Research

우리 연구실은 복잡한 데이터 간의 관계를 분석하고, 데이터 중심의 의사결정을 지원하는 기술을 연구합니다. 대규모 산업·사회 데이터를 대상으로 데이터 마이닝, 인공지능, 통계적 모델링을 결합하여 패턴 발견, 이상 탐지, 예측 모델링을 수행합니다.

주요 연구 주제 (Graph-Oriented Research Topics)

• 산업 데이터 마이닝 (Industrial Data Mining)

  • 사회·도시 네트워크 분석 (Social & Urban Network Analysis)

  • 인간, 기업, 공간 간의 연결 구조를 분석하여 도시 내 상권 변화, 교통 흐름, 정보 확산 등 사회적 패턴을 연구

  • 대용량 데이터 처리 및 분석

  • 스마트 팩토리, 설비 센서 데이터, 공정 로그 등에서 이상 감지, 예측 유지보수, 생산 최적화를 위한 패턴 분석

• 데이터 신뢰성 및 안정성 확보 (Reliable Data Analytics)

  • AI와 데이터 마이닝의 융합

  • 센서·거래·소셜 데이터의 노이즈 정제, 이상 탐지, 데이터 품질 관리를 위한 기계학습 기반 기법 개발.

  • 대규모 관계형 데이터를 효율적으로 처리하기 위한 딥러닝, 그래프 신경망(GNN), 대형언어모델(LLM) 기반 분석

• 양자 기반 데이터 분석 (Quantum-Enhanced Data Mining)

  • 양자 알고리즘을 활용한 최적화 가속화 연구.

연구 방향 (Research Directions)

• Data-Driven Insight Discovery: 다양한 도메인(산업, 도시, 사회)의 복잡한 관계형 데이터를 통합하여 설명 가능한 인사이트를 추출하고, 정책 및 비즈니스 의사결정을 지원합니다. 

• Algorithmic Intelligence for Complex Systems:  고성능 데이터 마이닝 알고리즘을 설계하여, 대규모 네트워크와 시계열 데이터에서 효율적으로 패턴을 발견하고 구조를 이해합니다. 

• Collaborative AI for Real-World Applications: 산업체·공공기관과의 협업을 통해 에너지 절감, 교통 최적화, 사회안전망 강화 등 실질적 문제 해결에 기여합니다.