TDA

10 Contents

[카오스 짧강] TDA 활용 (GPR 탐사)

위상수학적 데이터 분석(TDA)은 최근 토목 분야의 비파괴 탐사 영역에서 혁신적인 도구로 주목받고 있습니다. 비파괴 탐사란 구조물을 파괴하지 않고 내부의 상태를 파악하는 기술로, 특히 도심의 안전을 위협하는 싱크홀 문제를 해결하는 데 중요한 역할을 합니다. 싱크홀은 지하수가 흐르며 생긴 공동이 커지면서 지표면이 무너지는 현상인데, 이를 사전에 탐지하기 위해 지표 투과 레이더(GPR)가 널리 사용됩니다. 하지만 GPR 데이터는 노이즈가 많고 지하의 돌이나 파이프가 공동과 유사한 형태로 나타나 정확한 판별이 어렵다는 한계가 있었습니다. 이러한 한계를 극복하기 위해 인공지능 모델에 위상수학적 데이터 분석(TDA)을 접목하는 시도가 이루어지고 있습니다. 이미지 데이터에서 '구멍'이라는 위상적 특징을 추출하여 학습 데이터에 포함시키는 피처 엔지니어링 기법을 활용하는 것입니다. 기존의 인공지능이 국소적인 픽셀 정보에만 의존했다면, TDA를 통해 얻은 글로벌한 위상적 정보를 함께 학습함으로써 탐사 성능을 획기적으로 향상시킬 수 있습니다. 이는 복잡한 데이터 속에서 본질적인 구조적 특징을 포착해내는 위상수학의 강점이 실제 산업 현장의 문제를 해결하는 강력한 무기가 될 수 있음을 보여주는 사례입니다. 위상수학적 데이터 분석(TDA)의 활용 가능성은 싱크홀 탐지에 그치지 않고 석유 시추나 기상 예측 등 데이터를 다루는 다양한 분야로 확장될 수 있습니다. 예를 들어 태풍의 눈과 같은 기상 현상의 구조적 특징을 분석하거나 지질 구조 내의 자원을 탐색하는 데에도 위상수학적 접근이 유효할 것입니다. 비록 위상수학이 학문적으로는 어렵고 생소하게 느껴질 수 있지만, 기존 분석 방법론이 직면한 한계를 돌파할 수 있는 미지의 영역이자 새로운 도구라는 점은 분명합니다. 데이터의 본질을 꿰뚫는 이 새로운 시각은 앞으로 더 많은 분야에서 기술적 진보를 이끌어낼 것으로 기대됩니다.

[카오스 짧강]  TDA 활용 (GPR 탐사)
카오스재단질토과 + 짧강

[카오스 짧강] Vietoris-Rips Complex

데이터는 개별적인 점으로 존재할 때는 그 의미를 파악하기 어렵지만, 멀리서 바라보면 구름처럼 특정한 모양을 형성합니다. 위상 데이터 분석(TDA)은 바로 이러한 데이터의 기하학적 구조를 파악하여 정보를 추출하는 혁신적인 기술입니다. 보이지 않는 데이터의 전개도를 그리는 과정은 연구자들에게 매우 중요한 과제이며, 내가 가진 데이터에 어떤 모양을 부여할 것인가를 결정하는 것이 위상 데이터 분석(TDA) 기술의 핵심적인 출발점이 됩니다. 데이터에 모양을 부여하는 대표적인 방법 중 하나는 '비토리스-립스 복합체'라는 아이디어입니다. 이는 가까운 거리에 있는 점들을 서로 연결하여 하나의 형태를 만드는 방식입니다. 이때 '가깝다'는 기준을 수학적으로 엄밀하게 정의하기 위해 임계값인 엡실론을 사용합니다. 엡실론 값을 0부터 서서히 키워나가면 떨어져 있던 점들이 하나둘 연결되면서 데이터의 구조가 변화하고, 그 과정에서 데이터가 가진 본질적인 모양이 서서히 드러나게 됩니다. 임계값이 변화함에 따라 수학자들은 베티 수를 계산하여 모양의 변화를 추적합니다. 베타 0은 연결된 덩어리의 개수를, 베타 1은 구멍의 개수를 의미합니다. 임계값이 커질수록 수많은 연결선이 나타나지만, 그중에서 오랫동안 유지되는 긴 선들은 데이터의 핵심적인 특징을 나타내고 금방 사라지는 짧은 선들은 노이즈로 간주합니다. 이러한 지속성을 분석하면 복잡한 데이터 속에 숨겨진 구조를 명확하게 파악하여 데이터의 분포를 짐작할 수 있습니다. 실제로 두 개의 구멍을 가진 8자 모양의 데이터를 분석해 보면, 베타 1에서 두 개의 긴 선이 뚜렷하게 관찰되는 것을 확인할 수 있습니다. 이는 데이터가 하나의 덩어리로 뭉쳐 있으면서도 내부에 두 개의 중요한 순환 구조를 가지고 있음을 시사합니다. 이처럼 수치화된 베티 수의 변화 과정을 시각적으로 해석함으로써, 우리는 직접 눈으로 확인할 수 없는 고차원 데이터가 어떤 기하학적 형상을 띠고 있는지 논리적으로 추론하고 그 특징을 규명할 수 있게 됩니다. 위상 데이터 분석(TDA)의 일차적인 목표는 데이터가 가진 고유한 모양을 밝혀내는 것입니다. 비록 모양 그 자체만으로는 즉각적인 실생활의 해답을 주지 못할지라도, 기존의 통계적 방법으로는 발견하기 어려웠던 데이터 내부의 구조적 정보를 추출해낸다는 점에서 매우 강력한 가치를 지닙니다. 데이터 마이닝의 새로운 지평을 여는 이 기술은 복잡한 정보의 바다 속에서 유의미한 통찰을 얻기 위한 필수적인 과정이며, 현대 데이터 과학의 중요한 축을 담당하고 있습니다.

[카오스 짧강]  Vietoris-Rips Complex
카오스재단질토과 + 짧강

[카오스 짧강] 위상수학적 데이터 분석법, TDA란..? (2)

우리가 일상에서 접하는 데이터는 단순한 수치의 나열을 넘어 고차원 공간상의 점으로 이해할 수 있습니다. 예를 들어 한 개인의 키, 몸무게, 나이 등 여러 지표를 수치화하면, 그 개수만큼의 차원을 가진 좌표가 생성됩니다. 데이터의 종류가 방대해질수록 우리가 상상하기 힘든 수십, 수백 차원의 공간에 점들이 찍히게 되는데, 인간은 3차원 세계에 살고 있어 이러한 고차원 데이터를 직관적으로 시각화하기 어렵습니다. 위상수학은 바로 이 지점에서 보이지 않는 고차원 데이터의 구조를 파악하는 실마리를 제공합니다. 기존의 통계학이나 데이터 분석 기법은 주로 고차원의 데이터를 눈에 보이는 저차원으로 축소하는 데 집중해 왔습니다. 선형대수학 등을 활용해 핵심적인 차원만을 남기고 나머지를 덜어내어 가시화하는 방식입니다. 반면 위상적 데이터 분석(TDA)은 차원을 억지로 줄이기보다 데이터가 고차원 공간에서 형성하고 있는 본연의 '모양'에 주목합니다. 평균이나 분산 같은 수치만으로는 파악할 수 없는 기하학적 구조를 유추함으로써 데이터가 숨기고 있는 고유한 의미를 찾아내는 것이 이 분석법의 핵심입니다. 이러한 분석법은 실전 전략 수립에도 유용하게 쓰일 수 있습니다. 농구 선수들의 신체 능력과 경기 기록 등 수십 가지 파라미터를 데이터화하여 고차원 공간에 점으로 뿌려보면, 선수들이 특정 기준에 따라 군집을 이루는 모습을 발견하게 됩니다. 이를 통해 공격이나 수비에 최적화된 그룹을 자동으로 분류하거나, 경기 상황에 따른 맞춤형 교체 전략을 세울 수 있습니다. 데이터 점들이 모여 이루는 구조 자체가 하나의 전략적 자산이 되는 셈입니다. 이는 단순히 숫자를 계산하는 것을 넘어 데이터 사이의 관계망을 형상화하는 과정이라 할 수 있습니다. 최근 인공지능 분야에서 TDA가 주목받는 이유는 AI의 국소적 정보 처리 한계를 극복하기 위해서입니다. 과거의 AI는 이미지의 부분적인 특징에만 집착하여, 판다 사진에 미세한 노이즈를 섞으면 이를 긴팔원숭이로 오판하는 오류를 범하곤 했습니다. 인간이 노이즈에 상관없이 전체적인 형상을 보고 판다임을 알아보는 것과 대조적입니다. TDA는 데이터의 지엽적인 변화에 휘둘리지 않고 전체적인 '전역적(Global) 정보'를 조망하는 위상수학의 특성을 활용합니다. 이를 통해 인공지능이 데이터를 보다 거시적이고 정확하게 이해할 수 있도록 돕습니다. 결국 TDA의 핵심은 무수히 많은 데이터 점들로부터 어떻게 유의미한 '모양'을 정의하고 추출하느냐에 달려 있습니다. 멀리서 보았을 때 데이터들이 이루는 구름 같은 형상 속에서 어떤 연결성을 찾아내고 전개도를 그리느냐가 분석의 성패를 좌우합니다. 연구자들은 각 데이터의 특성에 맞춰 최적의 위상적 모델을 설계하며, 보이지 않는 고차원의 세계를 해석 가능한 형태로 변환합니다. 데이터가 가진 기하학적 본질을 탐구하는 이 여정은 현대 데이터 과학이 직면한 복잡한 문제들을 해결하는 새로운 열쇠가 되고 있습니다.

[카오스 짧강] 위상수학적 데이터 분석법, TDA란..? (2)
카오스재단질토과 + 짧강

[카오스 짧강] TDA의 활용 사례 (의료, 스포츠)

위상 데이터 분석(TDA)은 데이터의 기하학적 구조를 파악하여 복잡한 정보 속에서 유의미한 패턴을 찾아내는 혁신적인 기술입니다. 과거 할리우드 배우 안젤리나 졸리가 유방암 예방 차원에서 수술을 받았을 당시에는 유전자 검사와 가족력에 기반한 모험적인 판단이 주를 이루었습니다. 하지만 오늘날 TDA를 활용하면 특정 개인의 생체 데이터가 어떤 군집에 속하는지 정밀하게 판단할 수 있습니다. 이는 단순히 질병의 유무를 확인하는 진단을 넘어, 미래의 발병 가능성을 예측하는 시대로의 전환을 의미합니다. 수학적 분석을 통해 데이터의 모양을 살핌으로써 예방적 차원의 의사결정을 더욱 체계적으로 돕는 것입니다. TDA의 핵심은 단순히 분석 속도를 높이거나 정확도를 개선하는 것에 그치지 않고, 데이터를 바라보는 새로운 시각을 제공한다는 점에 있습니다. 고차원 데이터는 수많은 변수가 얽혀 있어 기존의 방식으로는 그 본질적인 구조를 파악하기 어렵습니다. TDA는 이러한 데이터들이 형성하는 '모양'에 주목하여, 우리가 미처 발견하지 못했던 연결 고리를 찾아냅니다. 이는 정답이 정해져 있지 않은 복잡한 현실 세계의 문제를 해결하는 데 있어 매우 유용한 도구가 됩니다. 수치 뒤에 숨겨진 데이터의 위상학적 특징을 분석함으로써, 기존 통계학적 방법론이 놓치기 쉬운 세밀한 부분까지 포착하여 데이터의 진정한 의미를 해석할 수 있게 해줍니다. 이러한 분석 기법은 스포츠 분야에서도 놀라운 결과를 보여주었습니다. 선수들의 출전 시간과 득점력 등 수십 가지의 변수를 분석한 결과, 감독들이 직관적으로 수행하던 선수 조합과 운영 방식이 데이터상으로도 실재함을 입증했습니다. 공격이나 수비에 특화된 세부적인 역할 모델을 데이터의 기하학적 구조를 통해 확인한 것입니다. 이처럼 TDA는 의료와 스포츠를 넘어 다양한 분야에서 인간의 경험을 과학적으로 뒷받침하고, 복잡한 정보 속에서 새로운 통찰력을 이끌어내는 강력한 수단으로 자리 잡고 있습니다. 데이터의 형태를 통해 현상의 본질을 꿰뚫는 이 기술은 앞으로 더 많은 영역에서 그 가치를 증명할 것입니다.

[카오스 짧강] TDA의 활용 사례 (의료, 스포츠)
카오스재단질토과 + 짧강

[카오스 짧강] 위상수학적 데이터 분석법, TDA란..?

위상수학적 데이터 분석(TDA)은 빅데이터를 바라보는 새로운 철학을 제시합니다. 기존의 통계학이 데이터의 수치적 특성과 분포에 집중했다면, TDA는 데이터가 형성하는 '모양' 그 자체에 중요한 정보가 담겨 있다고 믿습니다. 예를 들어, 흩어져 있는 데이터 포인트들 주위에 원을 그리고 그 반지름을 점차 키워나가면, 데이터 포인트들이 서로 연결되면서 특정한 구조를 형성하게 됩니다. 이러한 과정을 통해 데이터의 분포 상태를 기하학적으로 파악할 수 있으며, 이는 단순한 통계 수치로는 발견하기 어려운 데이터의 본질적인 성질을 드러내 줍니다. 데이터의 모양을 분석할 때는 연결 성분의 개수나 구멍의 존재 여부와 같은 위상수학적 불변량을 활용합니다. 데이터 포인트들 사이의 거리에 따라 원의 크기를 조절하면, 분리되어 있던 데이터 포인트들이 하나로 합쳐지거나 중간에 빈 공간이 생기는 등 구조적 변화가 일어납니다. 이러한 변화의 흐름을 수열로 표현하면 데이터의 고유한 특성을 나타내는 일종의 지문이 됩니다. 수백만 개의 복잡한 데이터 포인트라도 이러한 불변량을 추출하면 그 안에 숨겨진 규칙성을 명확하게 파악할 수 있으며, 이는 서로 다른 데이터 집합을 분류하고 비교하는 강력한 도구가 됩니다. 이러한 분석법은 고차원 정보를 다루는 다양한 분야에서 유용하게 활용될 수 있습니다. 복잡한 지표들을 하나의 데이터 포인트로 표현하여 거대한 데이터 클러스터를 형성하고, 그 모양을 통해 유의미한 패턴을 분류해내는 것입니다. 여기서 핵심은 '지속성(Persistence)'이라는 개념으로, 연결 강도를 변화시킬 때 데이터의 위상적 성질이 얼마나 오랫동안 유지되는지를 관찰하는 것입니다. 기본군과 같은 위상수학적 개념을 통해 데이터의 구멍이나 연결성을 추적함으로써, 우리는 복잡한 빅데이터의 구조를 더욱 깊이 있게 이해할 수 있게 됩니다.

[카오스 짧강] 위상수학적 데이터 분석법, TDA란..?
카오스재단질토과 + 짧강

[카오스 짧강] 통계학과 위상수학의 데이터 접근법 차이

통계학은 데이터를 분석할 때 명확한 목표를 설정하는 것에서부터 시작합니다. 분석가는 평균이나 분산을 확인하거나, 두 집단 사이에 차이가 있는지를 파악하기 위해 구체적인 가설을 수립합니다. 예를 들어 특정 데이터군에 여러 포지션이 존재할 것이라는 가정을 하고, 실제 데이터를 통해 그 가정이 통계적으로 타당한지를 확인하는 방식입니다. 이러한 접근은 데이터의 활용 목적을 미리 정의하고 이를 입증해 나가는 과정이라 할 수 있으며, 수치적인 신뢰도를 확보하는 데 주력합니다. 위상수학적 데이터 분석(TDA)은 데이터 과학의 관점에서 접근 방식이 근본적으로 다릅니다. 특별한 목적을 미리 정해두지 않고, 일단 방대한 데이터를 확보한 뒤 그 안에서 어떤 형태가 나타나는지를 살핍니다. 이전에는 전혀 인지하지 못했던 데이터의 구조를 새롭게 포착하는 것에 초점을 맞추는 것입니다. 이는 미리 정해진 정답을 찾는 과정이 아니라, 데이터 자체가 스스로 보여주는 숨겨진 형상을 찾아내는 탐색과도 같으며 기존의 분석 틀을 깨는 새로운 시각을 제공합니다. 결국 통계학과 위상수학적 데이터 분석(TDA)의 차이는 입증과 탐색이라는 지향점에 있습니다. 통계학이 세워진 가설의 진위 여부를 확인하며 실용적인 결과를 도출한다면, 위상수학적 데이터 분석(TDA)은 데이터의 흐름을 통해 예상치 못한 통찰을 얻는 과정을 중시합니다. 처음부터 특정 용도를 염두에 두지 않았더라도, 데이터를 살피는 과정에서 결과적으로 유용한 가치가 도출되기도 합니다. 이러한 두 분야의 상호보완적인 성격은 현대 데이터 분석에서 매우 중요한 역할을 수행하며 복잡한 데이터 세상을 이해하는 열쇠가 됩니다.

[카오스 짧강] 통계학과 위상수학의 데이터 접근법 차이
카오스재단질토과 + 짧강

[강연] 위상수학의 놀라운 응용: 데이터도 모양이 있다? 2_by 최수영 / 2024 봄 카오스강연 '세상에 나쁜 수학은 없다' 9강 두 번째 이야기 | 9강 ②

위상수학은 단순히 공간의 성질을 분류하는 것을 넘어, 불변량을 통해 보이지 않는 공간의 형태를 추론하는 단계로 진화하고 있습니다. 과거에는 두 공간이 왜 다른지를 설명하는 데 집중했다면, 이제는 구멍의 개수와 같은 불변량을 역으로 계산하여 전체적인 구조를 파악하려 합니다. 이는 마치 복잡한 수식을 인수분해하여 본질을 찾아내는 과정과 유사하며, 우리가 직접 관찰할 수 없는 고차원 우주나 복잡한 데이터의 형상을 이해하는 강력한 도구가 됩니다. 이러한 추론의 핵심 도구 중 하나가 바로 '베티수'입니다. 이탈리아 수학자 엔리코 베티의 이름을 딴 이 수치는 오일러 지표를 일반화한 개념으로, 공간의 연결 상태와 구멍의 개수를 수치화합니다. 예를 들어 덩어리의 개수를 나타내는 제0 베티수와 고리 형태의 구멍을 뜻하는 제1 베티수를 통해 우리는 대상의 위상적 특징을 명확히 정의할 수 있습니다. 이는 눈에 보이지 않는 추상적인 공간을 수학적 언어로 형상화하여 분석할 수 있게 해주는 중요한 지표가 됩니다. 현대 사회의 방대한 데이터 역시 고차원 공간상의 점들로 이해할 수 있습니다. 개인의 신체 정보나 행동 패턴 등 수많은 변수는 각각 하나의 차원이 되어 우리가 인지할 수 없는 복잡한 공간에 위치하게 됩니다. 위상적 데이터 분석(TDA)은 바로 이 지점에서 빛을 발합니다. 고차원에 흩어진 데이터 점들이 이루는 거대한 '구름'의 모양을 베티수와 같은 불변량으로 계산함으로써, 데이터 이면에 숨겨진 구조와 의미를 시각적 한계를 넘어 파악할 수 있게 돕습니다. 기존의 통계 분석이 주로 차원을 축소하거나 평균과 분산을 통해 데이터를 요약했다면, TDA는 데이터가 가진 본래의 기하학적 형상을 보존하며 분석합니다. 데이터가 원형인지 혹은 Y자 형태인지에 따라 그 의미가 완전히 달라질 수 있기 때문입니다. 단순히 수치적인 상관관계를 찾는 것을 넘어, 데이터 공간의 전체적인 구성을 유추함으로써 기존 방식으로는 발견하기 어려웠던 새로운 통찰을 제공합니다. 이는 복잡한 시스템 내의 숨겨진 패턴을 찾는 혁신적인 접근법이라 할 수 있습니다. 인공지능 분야에서도 위상수학의 역할은 점차 커지고 있습니다. 현재의 AI는 주로 데이터의 국소적인 정보에 의존하여 학습하기 때문에, 미세한 노이즈만으로도 판다를 긴팔원숭이로 오인하는 등의 한계를 보입니다. 반면 인간은 사물의 전체적인 맥락과 형태를 파악하는 '전역적 정보'를 활용합니다. TDA는 인공지능에게 이러한 거시적인 관점을 제공하여 모델의 안정성과 정확도를 높이는 데 기여합니다. 부분에 매몰되지 않고 전체를 조망하는 위상수학의 철학이 기술에 녹아드는 셈입니다. 구체적인 분석 기법으로는 '비토리스-립스 복합체'가 널리 쓰입니다. 이는 데이터 점들 사이의 거리가 특정 임계값보다 가까워지면 서로 연결하여 점차 복잡한 형상을 만들어가는 과정입니다. 임계값을 변화시키며 베티수의 변화를 관찰하면, 노이즈처럼 금방 사라지는 특징과 데이터의 본질을 담고 있어 끝까지 유지되는 특징을 구분할 수 있습니다. 이러한 '지속성'의 개념을 통해 우리는 수많은 데이터 속에서 유의미한 위상적 구조를 추출하고 이를 실질적인 정보로 변환하게 됩니다. 위상수학의 응용은 의료 진단부터 토목 공학에 이르기까지 광범위합니다. 유방암이나 당뇨병의 예측 알고리즘을 정교화하는 것은 물론, 지표 투과 레이더 데이터를 분석하여 싱크홀의 원인이 되는 지하 동공을 찾아내는 데에도 활용됩니다. 순수 수학의 영역으로만 여겨졌던 위상수학이 산업 현장의 난제를 해결하는 실용적인 도구로 진화한 것입니다. 인류가 기하학을 통해 문명을 일구었듯, 이제는 위상수학을 통해 복잡한 데이터 시대를 항해하는 새로운 지혜를 얻고 있습니다.

[강연] 위상수학의 놀라운 응용: 데이터도 모양이 있다? 2_by 최수영 / 2024 봄 카오스강연 '세상에 나쁜 수학은 없다' 9강 두 번째 이야기

최수영

카오스재단2024 카오스강연 '세상에 나쁜 수학은 없다'
  • 수학

[강연] 위상수학의 놀라운 응용, 데이터도 모양이 있다? 1_by 최수영 / 2024 봄 카오스강연 '세상에 나쁜 수학은 없다' 9강 첫 번째 이야기 | 9강 ①

수학은 영화 속에서 천재들의 삶을 조명하거나 거대한 우주의 신비를 푸는 열쇠로 자주 등장합니다. 영화 '인터스텔라'에서 종이를 접어 펜을 꽂는 장면은 광활한 우주를 단순한 기하학적 대상이 아닌, 접고 펼 수 있는 위상수학적 공간으로 이해하게 해줍니다. 이처럼 수학은 우리가 세상을 바라보는 방식을 근본적으로 바꾸어 놓습니다. 단순히 숫자를 계산하는 학문을 넘어, 공간의 본질적인 구조를 탐구하는 위상수학은 현대 과학의 다양한 분야에서 새로운 영감을 제공하며 그 영역을 넓혀가고 있습니다. 위상수학은 기존의 관점과는 완전히 다른 새로운 시각으로 공간을 바라보는 학문입니다. 과거에는 너무 난해하여 실생활 응용이 어려울 것이라 여겨졌으나, 최근에는 물리학과 데이터 분석 등 여러 분야에서 놀라운 성과를 거두고 있습니다. 2016년 노벨 물리학상 수상이나 허준이 교수의 필즈상 수상 배경에도 위상수학적 관점이 핵심적인 역할을 했습니다. 복잡한 데이터 속에서 유의미한 구조를 찾아내는 '위상 데이터 분석(TDA)'은 현대 사회의 방대한 정보를 해석하는 강력한 도구로 자리 잡으며 수학의 실용성을 증명하고 있습니다. 18세기 수학자 오일러는 다면체의 꼭짓점, 모서리, 면의 개수 사이에 일정한 규칙이 있음을 발견했습니다. 그는 친구 골드바흐에게 보낸 편지에서 꼭짓점의 수에서 모서리의 수를 빼고 면의 수를 더하면 항상 2가 된다는 사실을 밝히며, 왜 이 간단한 진리를 이제야 알았는지 한탄하기도 했습니다. 이 공식은 단순한 산술적 계산을 넘어 공간의 연결 관계를 정의하는 '오일러 지표'의 시초가 되었습니다. 이는 기하학이 길이와 각도라는 고전적 틀에서 벗어나, 공간의 본질적인 연결성에 주목하게 된 역사적인 전환점이었습니다. 위상수학에서 가장 중요한 개념 중 하나는 '불변량'입니다. 이는 공간을 구부리거나 늘려도 변하지 않는 고유한 값을 의미합니다. 예를 들어, 동그란 고무줄을 가위로 자르면 그 형태가 선으로 변하면서 오일러 지표가 달라지게 됩니다. 수학적으로 두 공간의 불변량이 다르다는 것은, 아무리 주무르고 변형해도 결코 같은 모양이 될 수 없음을 뜻합니다. 이러한 원리는 우리가 일상에서 마주하는 다양한 형태들이 본질적으로 어떻게 다른지를 명확하게 구분해 주는 강력한 논리적 근거가 되며, 공간에 대한 인류의 이해를 한 차원 높여주었습니다. 수학자들은 수식에서 단순한 계산 이상의 아름다움을 발견하곤 합니다. 세상에서 가장 아름다운 정리로 꼽히는 오일러 공식은 전혀 관련 없어 보이는 다섯 가지 상수인 0, 1, e, i, π를 하나의 짧은 식으로 완벽하게 연결합니다. 또한, 두 번째로 아름답다고 평가받는 오일러 다면체 공식은 복잡한 입체 도형의 본질을 꿰뚫는 간결함을 보여줍니다. 이처럼 추상적이고 고차원적인 개념들이 서로 맞물려 하나의 진리로 수렴하는 과정에서 수학자들은 깊은 희열을 느낍니다. 수학은 결국 복잡한 세상을 가장 단순하고 우아한 언어로 설명하려는 노력의 산물입니다.

[강연] 위상수학의 놀라운 응용, 데이터도 모양이 있다? 1_by 최수영 / 2024 봄 카오스강연 '세상에 나쁜 수학은 없다' 9강 첫 번째 이야기

최수영

카오스재단2024 카오스강연 '세상에 나쁜 수학은 없다'
  • 수학

[강연] '모양(shape)' 연구의 대가 - In Memory of 권경환 2_by 김연응 / 2024 봄 카오스강연 '세상에 나쁜 수학은 없다' 7강 두 번째 이야기 | 7강 ②

현대 수학에서 '불변량'은 대상의 본질을 파악하는 핵심적인 도구입니다. 위상수학의 호몰로지와 코호몰로지는 공간이 변형되어도 바뀌지 않는 성질을 수치화하여 복잡한 공간을 분류하는 데 기여합니다. 기하학에서도 각도와 같은 요소가 불변량의 역할을 하며, 우리가 무엇을 '같다'고 정의하느냐에 따라 불변량의 기준은 달라집니다. 이러한 불변량 연구는 현대 수학의 거대한 흐름을 형성하며 공간에 대한 이해를 심화시켰습니다. 한국 위상수학의 거목인 권경환 교수는 유클리드 공간의 구조를 새롭게 조명하며 학계에 큰 충격을 주었습니다. 가장 단순한 기본 단위로 여겨졌던 유클리드 공간이 특정 조건에서 더 작은 공간들의 곱으로 분해될 수 있음을 증명한 것입니다. 이는 마치 원소를 쪼개는 것과 같은 혁신적인 시각의 전환이었으며, 이후 다양체라는 복잡한 기하학적 대상을 연구하는 데 있어 중요한 토대가 되었습니다. 또한 그는 화이트헤드 토션과 같은 복잡한 불변량의 성질을 규명하며 위상수학의 지평을 넓혔습니다. 다양체는 국소적으로는 유클리드 공간과 같아 보이지만, 전체적으로는 독특한 구조를 가진 기하학적 대상입니다. 예를 들어 도넛 표면 위의 개미에게는 주변이 평면처럼 느껴지겠지만, 전체를 조망하면 구멍이 뚫린 입체 구조임을 알 수 있습니다. 위상수학은 이러한 다양체의 본질적인 형태를 연구하며, 3차원 공간이 8가지 위상적 특성을 갖는다는 사실을 밝혀내는 등 공간의 분류 체계를 완성해 나가는 학문적 성과를 거두었습니다. 위상수학은 추상적인 이론에 머물지 않고 빅데이터 분석이라는 실용적인 영역으로 확장되고 있습니다. '위상 데이터 분석(TDA)'은 데이터가 형성하는 고차원적인 모양에 주목하여 기존 통계학이 놓치기 쉬운 내재적 패턴을 찾아냅니다. 수많은 데이터 포인트 주위에 가상의 원을 그려 그 연결성을 관찰하면, 데이터의 분포 방식에 따른 고유한 시퀀스가 나타납니다. 이러한 위상적 접근은 복잡한 정보 속에서 유의미한 구조를 추출하는 강력한 도구가 됩니다. 위상 데이터 분석(TDA)의 혁신성은 의료 분야에서 특히 빛을 발합니다. 환자의 생체 데이터를 고차원 공간의 점으로 치환하여 그 모양을 분석하면, 현재 질병이 없더라도 미래의 발병 가능성을 예측하는 것이 가능해집니다. 이는 단순한 진단을 넘어 정밀한 예측의 시대를 여는 열쇠가 됩니다. 위상수학은 세상을 바라보는 새로운 시각을 제공하며, 가장 아름답고 순수한 이론이 어떻게 현실의 문제를 해결하는 강력한 기술로 변모할 수 있는지를 잘 보여줍니다.

[강연] '모양(shape)' 연구의 대가 - In Memory of 권경환 2_by 김연응 / 2024 봄 카오스강연 '세상에 나쁜 수학은 없다' 7강 두 번째 이야기

김연응

카오스재단2024 카오스강연 '세상에 나쁜 수학은 없다'
  • 수학

[강연] 자연에 숨어 있는 질서를 찾아서 (7) _ by하승열 | 2018 카오스 강연 '모든 것의 수數다' 2강 | 2강 ⑦

최근 우리나라의 기초과학 분야는 눈부신 발전을 거듭하며 세계적인 수준에 도달했습니다. 특히 물리학이나 수학 같은 기초 학문 분야에서는 국내에서 학위를 마친 연구자들도 탁월한 연구 성과를 내놓고 있습니다. 과거에는 해외 유학이 필수적인 과정으로 여겨졌으나, 이제는 국내 연구 환경에서도 충분히 높은 경쟁력을 갖춘 인재들이 배출되고 있습니다. 이러한 변화는 우리 과학계의 자생력이 강화되었음을 보여주는 고무적인 현상이며, 앞으로의 발전 가능성을 더욱 밝게 비추고 있습니다. 자연이나 사회 현상에서 나타나는 군집 현상을 이해하려는 노력은 새로운 기술적 시도로 이어지고 있습니다. 평창 동계 올림픽에서 선보인 드론 쇼는 군집 현상을 공학적으로 구현한 대표적인 사례입니다. 아직은 이러한 기술이 다양한 제품이나 상품군으로 상용화된 사례가 많지 않지만, 드론을 활용한 불꽃놀이와 같은 창의적인 아이디어들이 제안되고 있습니다. 예술과 기술이 결합한 이러한 시도들은 군집 연구가 실생활에 응용될 수 있는 무궁무진한 가능성을 제시하며 대중의 관심을 끌고 있습니다. 산업 수학의 부상은 수학자가 단순히 계산을 돕는 보조적 역할을 넘어 새로운 패러다임을 주도할 수 있음을 보여줍니다. 위상적 데이터 분석이라 불리는 TDA의 사례처럼, 수학적 이론은 데이터의 본질을 파악하는 강력한 도구가 됩니다. 뛰어난 아이디어를 가진 수학자와 이를 상업화할 수 있는 감각을 지닌 전문가가 협력할 때, 학문적 성과는 비로소 산업적 가치로 전환됩니다. 이는 기초 학문이 현대 산업의 복잡한 문제를 해결하는 핵심적인 동력이 될 수 있음을 시사하며 수학의 위상을 높이고 있습니다. 순수 수학과 응용 수학의 경계는 우리가 생각하는 것보다 훨씬 모호하며 서로 긴밀하게 연결되어 있습니다. 1900년대 초반 수학자들이 순수한 호기심으로 연구했던 이론들이 오늘날 컴퓨터 시뮬레이션이나 데이터 분석의 핵심 기술로 쓰이고 있습니다. 당시에는 컴퓨터라는 개념조차 없었지만, 시대를 앞서간 수학적 통찰이 수십 년 뒤 산업의 필수적인 도구가 된 것입니다. 따라서 당장의 유용성을 따지기보다 학문 그 자체의 깊이를 추구하는 것이 결국 미래의 혁신을 위한 가장 단단한 밑거름이 됩니다. 수학적 모델링은 수학이 단순한 숫자의 나열이 아니라 세상을 설명하는 과학의 언어임을 증명합니다. 연구 과정에서 마주하는 수많은 난관과 증명의 어려움은 연구자에게 고통을 주기도 하지만, 이를 극복하고 얻어낸 결과는 무엇과도 바꿀 수 없는 보람을 선사합니다. 좋은 수학은 언젠가 반드시 유용하게 쓰일 것이라는 믿음 아래 묵묵히 연구에 매진하는 태도가 중요합니다. 이러한 끈기 있는 탐구 정신이야말로 기초과학이 인류 문명에 기여하는 가장 근본적인 방식이며 연구자가 지녀야 할 진정한 가치입니다.

[강연] 자연에 숨어 있는 질서를 찾아서 (7)  _ by하승열 | 2018  카오스 강연 '모든 것의 수數다' 2강

배형옥, 하승열

카오스재단카오스강연
  • 수학