[연구자 요약] 기초과학연구원 기억 및 교세포 연구단 Sungho Hong Research Fellow는 신경세포의 생체물리적 정보처리와 인공지능 기반 계산 뇌과학 모델링을 연구합니다.

직책

연구위원

재직 상태

재직 중

소속기관

기초과학연구원 (기억 및 교세포 연구단)

연구 분야

신경세포 및 신경회로 정보 처리의 생물물리학적 기전 연구: 신경세포 개체 및 신경회로 수준에서 일어나는 정보 처리의 생물물리학적 메커니즘을 규명하는 연구를 수행합니다. 소뇌 푸르키니에 세포(Purkinje neurons)의 다중화 코딩(multiplexed coding) 원리와 활동전위 개시 동역학(spike initiation dynamics)을 분석하여 단일 신경세포가 신호를 인코딩하고 전달하는 정밀한 물리적 기전을 탐구합니다. 신경망 내에서 안정적으로 신호 동기화가 전달되는 메커니즘인 견고한 동기 전송(robust synchrony transfer) 특성을 모델링하여 복잡한 신경망 동역학을 수학적 및 생물물리학적으로 해석합니다. 소뇌 신경세포의 막 전위 변화와 이온 채널 상호작용이 신호 생성 및 통합에 미치는 영향을 정량적으로 분석하고 생체 내 신경 활동 패턴을 시뮬레이션으로 재현합니다. 이러한 신경 정보 처리 원리에 대한 규명 성과는 신경과학 분야의 주요 학술지인 Neuron(2013) 및 eLife(2016)에 게재되어 학술적 신뢰성을 인정받았습니다. 신경세포의 생물물리학적 특성과 신호 전파 역동성을 바탕으로 뇌 신경회로망의 정보 처리 연산 원리를 깊이 있게 규명하고 있습니다., 뇌과학 데이터 분석 및 계산 모델 구축을 위한 인공지능 기반 방법론: 대규모 뇌과학 데이터를 분석하고 정밀한 신경 계산 모델을 구축하기 위해 인공지능(AI) 기반 분석 방법론을 적용합니다. 순방향 신경망(feedforward networks)에서의 신호 전파 모델링(signal propagation modeling)을 구축하여 신경 신호가 층위별로 전달되는 동역학적 특성을 해석합니다. 피질 층별 신경세포 특성(lamina-specific neuronal properties)을 체계적으로 분석하여 뇌 구조의 해부학적·생리학적 이질성을 반영한 계산 모델을 개발합니다. 이러한 방법론은 뇌과학과 인공지능이 융합된 NeuroAI 분야와 대규모 뇌과학 데이터 분석에 직접적으로 활용되고 있습니다. 신경망의 신호 전달 구조와 뇌 피질 층 특성을 결합한 계산 모델 연구 성과는 인공지능 및 기계학습 분야 최고 권위 학술대회인 NeurIPS(Adv. Neural Inf. Process. Syst., 2020)에서 발표되었습니다. 복잡한 신경 데이터셋에서 의미 있는 신호 패턴을 추출하고 뇌의 신경 계산 메커니즘을 모사하는 인공지능 알고리즘 분석 기법을 지속적으로 발전시키고 있습니다., 맥락막총 생체 시계 구성 요소 기반 생리적 메커니즘의 계산적 역할 규명: 생체 내 생리적 기전이 신경계 및 뇌 기능에서 수행하는 계산적 역할을 수학적·생물학적으로 규명합니다. 맥락막총(choroid plexus) 내 일주기 생체 시계 구성 요소(circadian clock component)의 발현 패턴과 분자적 역동성을 분석하여 생체 리듬 조절 메커니즘을 정량적으로 해석합니다. 뇌척수액을 분비하고 뇌 환경을 유지하는 맥락막총의 생리적 변화가 중추신경계의 시간 정보 처리 및 항상성 유지에 미치는 영향을 계산 모델링을 통해 분석합니다. 분자 수준의 생체 시계 신호 전달 체계와 신경 생리적 반응 간의 상호작용을 체계적으로 도출하여 생리학적 메커니즘의 기능적 의의를 입증합니다. 맥락막총 일주기 시계 구성 요소 분석을 통한 생리 메커니즘 규명 연구 성과는 세계적 학술지인 Nature Communications(2018)에 게재되어 우수성을 입증했습니다. 생체 리듬과 신경생리 기전의 상호 연계를 다각도로 분석하여 생리적 조절 시스템의 계산적 특성을 규명하는 연구를 수행하고 있습니다., 소뇌 및 뇌 영역의 유연한 운동 제어를 위한 예측 계산 메커니즘 연구: 소뇌 및 주요 뇌 영역이 감각운동 학습과 운동 제어 과정에서 수행하는 예측 계산(predictive computation) 메커니즘을 규명합니다. 유연한 운동학적 제어(flexible kinematic control)를 가능하게 하는 소뇌의 다차원 계산(multidimensional cerebellar computations) 모델을 구축하여 복잡한 신체 움직임 제어 원리를 해석합니다. 푸르키니에 세포의 동집성 변조(Purkinje cell coherence modulation)를 분석하여 감각 피드백과 운동 명령이 통합되는 신경 연산 과정을 밝혀냅니다. 본 기술과 모델은 감각운동 학습(sensorimotor learning)과 정밀 운동 제어 모델링(motor control modeling) 분야에 중점적으로 활용되고 있습니다. 소뇌의 다차원 운동 제어 연산 및 푸르키니에 세포 신호 동기화 조절에 관한 연구 성과는 국제 저명 학술지인 PNAS(2021) 및 Nature Communications(2023)에 연이어 게재되며 학술적 성과를 거두었습니다. 뇌의 예측 제어 메커니즘을 수학적 신경 모델로 구체화하여 생체 운동 학습 시스템의 원리를 체계적으로 설명하고 있습니다.

학력 사항

University of Pennsylvania 박사, Theoretical High Energy Physics (2004)

중요 키워드

계산뇌과학, 생체물리 신경모델링, NeuroAI, 뇌과학 인공지능, 기초과학연구원, Sungho Hong, 푸르키니에 세포, 감각운동학습, 순환 신경망, 스파이크 신경 동역학, 신경신호전달, 신경정보처리, 신경회로 모델링, 소뇌 신경회로, 신경망 동역학, 신경세포 및 신경회로 정보 처리의 생물물리학적 기전 연구, 신경세포 개체 및 신경회로 수준에서 일어나는 정보 처리의 생물물리학적 메커니즘을 규명하는 연구를 수행합니다. 소뇌 푸르키니에 세포(Purkinje neurons)의 다중화 코딩(multiplexed coding) 원리와 활동전위 개시 동역학(spike initiation dynamics)을 분석하여 단일 신경세포가 신호를 인코딩하고 전달하는 정밀한 물리적 기전을 탐구합니다. 신경망 내에서 안정적으로 신호 동기화가 전달되는 메커니즘인 견고한 동기 전송(robust synchrony transfer) 특성을 모델링하여 복잡한 신경망 동역학을 수학적 및 생물물리학적으로 해석합니다. 소뇌 신경세포의 막 전위 변화와 이온 채널 상호작용이 신호 생성 및 통합에 미치는 영향을 정량적으로 분석하고 생체 내 신경 활동 패턴을 시뮬레이션으로 재현합니다. 이러한 신경 정보 처리 원리에 대한 규명 성과는 신경과학 분야의 주요 학술지인 Neuron(2013) 및 eLife(2016)에 게재되어 학술적 신뢰성을 인정받았습니다. 신경세포의 생물물리학적 특성과 신호 전파 역동성을 바탕으로 뇌 신경회로망의 정보 처리 연산 원리를 깊이 있게 규명하고 있습니다., 뇌과학 데이터 분석 및 계산 모델 구축을 위한 인공지능 기반 방법론, 대규모 뇌과학 데이터를 분석하고 정밀한 신경 계산 모델을 구축하기 위해 인공지능(AI) 기반 분석 방법론을 적용합니다. 순방향 신경망(feedforward networks)에서의 신호 전파 모델링(signal propagation modeling)을 구축하여 신경 신호가 층위별로 전달되는 동역학적 특성을 해석합니다. 피질 층별 신경세포 특성(lamina-specific neuronal properties)을 체계적으로 분석하여 뇌 구조의 해부학적·생리학적 이질성을 반영한 계산 모델을 개발합니다. 이러한 방법론은 뇌과학과 인공지능이 융합된 NeuroAI 분야와 대규모 뇌과학 데이터 분석에 직접적으로 활용되고 있습니다. 신경망의 신호 전달 구조와 뇌 피질 층 특성을 결합한 계산 모델 연구 성과는 인공지능 및 기계학습 분야 최고 권위 학술대회인 NeurIPS(Adv. Neural Inf. Process. Syst., 2020)에서 발표되었습니다. 복잡한 신경 데이터셋에서 의미 있는 신호 패턴을 추출하고 뇌의 신경 계산 메커니즘을 모사하는 인공지능 알고리즘 분석 기법을 지속적으로 발전시키고 있습니다., 맥락막총 생체 시계 구성 요소 기반 생리적 메커니즘의 계산적 역할 규명, 생체 내 생리적 기전이 신경계 및 뇌 기능에서 수행하는 계산적 역할을 수학적·생물학적으로 규명합니다. 맥락막총(choroid plexus) 내 일주기 생체 시계 구성 요소(circadian clock component)의 발현 패턴과 분자적 역동성을 분석하여 생체 리듬 조절 메커니즘을 정량적으로 해석합니다. 뇌척수액을 분비하고 뇌 환경을 유지하는 맥락막총의 생리적 변화가 중추신경계의 시간 정보 처리 및 항상성 유지에 미치는 영향을 계산 모델링을 통해 분석합니다. 분자 수준의 생체 시계 신호 전달 체계와 신경 생리적 반응 간의 상호작용을 체계적으로 도출하여 생리학적 메커니즘의 기능적 의의를 입증합니다. 맥락막총 일주기 시계 구성 요소 분석을 통한 생리 메커니즘 규명 연구 성과는 세계적 학술지인 Nature Communications(2018)에 게재되어 우수성을 입증했습니다. 생체 리듬과 신경생리 기전의 상호 연계를 다각도로 분석하여 생리적 조절 시스템의 계산적 특성을 규명하는 연구를 수행하고 있습니다., 소뇌 및 뇌 영역의 유연한 운동 제어를 위한 예측 계산 메커니즘 연구, 소뇌 및 주요 뇌 영역이 감각운동 학습과 운동 제어 과정에서 수행하는 예측 계산(predictive computation) 메커니즘을 규명합니다. 유연한 운동학적 제어(flexible kinematic control)를 가능하게 하는 소뇌의 다차원 계산(multidimensional cerebellar computations) 모델을 구축하여 복잡한 신체 움직임 제어 원리를 해석합니다. 푸르키니에 세포의 동집성 변조(Purkinje cell coherence modulation)를 분석하여 감각 피드백과 운동 명령이 통합되는 신경 연산 과정을 밝혀냅니다. 본 기술과 모델은 감각운동 학습(sensorimotor learning)과 정밀 운동 제어 모델링(motor control modeling) 분야에 중점적으로 활용되고 있습니다. 소뇌의 다차원 운동 제어 연산 및 푸르키니에 세포 신호 동기화 조절에 관한 연구 성과는 국제 저명 학술지인 PNAS(2021) 및 Nature Communications(2023)에 연이어 게재되며 학술적 성과를 거두었습니다. 뇌의 예측 제어 메커니즘을 수학적 신경 모델로 구체화하여 생체 운동 학습 시스템의 원리를 체계적으로 설명하고 있습니다.