PyTorchKR Papers

최신 논문

총 8편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.01326v1cs.AI

범분야적 위기 관리를 위한 온톨로지: 핵심 및 공중보건 모듈

An ontology for cross-sectoral crisis management: core and public health modules

본 논문에서는 재난 위험 경감 및 대응을 위한 범분야적 참조 온톨로지로 고안된 모듈형 OWL 기반 온톨로지인 유럽 위기 관리 온톨로지(ECMO)를 제시합니다. ECMO는 온톨로지 모듈 네트워크 형태로 구성되도록 설계되었습니다. 여러 모듈 중 ECMO-CORE는 위험 요소(hazard), 사건(event), 노출(exposure), 영향(impact), 대응 조치(response measure)와 같은 핵심적인 위기 관리 개념들을 포착하며, 온톨로지 디자인 패턴과 OWL2 퍼닝(punning) 기법을 활용하여 위험 유형과 사건 발현 사이의 모호성을 해결합니다. 또한 SNOMED CT 및 ICD-11과 연계된 공중보건 모듈의 사례와 같이 도메인 특화 모듈들도 정의됩니다. 본 자원의 유용성을 입증하기 위해, 우리는 공동연구센터(JRC)의 오픈 소스 기반 유행병 정보(EIOS) 시스템 데이터를 표현하는 데 ECMO를 적용하여 비정형 역학 뉴스 데이터로부터 ECMO 규격 지식 그래프(knowledge graph)를 구축하는 엔드투엔드(end-to-end) 파이프라인을 생성했습니다. 초기 결과는 ECMO가 일관되고 통합된 지식 표현 및 통합에 필요한 형식적 가드레일을 제공함을 보여줍니다. 해당 온톨로지는 https://doi.org/10.5281/zenodo.20070268 에서 공개되어 있으며, 크리에이티브 커먼즈 저작자표시 4.0 국제(CC BY 4.0) 라이선스 하에 배포됩니다.

arXiv:2607.23219v1cs.AI

기계학습 원자간 포텐셜을 위한 온톨로지

An Ontology for Machine Learning Interatomic Potentials

기계학습 원자간 포텐셜(MLIP)은 양자역학적 에너지와 힘——전통적으로 밀도범함수 이론(DFT)이나 파동함수 방법으로 계산되는——을 비용의 일부만으로 근사한다. 이 분야는 알고리즘, 학습 데이터셋, 하이퍼파라미터, 대상 재료로 구성된 성장하는 생태계를 포괄하지만, MLIP 연구를 체계적으로 비교·재현·확장하는 데 필요한 메타데이터는 여전히 논문, 스크립트, 임시(ad-hoc) 파일 형식에 흩어져 있다. 본 논문은 MLIP 온톨로지를 제시한다. 이는 MLIP 방법, 하이퍼파라미터, DFT 출처가 있는 학습 데이터셋, 공개된 벤치마크를 기술하는 데 필요한 개념을 담은 OWL 2 DL 온톨로지이다. 이 온톨로지는 세 모듈——Method, Training Data, Benchmark——로 구성되며, 재료과학(MDO, CMSO/ASMO)과 기계학습(ML-Schema)의 기존 온톨로지를 연결하고 Croissant와 같은 데이터셋 측 스키마를 보완한다. 27개의 형식 공리를 선언하여 데이터 완전성과 일관성을 강제하며, 학습된 모델을 해당 방법 및 학습 데이터와 연결하는 속성 체인(property chain)을 포함한다. Moment Tensor Potentials를 기반으로 한 실행 예제를 통해 온톨로지를 시연하고, 20편 논문으로 시드된 지식 그래프에 대한 역량 질문(competency question) 실행, OWL 추론, 기존 온톨로지와의 비교를 통해 이를 평가한다.

arXiv:2509.02758v3math.HO

역량 개발을 위한 기하 문제 세트 최적화를 위한 온톨로지 기반 접근법

An Ontology-Based Approach to Optimizing Geometry Problem Sets for Skill Development

유클리드 기하학은 역사적으로 수학 교육에서 논리적 추론과 추상적 사고를 함양하는 데 중추적인 역할을 해왔지만, 최근 교육과정에서는 그 비중이 줄어든 상태이다. 인공지능과 교육 기술의 발전이 이끈 관심의 부활은 기하학이 필수적인 인지 능력을 개발할 수 있는 잠재력을 부각시켰고, 자동화된 문제 해결 및 증명 검증에 대한 새로운 접근법을 자극했다. 본 논문은 1990년대에 최초로 개발된, 기하 문제 세트의 주석 및 최적화를 위한 온톨로지 기반 프레임워크를 제시한다. 이 온톨로지는 기하 문제, 해결 방법, 관련 기술을 상호 연결된 사실(facts), 객체(objects), 방법(methods)으로 체계적으로 분류하여, 학생 능력의 세분화된 추적을 지원하고 교육과정 설계를 촉진한다. 핵심 개념인 '해결 그래프(solution graphs)': 여러 해결 경로와 기술 의존성을 인코딩하는 방향 비순환 그래프(DAG)는 문제 선정을 교수 목표에 맞게 정렬하는 데 기여한다. 이 프레임워크는 30년에 걸쳐 수천 개의 문제에 대한 주석 작업을 통해 실제로 검증되었다. 우리는 본 접근법이 동적이고 절차적으로 복잡한 수학적 지식을 표현하는 데 있어 오랫동안 남아온 과제들을 해결한다고 주장한다. 마지막으로 연구 의제를 제시하며 마무리한다: 자동화된 문제 주석 및 해결 검증이라는 미해결 과제들을 해결하면 교사가 학생 과제를 검증하는 데 드는 시간을 줄이고, 자기주도 학습자를 위한 상호작용적 피드백을 가능하게 할 것이다.

arXiv:2404.11716v3cs.AI

건물 에너지 관리를 위한 시맨틱 모델링 서베이

A Survey on Semantic Modeling for Building Energy Management

건물 에너지 관리(BEM)는 건물 부문의 에너지 사용과 CO2 배출을 줄이는 데 핵심적이다. IoT 기술이 이제 광범위한 운영 데이터를 제공하지만, 이질적인 데이터 모델, 장치 설명, 맥락적 표현은 여전히 시맨틱 상호운용성을 제한하여 일반화 가능하고 자율적이며 맥락 인식(context-aware) BEM 애플리케이션의 개발을 제약한다. 온톨로지(ontology)는 건물 데이터, 시스템, 운영 맥락에 대한 구조화되고 기계 해석 가능한 표현을 제공함으로써 이 과제를 해결한다. 본 서베이는 건물 운영 단계에서 BEM을 위한 시맨틱 모델링을 검토한다. 60개의 시맨틱 모델을 검토하고 20개 이상의 온톨로지 기반 BEM 사용 사례를 분석한다. 또한 해당 사용 사례 전반에 걸쳐 온톨로지 인스턴스화율(OIR)과 누락된 개념을 정량화한다. 온톨로지 사용에 대한 근거 기반 평가를 지원하기 위해, 연구가 운영 개념을 이를 표현하는 데 사용된 온톨로지 클래스에 명시적으로 매핑하는지를 측정하는 온톨로지 증거 완전성(OEC) 개념을 제안한다. 분석 결과, 현재의 시맨틱 모델은 추상적이고 동적인 운영 개념보다 물리적 건물 구조, 기술 시스템, 센싱 장치, 관측 가능한 운영 데이터를 더 일관되게 표현한다. 핵심 성과 지표(KPI), 평가, 서비스, 제어 로직, 최적화(optimization) 작업, 계산 워크플로우와 같은 개념은 여전히 덜 일관되게 다루어진다. 따라서 응용 BEM 연구는 BEM 전반의 커버리지 및 상호운용성 격차를 해결하기 위해 온톨로지 재사용, 통합, 특화, 외부 상속, 또는 애플리케이션별 확장에 자주 의존한다. 이러한 패턴을 종합함으로써, 본 서베이는 기존 시맨틱 모델의 역량을 명확히 하고 더 상호운용 가능하고 일반화 가능하며 맥락 인식적인 BEM 시스템을 위한 방향을 제시한다.

arXiv:2606.31614v1eess.SY

Automating Cause-Effect Specification with Knowledge Graphs and Large Language Models

공정 제어 및 안전 분야에서 인터록, 경보 합리화 테이블, 원인-결과(C&E) 매트릭스 작성을 자동화하기 위해, 지식 그래프(KG)와 온톨로지 제약 기반의 대규모 언어 모델(LLM)을 결합한 시맨틱-AI 파이프라인을 제안한다. KG에서 SPARQL 쿼리로 C&E 행을 추출하고, LLM이 이를 운영자용 안전 내러티브와 기계 검증 가능한 SWRL 규칙으로 변환하는 방식을 모듈형 공정 플랜트 사례에 적용하여 수작업 없이 일관된 사양 생성이 가능함을 입증하였다.

arXiv:2606.28076v1cs.AI

멀티홉 지식 그래프 질의응답을 위한 온톨로지 기반 근거 경로 추론

Ontology-Guided Evidence Path Inference for Multi-hop Knowledge Graph Question Answering

지식 그래프 질의응답(KGQA)은 구조화된 사실에 대한 추론을 통해 자연어 질문에 답하는 것을 목표로 한다. 기존 멀티홉 KGQA 방법은 주로 주제 중심 확장에 의존하며, 이는 두 가지 핵심 과제에 직면한다: 검색 공간이 노이즈가 많은 혼합 유형 경로와 함께 급격히 커지고, 검색된 경로가 복잡한 질문의 의미적 제약을 충족하지 못할 수 있다. 이러한 과제를 해결하기 위해, 우리는 멀티홉 KGQA를 위한 온톨로지 기반 근거 경로 추론 프레임워크인 OPI를 제안한다. OPI는 관계의 헤드-테일 유형 제약을 포착하기 위해 관계 중심 온톨로지 그래프를 도입하여, 답변 측 제약을 위한 간결한 인터페이스를 제공한다. 이 온톨로지 그래프를 바탕으로, OPI는 먼저 예측된 답변 유형을 호환 가능한 최종 홉 관계에 매핑하고 주제 측 접두 문맥 확장과 답변 측 최종 홉 매칭을 결합하는 양방향 검색 메커니즘을 도입하여, 노이즈가 많은 혼합 유형 확장을 억제한다. OPI는 또한 질문 맥락 하에서 검색된 경로와 후보 답변을 재평가하는 반복적 정제 전략을 채택하여, 유형은 호환되지만 질문과 무관한 근거를 걸러내 더 신뢰할 수 있는 답변 예측을 수행한다. WebQSP, CWQ, MetaQA에 대한 실험 결과, OPI는 검색 공간을 크게 줄이고, WebQSP에서 기존 최강 결과 대비 Hit@1/F1을 4.6/5.0점, CWQ에서 8.9/3.3점 향상하며, 검색 모듈만으로 MetaQA에서 Hit@1을 거의 포화 수준에 달성한다.

arXiv:2606.24891v1cs.PL

Type Checking Project Haystack Grids using JSON Schema and Pydantic

Ontologies enable scalable energy services in buildings by supporting interoperability and automation. Project Haystack is a building ontology that is widely adopted due to its flexible, tag-based semantic model, openness, and extensibility, but suffers from ambiguous tag usage and limited automated validation. Although Project Haystack is formally open, its reliance on custom file formats and domain-specific languages that originate from the Haxall ecosystem creates a de facto barrier to integration. In this paper, we address these limitations by introducing a Python-based toolchain for Haystack. We present (i) a parser for Haystack definition files (Trio file format), and (ii) a code generator that derives Pydantic models and JSON Schema definitions from these parsed specifications. The resulting models enable static type checking and enable structural validation of Haystack grids within Python, as well as schema-based validation of JSON representations outside the Python ecosystem. All tools, generated models, and schemas are released publicly under an open-source license, with the goal of strengthening the Haystack ecosystem and opening a practical pathway beyond its current technical boundaries.

arXiv:2606.24344v1cs.LO

What Does ODRL Mean? A Cross-Level Ontological Grounding of Permissions, Prohibitions, and Duties in UFO-L

ODRL policy evaluators produce verdicts, but say nothing about the normative positions a policy brings into existence, the authority structures those positions presuppose, or who holds the power to declare a norm violated. We formulate the Cross-Level Design Principle: any normative language with violable, consequential norms requires both conduct-level positions (Permission, Duty, Right, No right) and competence-level positions (Power, Subjection, Immunity, Disability). Applying this to ODRL, we establish that prohibition is sanctioned (violation possible and consequential), that permission is underspecified across its behaviour parameter (open vs. closed world), and that the formal semantics covers achievement obligations only. We ground ODRL in UFO-L, mapping each activated rule to a simple legal relator and extending coverage from two to eight legal positions; violation-declaration authority, implicit in every existing evaluator, becomes an explicit Power-Subjection pair. All axioms are mechanically verified in Isabelle/HOL and across a 39-problem benchmark under Vampire, E, and Z3.