정민환

[연구자 요약] 기초과학연구원 시냅스 뇌질환 연구단 정민환 교수는 광유전학 및 신경 앙상블 기록을 통해 전두엽과 해마 기반의 의사결정, 사건기억, 시간간격 추정 신경회로 메커니즘을 연구하고 있습니다.

직책

교수

재직 상태

재직 중

소속기관

기초과학연구원 (시냅스 뇌질환 연구단)

연구 분야

전두엽-기저핵 신경회로 기반 의사결정 및 강화학습 모델링: 동적 환경에서 수행되는 의사결정 과정은 잠재적 선택의 가치 표상, 가치에 기반한 선택, 행동 결과에 따른 가치 갱신 등의 복합적인 인지 처리 과정을 수반합니다. 이러한 인지 연산이 전두엽과 기저핵을 잇는 신경회로 루프에서 어떻게 구현되는지 탐구하며, 시행착오에 기반한 무의식적 시스템과 목표 지향적 계획 제어 시스템 간의 상호작용 메커니즘을 명확히 규명하는 데 집중하고 있습니다. 이를 위해 설치류를 대상으로 한 대규모 신경 앙상블 기록(Neural ensemble recording) 기술과 특정 신경세포군을 정밀하게 제어하는 광유전학(Optogenetics) 신경 조절 기법을 적용합니다. 유전자 변형 동물을 활용한 행동 실험과 더불어 계산신경과학적 강화학습(Reinforcement learning) 이론 및 인공신경망 모델링을 결합하여 복잡한 신경 신호 패턴을 수학적으로 분석하고 예측합니다. 본 연구는 의사결정 신경회로 분석과 차세대 강화학습 알고리즘 설계 및 뇌 기반 인공신경망 모델링 분야에 직접적으로 활용되고 있습니다. 관련 주요 연구 성과는 Neuron(2010), Nature Neuroscience(2011), Annual Review of Neuroscience(2012) 등 국제 저명 학술지에 게재되어 학술적 기여도를 인정받았습니다., 해마 신경망 기반 사건기억 형성 기전 및 세부 하부영역 기능 분석: 개별 경험에 대한 사건기억(Event memory) 형성 과정에서 뇌 해마(Hippocampus)의 핵심적 역할을 규명하고, 특정 사건의 '무엇이, 어디서, 언제 일어났는가'에 관한 복합 정보가 해마 내부에서 통합되는 신경생리학적 메커니즘을 분석합니다. 복합적인 시공간 정보와 감각 정보가 신경세포 수준에서 부호화되고 저장되는 과정을 추적하여 뇌의 기억 처리 체계를 정밀하게 이해하는 것을 목표로 설정하고 있습니다. 연구 방법으로는 설치류 대상의 정밀 행동 제어 및 단일·다채널 신경생리학적 기록 실험을 수행하며, 치아이랑(Dentate Gyrus), CA3, CA1 등 해마 하부영역에 특이적인 유전자 조작 마우스를 제작하여 각 세부 영역별 고유 기능을 독립적으로 분석합니다. 세부 영역 간의 신호 전달 경로와 시냅스 연결망의 작동 원리를 검증함으로써 사건기억 형성 기전을 입증하고 있습니다. 본 연구는 해마 기반의 기억 형성 기전 규명과 해마 세부 영역별 기능 분석 분야에 응용되고 있습니다. 이와 관련된 연구 성과로는 Journal of Neuroscience(2012)에 관련 연구 논문 2편을 연속 게재하여 전문성을 입증했습니다., 뇌 신경망 신호 분석 기반 시간간격 추정 및 인지 프로세스 규명: 생명체의 생존과 적응 행동에 필수적인 수 초 단위의 시간 간격 추정(Interval timing) 및 미래 시점 예측 기능이 뇌의 복합 신경망 구조에서 어떻게 구현되는지 신경생리학적 기전을 규명합니다. 생명체가 물리적 시간의 흐름을 지각하고 이에 맞춰 적절한 행동 반응을 조직화하는 신경학적 계산 원리를 체계적으로 밝히는 데 연구의 목적이 있습니다. 이를 규명하기 위해 설치류를 대상으로 정밀하게 고안된 시간 간격 식별 과제를 부여하고, 과제 수행 과정에서 발생하는 대뇌 피질 및 피질하 영역 등 다양한 뇌 구조 내 신경세포 집단의 활동을 다채널로 동시 기록합니다. 수집된 대규모 신경 신호 데이터를 시간-주파수 분석 및 군집 발화 패턴 디코딩 기법으로 처리하여 시간 정보가 표상되는 신경 코드의 동역학을 분석하고 있습니다. 본 연구를 통해 도출된 분석 프레임워크는 시간 간격 인지 신경회로 분석과 고위 인지 기능의 행동 프로세스 모델링 연구에 핵심적으로 적용되고 있습니다.

학력 사항

University of California, Irvine(미국) 박사, Department of Psychobiology (1990) Seoul National University(대한민국) 석사, Dept. of Zoology (1979~1985) Seoul National University(대한민국) 학사, Dept. of Zoology (1979~1985)

이메일

mwjung@kaist.ac.kr

사무실 번호

+82-42-350-2612

중요 키워드

의사결정신경회로, 강화학습, 해마신경회로, 시간간격추정, 가치기반선택, 전두엽기저핵루프, 기초과학연구원, 시스템신경과학, 광유전학, 정민환, 신경앙상블기록, 신경생리학, 신경망모델링, 뇌인지기전, 사건기억, 전두엽-기저핵 신경회로 기반 의사결정 및 강화학습 모델링, 동적 환경에서 수행되는 의사결정 과정은 잠재적 선택의 가치 표상, 가치에 기반한 선택, 행동 결과에 따른 가치 갱신 등의 복합적인 인지 처리 과정을 수반합니다. 이러한 인지 연산이 전두엽과 기저핵을 잇는 신경회로 루프에서 어떻게 구현되는지 탐구하며, 시행착오에 기반한 무의식적 시스템과 목표 지향적 계획 제어 시스템 간의 상호작용 메커니즘을 명확히 규명하는 데 집중하고 있습니다. 이를 위해 설치류를 대상으로 한 대규모 신경 앙상블 기록(Neural ensemble recording) 기술과 특정 신경세포군을 정밀하게 제어하는 광유전학(Optogenetics) 신경 조절 기법을 적용합니다. 유전자 변형 동물을 활용한 행동 실험과 더불어 계산신경과학적 강화학습(Reinforcement learning) 이론 및 인공신경망 모델링을 결합하여 복잡한 신경 신호 패턴을 수학적으로 분석하고 예측합니다. 본 연구는 의사결정 신경회로 분석과 차세대 강화학습 알고리즘 설계 및 뇌 기반 인공신경망 모델링 분야에 직접적으로 활용되고 있습니다. 관련 주요 연구 성과는 Neuron(2010), Nature Neuroscience(2011), Annual Review of Neuroscience(2012) 등 국제 저명 학술지에 게재되어 학술적 기여도를 인정받았습니다., 해마 신경망 기반 사건기억 형성 기전 및 세부 하부영역 기능 분석, 개별 경험에 대한 사건기억(Event memory) 형성 과정에서 뇌 해마(Hippocampus)의 핵심적 역할을 규명하고, 특정 사건의 '무엇이, 어디서, 언제 일어났는가'에 관한 복합 정보가 해마 내부에서 통합되는 신경생리학적 메커니즘을 분석합니다. 복합적인 시공간 정보와 감각 정보가 신경세포 수준에서 부호화되고 저장되는 과정을 추적하여 뇌의 기억 처리 체계를 정밀하게 이해하는 것을 목표로 설정하고 있습니다. 연구 방법으로는 설치류 대상의 정밀 행동 제어 및 단일·다채널 신경생리학적 기록 실험을 수행하며, 치아이랑(Dentate Gyrus), CA3, CA1 등 해마 하부영역에 특이적인 유전자 조작 마우스를 제작하여 각 세부 영역별 고유 기능을 독립적으로 분석합니다. 세부 영역 간의 신호 전달 경로와 시냅스 연결망의 작동 원리를 검증함으로써 사건기억 형성 기전을 입증하고 있습니다. 본 연구는 해마 기반의 기억 형성 기전 규명과 해마 세부 영역별 기능 분석 분야에 응용되고 있습니다. 이와 관련된 연구 성과로는 Journal of Neuroscience(2012)에 관련 연구 논문 2편을 연속 게재하여 전문성을 입증했습니다., 뇌 신경망 신호 분석 기반 시간간격 추정 및 인지 프로세스 규명, 생명체의 생존과 적응 행동에 필수적인 수 초 단위의 시간 간격 추정(Interval timing) 및 미래 시점 예측 기능이 뇌의 복합 신경망 구조에서 어떻게 구현되는지 신경생리학적 기전을 규명합니다. 생명체가 물리적 시간의 흐름을 지각하고 이에 맞춰 적절한 행동 반응을 조직화하는 신경학적 계산 원리를 체계적으로 밝히는 데 연구의 목적이 있습니다. 이를 규명하기 위해 설치류를 대상으로 정밀하게 고안된 시간 간격 식별 과제를 부여하고, 과제 수행 과정에서 발생하는 대뇌 피질 및 피질하 영역 등 다양한 뇌 구조 내 신경세포 집단의 활동을 다채널로 동시 기록합니다. 수집된 대규모 신경 신호 데이터를 시간-주파수 분석 및 군집 발화 패턴 디코딩 기법으로 처리하여 시간 정보가 표상되는 신경 코드의 동역학을 분석하고 있습니다. 본 연구를 통해 도출된 분석 프레임워크는 시간 간격 인지 신경회로 분석과 고위 인지 기능의 행동 프로세스 모델링 연구에 핵심적으로 적용되고 있습니다.