MacsLAB의 계산과학 연구는 복잡한 자연/공학 시스템을 수치적으로 모델링하고, 데이터 기반 방법과 결합해 예측 가능하고 설명 가능한 해석을 제공하는 데 초점을 둡니다. 실험만으로 다루기 어려운 문제를 시뮬레이션으로 확장하고, 실제 데이터와의 정합성을 높여 실질적인 의사결정을 지원합니다.
연구실에서는 물리 기반 모델(Physics-based Model)과 통계적 추정, 최적화 알고리즘, AI를 함께 활용하는 하이브리드 접근을 중점적으로 다룹니다. 이를 통해 고차원 파라미터 공간에서도 안정적인 해를 찾고, 제한된 관측 데이터 환경에서도 신뢰도 높은 예측을 가능하게 합니다. 또한 계산 비용과 정확도 사이의 trade-off를 체계적으로 관리하기 위해, 모델 축소(model reduction), 효율적 샘플링, 병렬 계산 전략을 함께 연구합니다.
MacsLAB의 계산과학 연구 방향성은 단순한 성능 향상을 넘어 재현성, 해석 가능성, 확장성 확보에 있습니다. 예를 들어, 의료 데이터 해석에서는 생체 메커니즘을 반영한 수학적 모델과 딥러닝을 결합하여 진단 근거를 명확히 제시하는 연구를 수행합니다. 항공우주 및 원격탐사 문제에서는 불확실성 정량화(UQ)와 통계적 시뮬레이션을 통해 모델의 일반화 성능과 신뢰성을 높이고 있습니다. 이러한 접근은 다양한 도메인에서 계산 기반 의사결정의 품질을 높이는 핵심 기반이 됩니다.
사용되는 주요 기술
- 수치해석 (Numerical Analysis)
- 계산 모델링 및 시뮬레이션 (Computational Modeling & Simulation)
- 불확실성 정량화 (Uncertainty Quantification)
- 역문제 해석 (Inverse Problems)
- 확률 미분방정식 및 통계 모델링 (Stochastic Differential Equations & Statistical Modeling)
- 고성능 컴퓨팅 (High-Performance Computing)
- 모델 축소 및 근사 기법 (Model Reduction)
- 하이브리드 AI-물리 모델 (Hybrid AI-Physics Models)