알베르트 아인슈타인이 말한 ‘유령 같은 원격 작용(spooky action at a distance)’은 양자역학의 현상을 설명할 때 사용된 표현인데요. 유령같은 원격 작용이란 바로 양자 얽힘(quantum entanglement)이라는 현상을 지칭하며, 입자들이 공간적으로 멀리 떨어져 있어도 즉각적으로 상호작용하는 현상에 대하여 아인슈타인은 회의적인 시각을 보였습니다. 아인슈타인은 이러한 현상이 물리학적 직관에 맞지 않다고 생각했고, 이로 인해 양자역학 자체에 대한 반대의 의견을 보입니다. … Read more
벨의 불평등(Bell’s Inequality)은 양자역학의 비국소적 특성을 수학적으로 표현하고 검증하기 위한 중요한 이론적 툴로 평가를 받고 있습니다. 이 불평등은 고전적인 물리학에서 설명할 수 없는 양자역학의 독특한 현상을 이해하는 데 필수적인 역할을 하고요. 양자 얽힘(quantum entanglement)과 비국소성(non-locality)의 존재를 실험적으로 입증하는데 활용이 됩니다. 벨의 불평등은 양자역학과 고전적인 숨은 변수 이론(local hidden variable theories) 사이의 본질적인 차이를 드러내는 중요한 … Read more
알랭 아스페(Alain Aspect)는 프랑스의 물리학자입니다. 양자 역학 분야에서 중요한 공헌을 한 인물입니다. 특히, 양자 얽힘과 양자 비국소성에 대한 실험을 통해 현대 물리학에 큰 영향을 미쳤는데요. 그의 연구는 양자 역학이 현실 세계에서 어떻게 작동하는지를 이해하는 데 중요한 기초를 제공했으며, 벨의 정리(Bell’s Theorem)를 실험적으로 검증에 성공하여 고전 물리학과 양자 물리학 간의 경계를 명확히 구분하는데 큰 기여를 하였습니다. … Read more
양자 얽힘과 양자 비국소성(Quantum Non-locality)은 양자역학의 가장 흥미롭고 논란이 되는 개념 인데요. 이 주제는 얽힘 상태가 나타내는 비국소적 특성을 연구하고, 이를 통해 벨의 정리(Bell’s Theorem)와 같은 주요 이론을 이해하는 것이 목표입니다. 양자 비국소성은 두 개의 입자가 공간적으로 분리되어 있어도, 서로 즉각적으로 영향을 미칠 수 있다는 것을 의미합니다. 이는 고전 물리학에서는 설명할 수 없는 양자 역학의 … Read more
양자 잡음(Quantum Noise)은 현대 과학과 공학의 다양한 분야에서 중요한 역할을 하는 부분입니다. 양자역학적 특성에 기인하는 불확실성과 관련된 잡음을 뜻하는데요. 이러한 잡음은 전통적인 클래식 잡음과 구별되며, 주로 매우 작은 스케일에서 양자 시스템이 작동할 때 보여집니다. 양자 잡음은 양자 정보 처리, 고감도 측정 시스템, 그리고 고정밀 실험에서 중요한 문제로 여겨지고 있는데요. 이번 글에서는 양자 잡음의 기본 개념, … Read more
공학 엔지니어링에서 “잡음”이라는 개념은 매우 다양하기도하며 중요합니다. 잡음은 시스템이나 신호 처리 과정에서 원하지 않게 발생하는 불규칙적이거나 무작위적인 변동을 의미하며, 다양한 형태로 있습니다. 이는 설계, 분석 및 시스템의 성능 최적화에 있어 반드시 고려해야 할 중요한 요소가 바로 이 잡음, 노이즈 인데요. 이번 글에서는 공학적 관점에서 계산하는 다양한 종류의 잡음에 대해 살펴보겠습니다. 1. 열적 잡음 (Thermal Noise) … Read more
SMOTE(Synthetic Minority Over-sampling Technique)는 머신러닝에서 클래스 불균형 문제를 해결하기 위해 널리 사용되는 방법 가운데 하나입니다. 클래스 불균형은 데이터셋에서 특정 클래스(주로 “소수 클래스”라고 부름)가 다른 클래스(주로 “다수 클래스”)에 비해 데이터 포인트 수가 매우 적을 때 나타나게 되는데요. 이 문제는 특히 분류(classification) 문제에서 심각하게 작용할 수 있으며, 모델이 다수 클래스에 편향되게 학습되어 소수 클래스의 예측 성능이 저하되는 … Read more
모델 학습 과정은 심층 신경망(Deep Neural Networks, DNN)의 가중치와 편향을 최적화하여 예측 정확도를 최대화하는 중요한 단계입니다. 이 과정에서는 데이터를 훈련 데이터셋과 테스트 데이터셋으로 나누고, 역전파(backpropagation)와 경사 하강법(gradient descent)을 사용하여 손실 함수를 최소화하는 방식으로 진행됩니다. 이 섹션에서는 실제 숫자 데이터를 예로 들어, DNN 모델 학습 과정을 자세하게 설명하겠습니다. 1. 데이터셋 분할 먼저, 모델을 학습시키기 위해 전체 … Read more
심층 신경망(Deep Neural Networks, DNN)을 설계하는 과정은 데이터의 입력에서부터 예측 결과를 출력하는 단계까지 여러 층을 거쳐 이루어집니다. 여기에서는 전처리된 실제 숫자 데이터를 바탕으로 DNN 모델을 설계하는 과정을 단계별로 알아보겠습니다. 가상의 환자 데이터를 갖고 하는 예시이니 감안하고 읽어주세요. 1. 입력층(Input Layer) 입력층은 모델에 데이터를 처음 입력하는 부분입니다. 각 환자에 대한 데이터를 모델이 처리할 수 있는 형식으로 … Read more
데이터 전처리는 모델의 성능을 극대화하기 위해 매우 중요한 단계입니다. 실제 숫자 데이터를 사용하여 인공지능 활용한 심방세동 환자 데이터 학습을 위한 전처리 과정을 단계별로 자세히 알아보겠습니다. 가상의 환자를 대상으로한 예시이므로 이점 감안하고 보시면 좋을 것 같습니다. 1. 예시 데이터셋 먼저, 가상의 환자 데이터를 사용하여 설명하겠습니다. 아래는 심방세동 예측을 위해 수집된 예시 데이터입니다. 환자 ID 심박수 (bpm) … Read more