NEOS 실험을 위한 액체 섬광 검출용액 제조

김바로,주경광 한국물리학회 2015 새물리 Vol.65 No.11

A new experiment, NEOS (Short BaseLine Neutrino Oscillation Experiment), is aiming to investigate the reactor antineutrino anomaly by using the Hanbit reactor at Yonggwang, South Korea. A homogeneous NEOS detector has a 1000- target volume, and it uses linear alkyl benzene (LAB) as its main base solvent. Ultima Gold F (UG-F) is added to improve the light yield and pulse shape discrimination (PSD). The ratio of LAB to UG-F is 90:10. 2,5-Diphenyloxazole (PPO) and 1,4-bis[2-(2-methylphenyl)ethenyl] -benzene (bis-MSB) are dissolved to formulate the liquid scintillator (LS) with a mixture of LAB and UG-F. Then, ~0.5% gadolinium (Gd) is loaded into the LS. One ton of LS is synthesized by using a solvent-solvent extraction method. In this paper, the preparation, the synthesis procedures and the quality control results for the NEOS LS are described. NEOS (Short BaseLine Neutrino Oscillation Experiment)는 국내 한빛 원자로를 이용하여 sterile 중성미자 존재유무 가능성을 탐구하기 위한 실험이다. NEOS 검출기는 중성미자 검출과 배경사건 제거와 파형 분별 능력 (PSD) 향상을 위하여 90%의 선형알킬벤젠 (LAB)과 10%의 Ultima Gold F (UG-F) 혼합 용매에 기반을 두고 형광체인 PPO와 bis-MSB를 녹인 후 최종적으로 가돌리늄 (Gd)이 ~0.5% 용해된 액체섬광 검출용액을 사용한다. 약 1톤의 가돌리늄이 용해된 액체섬광 검출용액을 필요로 하는데, 이 논문에서는 NEOS 실험에 사용되는 액체섬광 검출용액을 만들기 위한 과정과 완성된 액체섬광검출용액의 품질 검사 결과를 보여준다.

GLoBES를 이용한 장거리 중성미자 진동변환 연구

김바로,주경광 한국물리학회 2011 새물리 Vol.61 No.9

GLoBES is a computer-based simulator for the neutrino oscillation caused by setting a neutrino source, baseline and detector. We simulate one of the neutrino oscillation parameters, Θ_13,for a long baseline neutrino experiment. The oscillation probability of a neutrino as a function of distance is estimated under the conditior that a ν_μ neutrino is made at JPARC in Japan and travels over ~1200 km to Korea. GLoBES는 중성미자 발생원과 검출기를 임의로 설정하여 가상적으로중성미자 실험을 구현할 수 있는 컴퓨터 시뮬레이터이다. 이를 이용하여진동변환상수 중의 하나인 Θ_13를 장거리 중성미자의 경우에대해 알아보았는데, 일본의 JPARC에서 만든 ν_μ 중성미자 빔이~1200 km 떨어진 한국으로 투사될 때 거리에 따른 중성미자의진동변환 확률을 구하였다.

Development of (Gd, 6Li)-loaded Organic Liquid Scintillators for Reactor Neutrino Detection

김바로,김승찬,주경광,신창동,소선행,여인성 한국물리학회 2015 THE JOURNAL OF THE KOREAN PHYSICAL SOCIETY Vol.66 No.5

This paper describes in detail the metal-loaded liquid scintillator (LS) that was developed for usein reactor neutrino experiments. Two different organic base solvents, linear alkyl benzene (LAB)and diisopropylnaphthalene (DIN), are used to synthesize the liquid scintillator. Gadolinium (Gd)or lithium (6Li) is loaded into the organic liquid scintillators. A solvent-solvent extraction methodwas developed to load Gd into LS, and in the case of 6Li, a suitable surfactant was found and wasapplied. In this study, the optical and the physical properties of the LS were investigated, and theresults summarized in this report, including the transmittance, emission spectra, light yield, pulseshape discrimination, and water concentration.

[특집] 인공지능 시대, 창작과 비평의 미래

김바로 인천작가회의(작가들) 2020 작가들 Vol.- No.75

한국역사인물데이터베이스 설계 시론: 홍문록(弘文錄)을 예시로 하여

김바로 한국학중앙연구원 한국학중앙연구원 2023 한국학 Vol.46 No.3

To implement the Korea Biographical Database Project (KBDB), this study examined the China Biographical Database Project (CBDB, 中國歷代人物傳記資料庫), which was digitally implemented by synthesizing information on Chinese historical figures. The CBDB not only presents a data design that realizes complex information on historical personalities, but also contributes to the development of a historical research methodology through data sharing. With the CBDB as a reference, using the Hongmunrok(弘文錄) as an example, we proposed a design scheme for a KBDB that can interconnect the Korean Historical Personality Information System of the Academy of Korean Studies, the National Institute of Korean History’s Supplement to the Records of the Joseon Dynasty, and the Translation of Korean Classics Comprehensive Database. 본 논문은 한국역사인물데이터베이스(KBDB: Korea Biographical Database Project)를 구현하기 위하여, 중국 역사 인물에 관한 정보를 종합하여 디지털에서 구현한 ‘중국인물 데이터베이스 프로젝트(CBDB: China Biographical Database Project, 中國歷代人物傳記資料庫)’를 탐색했다. CBDB는 복합적인 역사 인물 정보를 구현한 데이터 설계를 제시하였을 뿐만이 아니라, 데이터 공유를 통해서 역사학 연구 방법론 발전에 공헌하고 있다. 이를 바탕으로 홍문록(弘文錄)을 예시로 하여, 한국학중앙연구원 한국역대인물정보시스템, 국사편찬위원회 조선왕조실록 부가열람, 한국고전번역원 한국고전종합DB를 상호 연결할 수 있는 한국역사인물데이터베이스의 설계 방안을 제시했다.

빅데이터와 고전문학 연구방법론

김바로,강우규 중앙어문학회 2019 語文論集 Vol.78 No.-

This paper examines various digital methodologies that can be used in classical literature research, and presents the necessity and direction of big data and classical literature convergence research. Using digital analysis techniques, such as a language analysis method, network analysis method, and spatial analysis method, a new study direction of limited classical literary text can be suggested. However, existing digital analysis techniques cannot be applied to classical literary texts, and new digital analysis techniques optimized for classical literary texts need to be developed. In this situation, the direction of big data and classical literature convergence research is to build a sophisticated data model to produce meaningful knowledge. In addition, for classical literature to appreciate its own value, it is necessary to carry out continuous research and make public use plans. In this respect, we call for researchers' interest in classical literature, big data convergence research, and active sharing of classical literary data. 본 논문은 고전문학 연구에 활용될 수 있는 다양한 디지털 방법론을 검토하 여 빅데이터와 고전문학 융합연구의 현재를 진단하고 그 필요성 및 방향성을 제시하였다. 언어분석방법, 네트워크분석방법, 공간분석방법 등의 디지털 분석 기법을 활용하면 한정된 고전문학 텍스트에 대한 새로운 연구 방향성을 제시 해줄 수 있다. 하지만 고전문학 텍스트에 현존하는 디지털 분석 기법을 그대로 적용할 수 없고, 고전문학 텍스트에 최적화된 디지털 분석 기법을 새롭게 개발 해야 할 필요가 있다. 이러한 상황에서 빅데이터와 고전문학 융합연구가 나아갈 방향은 정교한 데이터 모델을 구축하여 의미 있는 지식을 생산해내는 것에 있다. 또한 고전문학 이 고전으로서의 가치를 평가받기 위해서는 끊임없는 연구와 함께 대중적 활 용방안의 마련도 필요하다. 이러한 측면에서 고전문학과 빅데이터 융합연구, 고전문학 데이터의 적극적인 공유에 대한 연구자들의 관심을 촉구한다.

인공지능 시대의 사전과 데이터 ‒ 한국역사인물사전(데이터)을 위한 탐색 ‒

김바로 단국대학교 동양학연구원 2021 東洋學 Vol.- No.84

This paper concludes that the future of the artificial intelligence era dictionary is in the ‘machine readable data’, which is a collection of various things in a way that computers can understand for human beings and arranged in a certain order and commentary on each of them. In order to explore the possibility of transition to the data of dictionary studies, researcher examined the advantages and disadvantages of labeled data, parallel corpus data, and squad data released on AIHUB, an artificial intelligence integration platform. In data design and data construction in the specialized domain area, it was decided that it could inherit the research results of existing dictionary studies. And researcher searched the structure and contents of semantic data, another artificial intelligence data to overcome the limitations of data for deep learning, and decided that the results of existing dictionaries could be fully utilized in ontology design and semantic data construction. Based on this, for practical case study, data for deep learning and semantic data through ontology design were experimentally constructed on the theme of Korean historical character dictionary. First, researcher constructed and experimented with the learning data of object name identification (NER) based on the annals data of the Joseon Dynasty using the object name identification (NER) method of deep learning. The problem that object identification of object name identification (NER) through deep learning only identifies the attribute of the object and does not recognize the uniqueness of the object is confirmed. Therefore, the possibility of semantic data was examined through experimental ontology design to build semantic data as knowledge that has various uniqueness through the relationship with the object’s time, space, and characters. In conclusion, if the concept and understanding of machine-readable data can be added in traditional dictionary studies, it is considered to be competitive enough in both deep learning data and semantic data through ontology. 본 논문은 인공지능 시대 사전의 미래는 인간을 위해서 컴퓨터가 이해할 수 있는 방식으로 여러 가지 사항을모아 일정한 순서로 배열하고 그 각각에 해설을 붙인 내용인 ‘기계가독형 데이터’에 있다고 판단했다. 사전학의데이터학으로의 전환 가능성을 타진하기 위해서, 인공지능 통합 플랫폼인 AIHUB에 공개된 레이블드 데이터, 병렬코퍼스(말뭉치) 데이터, 스쿼드 데이터의 구조와 내용의 장단점을 살펴보았다. 데이터 설계와 전문 도메인영역의 데이터 구축에서는 충분히 기존 사전학의 연구 성과를 계승할 수 있다고 판단했다. 그리고 딥러닝을 위한 데이터의 한계를 타파하기 위한 또 다른 인공지능 데이터인 시맨틱 데이터의 구조와 내용에 대해서 탐색했고, 기존 사전학의 연구 성과가 온톨로지 설계와 시맨틱 데이터 구축에서 충분히 활용될 수 있다고 판단했다. 이를 토대로 실제적인 사례 연구를 위해서, 한국역사인물사전을 주제로 딥러닝을 위한 데이터와 온톨로지설계를 통한 시맨틱 데이터를 각각 실험적으로 구축했다. 우선 딥러닝의 객체명식별(NER) 방법을 활용하여, 조선왕조실록데이터를 토대로 하는 객체명식별(NER) 학습 데이터를 구축하고 실험했다. 딥러닝을 통한 객체명식별(NER)의 객체 식별이 객체의 속성만을 식별할 뿐, 객체의 고유성을 인지하지 못한다는 문제를 확인했다. 이에 객체의 시간, 공간, 인물 등과의 관계를 통한 다양한 고유성을 내재하고 있는 지식으로서의 시맨틱데이터를 구축하기 위한 실험적인 온톨로지 설계를 통해서 시맨틱 데이터의 가능성을 살펴보았다. 결론적으로 전통적인 사전학에서 기계가독형 데이터에 대한 개념과 이해가 더해질 수 있다면 딥러닝을 위한 데이터와 온톨로지를 통한 시맨틱 데이터 모두에서 충분히 경쟁력이 있다고 본다.

딥러닝으로 불경 읽기 - Word2Vec으로 CBETA 불경 데이터 읽기

김바로(金바로) 원광대학교 원불교사상연구원 2019 원불교사상과 종교문화 Vol.80 No.-

본 연구는 CBETA(씨베타) 불경 데이터를 대상으로 딥러닝 방법인 Word2Vec(워드투벡)을 통해서 불경을 분석하고 시각화하는 방법을 탐색하고, 이를 토대로 인공지능이 불경을 읽는 방법의 장단점을 검토했다. 우선 인공지능에 대한 불교학 연구가 인공지능에 대한 비판의 측면에 집중되어 있는 현상을 제시하며, 인공지능을 활용한 불교학 연구를 제안하였다. 이를 위해서 Word2Vec을 통한 불경 분석의 이론적 배경과 분석 알고리즘을 서술하였다. 또한 불교학 연구자가 분석 결과를 탐색할 수 있는 방법을 제시하고, 이를 토대로 불교학 연구자가 분석 결과에 손쉽게 접근하여 사용할 수 있는 시각화 방안을 제시하였다. 마지막으로 인공지능 분석 방법의 장점으로 ‘넓게 보기’, ‘다르게 보기’, ‘디지털 학문 선순환’을 제시하였고, 단점으로 ‘형태적인 접근의 한계’, ‘설명 불가능한 인공지능’, ‘해석 불가능한 인공지능’의 문제를 서술하였다. 그리고 서술한 문제를 해결하는 방안으로 불교학의 지식과 사유를 디지털에 이식하기 위한 불교학 디지털 온톨로지를 제안하였다. This study explored how to analyze and visualize the Buddhist scriptures using the deep learning method Word2Vec using CBETA data, and based on this, examined the advantages and disadvantages of how artificial intelligence read the Buddhist scriptures. First of all, the Buddhist study on artificial intelligence presented a phenomenon focusing on the aspects of criticism on artificial intelligence, and proposed the study of Buddhism using artificial intelligence. To this end, the theoretical background and analysis algorithm of Buddhist scripture analysis through Word2Vec were described, the method by which Buddhist researchers could explore the analysis results was presented, and a visualization method was presented to enable Buddhist researchers to easily access and use the analysis results. Finally, the strengths of artificial intelligence were "broad view," "different view," and "digital academic development," while shortcoming was to describe the limitations of formative approach, unexplained artificial intelligence, and incomprehensible AI problems. And as a way to solve the problem described, I proposed a Buddhist study digital ontology to transplant Buddhist knowledge and manas to digital.

딥러닝을 통한 한국문화콘텐츠의 감정 연구 시론 : 세션 2-1 : 빅데이터 시대 문화와 융합 연구

김바로 한국문화융합학회 2020 한국문화융합학회 전국학술대회 Vol.2020 No.2

한국 대중 서사 기반 감정 데이터 구축과 활용 - 감정 딥러닝 모델 구현을 통한 문학 연구의 활용 가능성 탐색을 중심으로

김바로,강우규 중앙대학교 인문콘텐츠연구소 2022 인공지능인문학연구 Vol.12 No.-

본 연구는 한국 대중 서사 기반의 감정 데이터를 활용하여 한국 문학의 감정을 연구할 가능성을 모색해보고자 하였다. 이에 중앙대학교 인문콘텐츠연구소에서 구축한 문학과 콘텐츠 감정 데이터를 소개하고, 이를 활용하여 ‘문학’, ‘콘텐츠’, ‘문학+콘텐츠’의 데이터별 LSTM 및 BERT 2분류(긍정·부정) 모델 총 6개, LSTM 3분류(분노·슬픔·즐거움) 모델 1개를 구축하였다. LSTM 및 BERT 2분류 모델은 80~87%의 감정 예측 정확도를 보여주었고, 긍정보다는 부정을 더욱 정확하게 예측하였다. 학습 방법별로 LSTM보다 BERT가 예측 정확도가 높았다. 감정 데이터별로는 ‘문학+콘텐츠’ 모델이 예측 정확도가 높았다. 이러한 결과는 정보공학의 측면에서 학습한 데이터 총량의 문제와 연관되는 것으로 파악되지만, 인문학적으로 볼 때 토대 데이터의 성격 즉 소설과 드라마의 성격 차이에 따른 감정 양상의 차이에서 비롯되는 것으로 파악된다. 이후 <구운몽>을 대상으로 한 ‘감정 딥러닝 모델의 감정 판단 데이터’와 ‘주석자 감정 판단 데이터’의 비교 검증을 진행하였는데, 감정 수치가 높은 긍정, 부정 범주의 판단 사례가 대체로 일치하는 결과를 보여주었다. 즉 감정 딥러닝 모델이 문학 연구에 활용될 가능성을 보여준 것이다.