KAIST는 신기정 김재철AI대학원 교수 연구팀이 저차원 상호작용 정보만으로 고차원 상호작용 구조를 높은 정확도로 복원하는 AI 기술 ‘마리오(MARIOH, Multiplicity-Aware Hypergraph Reconstruction)’를 개발했다고 5일 발표했다.

고차원 상호작용은 여러 명의 저자가 한 논문을 공동 집필하거나 하나의 이메일이 여러 수신자에게 발송되는 경우처럼 다수의 객체가 동시에 상호작용하는 복합적 관계를 의미한다. 이런 고차원 정보를 활용하면 분류, 예측, 군집화, 이상 탐지 등 다양한 작업에서 높은 성능을 발휘할 수 있다.

하지만 실세계에서는 기술적 제약으로 인해 개별 쌍 간의 저차원 상호작용 정보만 수집되는 경우가 많아 전체 맥락이 손실되고 고차원 정보 활용에 제약이 따랐다. 기존에도 저차원 정보로부터 고차원 상호작용을 복원하려는 시도가 있었지만 동일한 저차원 구조로부터 파생될 수 있는 고차원 상호작용의 가능성이 무수히 많아 정확한 복원이 어려웠다.

연구팀이 개발한 마리오의 핵심 아이디어는 저차원 상호작용의 다중도 정보를 활용해 고차원 상호작용 후보 수를 획기적으로 줄이는 데 있다. 여기에 효율적인 탐색 기법으로 유망한 상호작용 후보를 신속하게 식별하고 다중도 기반 심층학습 기술로 각 후보가 실제 고차원 상호작용일 가능성을 정확하게 예측한다.

연구팀은 10개의 다양한 실세계 데이터셋을 대상으로 한 실험에서 마리오가 기존 기술 대비 최대 74% 높은 정확도로 고차원 상호작용을 복원하는 데 성공했다.

특히 논문 공저 관계 데이터에서는 98% 이상의 복원 정확도를 달성해 약 86% 수준에 머무는 기존 기술을 크게 앞질렀다. 복원된 고차원 구조를 활용할 경우 예측, 분류 등 다양한 작업에서의 성능이 향상되는 것으로 나타났다.

신기정 김재철AI대학원 교수 “마리오는 단순화된 연결 정보에만 의존하던 기존 접근에서 벗어나 실제 세계의 복잡한 연결 관계를 정밀하게 활용할 가능성을 열어준다”며 “단체 대화나 협업 네트워크를 다루는 소셜 네트워크 분석, 단백질 복합체나 유전자 간 상호작용을 분석하는 생명과학, 다중 뇌 영역 간 동시 활동을 추적하는 뇌과학 등 다양한 분야에서 폭넓게 활용될 수 있을 것”이라고 설명했다.

이번 연구는 KAIST 김재철AI대학원의 이규한 석박통합과정과 이건 석박사통합과정, 신기정 교수가 공동으로 수행했다. 연구 결과는 지난 5월 홍콩에서 열린 제41회 IEEE 국제 데이터공학 학회(IEEE ICDE)에서 발표됐다.