형 점탄성문제에 대한 시간영역에서의 경계요소 해석=

심우진 한국과학기술원 1989 국내박사

온라인 P2P 대출 신청 사업장의 폐업 요인 실증 연구

이나영 한국과학기술원 2020 국내석사