제목: CNN weak lensing mass reconstruction
초록: 약한 중력렌즈 효과에 의한 은하 모양의 변형 데이타를 인공신경망 CNN 으로 학습하도록 하여 병합은하단의 질량분포를 재구성하고 이를 기존의 해석적 방법과 비교
Day 2: Multi-wavelength cluster studies
다파장 관측자료는 충돌하는 은하단 연구를 위해서 매우 중요한 역할을 합니다. 최근에 발표한 논문인 A521 은하단에 대한 분석 과정에 대해서 자세히 다루고자 합니다. 무엇보다 약렌징 분석을 통해서 은하단의 각각의 구조에 대한 질량 결정과, 또 이 질량을 이용한 충돌 시나리오 결정 시뮬레이션은 추후의 충돌 은하단 분석을 이용한 암흑 물질 성질 결정에 중요한 역할을 할 것입니다. 발표의 마지막에 은하단에서 일어나는 확대 (magnification) 효과에 대한 새로운 관측 자료 분석 연구에 대한 소개도 짧게 언급하고자 합니다.
HAWC 실험 관련 성과 발표:
1. Machine learning을 활용하여 HAWC의 data reconstruction 향상
2. HAWC의 charge calibration
3. J1842 지역의 modeling
4. 쌍성계 관련 연구
5. Neutrino emission과 연계된 GRB 모니터링 셋업
Day 3: Small-scale systematics in weak lensing & Metacalibration pipeline in Kilo-Degree Survey
발표의 첫번째 부분은 작은 스케일의 계통적 오차를 줄이기 위한 새로운 통계치(estimator)로 COSEBI를 소개 하고자 합니다. 특별히 은하 편향(galaxy bias)의 모델을 가정했을 때, 서로 다른 통계치를 사용할 때, 얼마나 은하 편향의 효과가 달라지는 냐에 대한 분석을 진행했고, COSEBI의 경우에 이 효과가 덜한 것을 증명했습니다. 발표의 두번째 부분은 Kilo-Degree Survey에서 새로 개발되고 있는 은하 모양 측정/보정 파이프라인인 Metacalibration에 대해서도 소개 하고자 합니다.
Jinsoo Park
제목 : An Contrastive Image Captioning Model and Future Directions in Medical AI
초록: 최근 인공지능 분야에서 딥러닝이 발달함에 따라 의학 분야에도 딥러닝이 널리 적용되고 있다. 본 발표에서는 X-ray 이미지로부터 판독문을 자동으로 생성해내는 Medical Image Captioning 모델을 제안한다. 제안하는 모델은 유증상 이미지와 무증상 이미지 간의 차이를 추출하는 Contrastive Attention Block과 Visual Encoder를 결합한 것으로, 해당 Visual Encoder와 판독문을 생성해내는 Language Model을 동시에 학습하는 End-to-End Training을 한다는 것이...
