통계모델링

3 Contents

[연구뭐하지] 원중호 교수_서울대학교 '통계계산연구실' | 이렇게나 고차원적인 대용량 자료를 다룬다고요?! 이런 연구실 흔치 않습니다

서울대학교 통계계산연구실은 고성능 컴퓨팅(HPC)을 활용하여 통계학의 복잡한 계산 문제를 해결하는 데 집중하고 있습니다. 기존의 방식으로는 예측 모델을 구동하는 데 약 1,000시간이 소요되던 작업을 알고리즘 최적화를 통해 단 30분에서 1시간 내외로 단축하는 것이 이들의 주요 목표입니다. 단순히 계산 속도를 높이는 것을 넘어, 하드웨어의 제약과 수학적 복잡성을 동시에 고려하며 실용적인 통계 문제의 해답을 찾아가는 과정을 연구의 핵심으로 삼고 있습니다. 이곳은 스스로를 '문제를 만드는 곳'이라 정의할 만큼 도전적인 연구를 수행합니다. 일반적인 통계 분석으로는 다루기 힘든 MRI 데이터와 같은 고차원 대용량 자료를 직접 처리하는 것이 특징입니다. 일반 컴퓨터의 메모리에 담기조차 어려운 방대한 데이터를 다루기 위해 빠른 알고리즘을 개발하고, 이를 뒷받침할 수 있는 강력한 컴퓨팅 자원과 기술을 활용합니다. 수학적 기반 위에서 데이터의 한계를 극복해 나가는 과정은 연구실만의 독보적인 경쟁력이 됩니다. 연구실의 분위기는 매우 자유롭고 수평적입니다. 정해진 출퇴근 시간 없이 구성원들이 각자의 리듬에 맞춰 연구에 몰입하며, 교수와 학생 사이에도 존댓말을 사용하며 서로를 존중하는 문화를 유지하고 있습니다. 다만, 일주일씩 걸리는 긴 계산 결과를 확인하기 위해 새벽까지 모니터를 지켜보는 열정 때문에 밤낮이 바뀌는 경우도 종종 발생합니다. 언제 어디서든 결과를 확인할 수 있는 시스템 덕분에 연구에 대한 몰입도가 자연스럽게 높아지는 환경이 조성되어 있습니다. 소수 정예로 운영되는 연구실 공간은 학생들의 창의적인 아이디어와 개성으로 채워져 있습니다. 코딩 중 쌓이는 스트레스를 해소하기 위해 아두이노를 활용한 '빅 엔터키' 쿠션을 직접 제작해 사용하는 등 유쾌한 실험 정신이 돋보입니다. 첨단 기술에 관심이 많은 학생들이 모여 있기에 연구실 곳곳에는 새로운 기술적 시도들이 스며들어 있습니다. 이러한 유연한 사고방식은 복잡한 이론적 문제를 해결해 나가는 과정에서 중요한 원동력이 되어 줍니다. 통계계산연구실은 수리적 이론에 대한 깊은 관심과 함께 뛰어난 코딩 능력을 갖춘 인재를 기다리고 있습니다. 특히 일반적인 노트북으로는 해결하기 어려운 대규모 데이터를 통계적으로 다뤄보고 싶어 하는 도전 정신이 필수적입니다. 데이터의 크기가 기하급수적으로 커지는 현대 사회에서, 계산 과정의 중복성을 줄이고 효율적인 알고리즘을 설계하는 능력은 매우 중요합니다. 방대한 자료 속에서 빠르게 통찰을 얻어내는 과정은 연구자에게 큰 희열을 선사할 것입니다.

[연구뭐하지] 원중호 교수_서울대학교 '통계계산연구실'  |  이렇게나 고차원적인 대용량 자료를 다룬다고요?! 이런 연구실 흔치 않습니다

원중호

카오스재단연구뭐하지
  • 수학

[ENG 1-2] COVID-19_Nudging Data Science-Based Exit Policycrafting | 2세션 ③

현대 사회에서 정책 결정의 핵심은 객관적인 증거에 기반한 '증거 기반 정책'입니다. 이는 1997년 영국에서 처음 정립된 개념으로, 한국은 2007년부터 이를 도입하여 미국보다 앞서 체계적인 기틀을 마련해 왔습니다. 특히 감염병 확산과 같은 국가적 위기 상황에서 과학적 데이터에 근거한 의사결정은 불확실성을 해소하고 효율적인 대응 방안을 마련하는 데 필수적입니다. 통계적 방법론과 혁신적인 연구를 통해 미래를 예측하는 것은 단순한 수치 계산을 넘어 국가의 안녕을 지키는 중요한 토대가 됩니다. 감염병 확산을 이해하고 통제하기 위한 핵심 지표는 감염재생산지수(R)입니다. 이는 감염 확률(P), 접촉 빈도(C), 감염 지속 기간(D)의 곱으로 산출됩니다. 손 씻기와 마스크 착용은 감염 확률을 낮추고, 사회적 거리두기는 접촉 빈도를 줄이는 역할을 합니다. 또한 한국의 강점인 '3T 시스템'은 신속한 검사와 추적, 치료를 통해 감염 지속 기간을 단축하는 데 기여합니다. 이러한 요소들을 명확히 이해하고 측정하는 것은 방역 조치의 당위성을 확보하고 대중의 자발적인 참여를 이끌어내는 과학적 근거가 됩니다. 미래의 위기에 선제적으로 대응하기 위해 한국과 캐나다 연구진은 공동으로 감염병 예측 모델링을 수행해 왔습니다. 특히 IDEA 모델은 역학 기반의 SIR 모델 원리를 반영하여 감염의 기하급수적인 증가나 감소를 정밀하게 예측합니다. 감수성자, 감염자, 회복자의 관계를 분석함으로써 감염재생산지수가 1보다 큰지 작은지를 판단하고, 이를 통해 방역 정책의 효과를 시뮬레이션할 수 있습니다. 이러한 과학적 모델링은 단순한 추측이 아닌, 데이터에 기반한 정교한 분석을 통해 정책 입안자들이 최적의 봉쇄 완화 시점이나 강화 시점을 결정하도록 돕습니다. 실제 한국의 코로나19 대응 과정에서 예측 모델링의 정확도는 매우 높게 나타났습니다. 3월 초에 예측한 확진자 발생 추이와 정점 시기는 실제 결과와 상당히 유사했으며, 이는 선제적인 방역 조치가 얼마나 효과적이었는지를 증명합니다. 만약 아무런 대응이 없었다면 확진자 수가 수백만 명에 달했을 것이라는 시뮬레이션 결과는 과학적 대응의 중요성을 다시금 일깨워 줍니다. 또한 팬데믹은 한 국가만의 문제가 아니기에, 글로벌 확산 추세를 함께 고려하며 국지적인 소규모 확산에 대비하는 동적 사회적 거리두기 전략이 필요합니다. 데이터 과학과 인공지능 기반의 예측 모델링은 앞으로 다가올 새로운 위기 대응에 있어 더욱 중추적인 역할을 할 것입니다. 하지만 기술보다 더 중요한 것은 이를 설계하고 정책에 반영할 수 있는 '사람'입니다. 증거 기반 정책에 능숙한 전문가와 데이터를 정교하게 다루는 모델러, 그리고 정책 결정자 간의 긴밀한 협력이 이루어질 때 비로소 데이터 경제와 과학적 방역의 시너지가 발생합니다. 결국 미래의 위기를 극복하는 힘은 정밀한 데이터 분석 역량을 갖춘 인재를 양성하고 이들의 지혜를 모으는 데서 시작됩니다.

[ENG 1-2] COVID-19_Nudging Data Science-Based Exit Policycrafting

전영일

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[ENG1-3] 1st Discussion_The COVID-19 Pandemic: Korea’s Response and Challenges Ⅱ | 2세션

팬데믹은 우리 사회의 디지털 전환을 가속화하며 기업 가치의 지형을 완전히 바꾸어 놓았습니다. 특히 클라우드 기술과 온라인 협업 도구를 선제적으로 도입한 기업들은 위기를 기회로 전환하며 전례 없는 성장을 기록했습니다. 이러한 변화의 중심에는 엠비언트 AI(Ambient AI) 기술이 자리 잡고 있습니다. AI 칩을 통해 실시간 데이터를 수집하고 분석함으로써 방역 조치의 효율성을 높이는 시도가 이어지고 있으며, 이는 물리적 세계와 디지털 세계를 더욱 긴밀하게 연결하는 가교 역할을 합니다. 다만 이러한 디지털화의 속도 차이가 국가와 개인 간의 불평등을 심화시킬 수 있다는 점은 우리가 해결해야 할 과제입니다. 불확실성이 지배하는 시대에는 객관적인 데이터가 가장 신뢰할 수 있는 길잡이가 됩니다. 한국은 선제적인 검사와 확진자 곡선 평탄화를 통해 의료 체계의 붕괴를 막고 대응을 위한 소중한 시간을 확보하는 데 성공했습니다. 특히 유전자 기반의 RT-PCR 진단 방식은 감염 초기 단계의 확진자와 무증상 감염자까지 조기에 식별해 내는 결정적인 역할을 수행했습니다. 축적된 데이터를 분석하여 감염의 부채를 줄이고 치명률을 체계적으로 관리하는 것은 과학적 방역의 핵심입니다. 앞으로도 미래의 위기에 대비하기 위해 정밀한 데이터 축적과 활용 방안을 지속적으로 고민해야 합니다. 단순히 확진자 수라는 수치에 집중하는 단계를 넘어, 이제는 사망자 데이터와 임상 정보의 세밀한 분석에 집중해야 할 때입니다. 환자를 경증과 중증으로 신속하게 분류하고, 기저 질환과의 상관관계를 파악하는 것은 한정된 의료 자원을 효율적으로 배분하기 위해 필수적입니다. 예를 들어 암 환자와 같은 고위험군의 치명률이 일반 환자에 비해 현저히 높다는 사실은 방대한 데이터 분석을 통해서만 명확히 드러납니다. 이러한 구체적인 임상 데이터를 투명하게 공개하고 학계와 공유함으로써 시민들의 이해를 돕고, 더욱 정교하고 선진적인 방역 체계를 구축할 수 있는 토대를 마련해야 합니다. 정부의 소통 방식 또한 팬데믹의 장기화라는 흐름에 맞춰 진화해야 합니다. 초기에는 신속하고 투명한 정보 제공으로 국민의 불안을 해소하는 데 주력했다면, 이제는 의료 시설의 준비 상황이나 물류 시스템 등 보다 심층적인 정보를 공유하여 신뢰를 쌓아야 합니다. 지속 가능한 방역을 위해서는 국민들이 일상 속에서 실천할 수 있는 구체적인 예방 조치를 명확히 인지하고 사회적 공감대를 형성하는 것이 무엇보다 중요합니다. 2차 유행의 가능성을 항상 염두에 두고, 가용한 자원을 최적화하여 피해를 최소화하는 장기적인 관점의 전략적 접근이 요구되는 시점입니다. 감염병 확산의 정확한 예측을 위해서는 적은 데이터로도 견고한 결과를 도출할 수 있는 통계적 모델링 기법이 적극적으로 활용됩니다. 특히 무증상 감염자의 규모를 파악하기 위한 항체 조사는 과학적 방역의 완성도를 높이는 데 크게 기여합니다. 무작위 설문조사와 지역별 인구통계학적 분석을 통해 숨겨진 감염원을 식별하면 보다 정교한 치명률 측정과 맞춤형 대응책 마련이 가능해집니다. 이러한 과학적 방법론은 단순히 현재의 위기 상황을 진단하는 것을 넘어, 미래에 발생할 수 있는 또 다른 팬데믹에 대비하여 사회적 회복 탄력성을 높이는 강력한 무기가 될 것입니다. 인공지능과 머신러닝 기술을 임상 데이터에 적용하면 환자의 상태 변화를 사전에 예측하여 치명률을 낮추는 선제적인 조치를 취할 수 있습니다. 이러한 데이터 활용의 지평은 보건 의료 분야에 국한되지 않고 경제 영역으로도 과감하게 확장되어야 합니다. 빅데이터를 활용해 주 단위로 경제 상황을 정밀하게 측정함으로써 방역 조치가 민생 경제에 미치는 영향을 실시간으로 파악할 수 있기 때문입니다. 건강한 사회와 안정된 경제라는 두 마리 토끼를 모두 잡기 위해서는 보건 데이터와 경제 데이터를 통합적으로 분석하고 관리하는 범국가적인 데이터 거버넌스 구축이 시급합니다. 팬데믹의 종식은 단기간에 마법처럼 이루어지기 어려우며, 작은 파도가 반복되는 순환 과정을 거칠 가능성이 높습니다. 우리는 바이러스와 공존하는 법을 익히고, 일상생활 속에서 방역 수칙을 준수하며 상황 변화에 유연하게 대처하는 능력을 길러야 합니다. 방역의 성공은 결국 경제 활동의 재개로 이어지는 든든한 토대가 됩니다. 소상공인과 취약 계층을 위한 실질적인 경제적 지원책과 더불어 소비 활성화를 위한 정책적 노력이 병행되어야 합니다. 미래에 마주할 더 큰 위기에 대비하기 위해, 현재 우리가 겪고 있는 시련을 소중한 학습과 훈련의 기회로 삼아야 할 것입니다.

[ENG1-3] 1st Discussion_The COVID-19 Pandemic: Korea’s Response and Challenges Ⅱ

구인회, 김강립, 김미곤, 김진숙, 박원호, 박종화, 신종호, 이광재, 이현숙, 전영일, 차상균, 홍성욱, 홍준형

카오스재단코로나19 과학토크
  • 생명과학