[학회 후기]

작년 초 시작된 코로나로 인해 지금까지 학회를 비롯한 모든 공적인 모임은 온라인으로 진행되었는데, 그간 큰 해프닝이 없어서인지 이번 학회는 오프라인을 병행하는 방식으로 개최되었다. 개최지가 서울이었다면 또 같은 곳이겠구나 하는 생각에 별 감흥이 없었을테지만, 햇빛 쨍쨍한 바람 좋은 최남단의 제주도가 머릿속에 그려지니 중고등학교 시절 수학여행을 떠나는 풋풋한 기분이 들었다. 학기 도중에 어딘가에 며칠동안 간 적이 없어 한편으로는 살짝 불안했지만, 당일 공항에서 만난 연구원들을 보니 그런 생각은 말끔하게 사라졌다. 안암이 아닌 낯선 공간에 함께 있으니 평소에 잘 캐치하지 못했던 연구원들의 면모들을 같이 있는 공간이 시시각각 바뀜에 따라 새로운 모습들을 볼 수 있었다.  아마 본인의 눈썰미가 좋아졌다기 보단 해방감에 따른 무드의 변화 덕분에 그랬으리라 생각한다. 제주공항에 도착한 뒤 1시간반 거리를 달려 중문에 위치한 제주 부영호텔에 도착하였는데, 본 숙소는 학회장인 ICC Jeju와 도보로 단 3분 거리에 있어서 발표장 위치 숙지는 그리 어렵지 않아 숙소 선정에 힘을 써준 연구원들에게 감사한 마음이 들었다. 대한산업공학회 학술대회 개최 이례 최대 규모여서 그랬는지 세션 의 숫자만으로 하자면 재작년 서울에서 열린 ICCV를 방불케하였는데, 대부분의 세션이 데이터과학/공학에 대한 주제여서 오히려 최적화쪽 연구가 눈에 돋보였다. 머신러닝도 사실상 최적화의 한 방법론인 것을 생각한다면, 산업공학 전공으로서 타 데이터 관련 학과와 차별될 수 있는 부분은 ‘최적화’라는 생각이 들었다. 

[발표후기] 

본 학회에서는 기존에 연구를 수행하고 있던 ‘학습가능한 전파 가중치를 이용한 그래프 신경망’에 대한 발표를 하였다. 본 연구는 기존의 APPNP의 기반의 GNN이 고정된 Locailty hyperparameter 변수를 사용하는 부분을 학습가능한 가중치를 이용하여 효과적으로 그래프 특징을 찾아내고자 하는 방법론이다. 더불어 임의의 한 노드에 대한 모델의 어텐션 값과 Layer 별로 학습된 가중치를 통해 모델로부터 각 노드에 대한 추가 작업(e.g. community detection)이 가능하다. 본 내용 발표 준비를 하면서 그래도 아직은 산업공학회에서는 GNN 연구가 그리 보편적이지 않을 거라고 기대한 것과 달리 같은 세션 내에서도 그래프 분야를 연구하는 연구원이 있었고, 심지어 ‘그래프 기반 기계학습’ 이라는 특별세션이 있을 정도로 생각보다 GNN 연구가 활발히 이루어지는 듯 했다. 특히, 나올 법한 질문들을 발표 전 정리를 했었는데 기존 연구와 본 연구의 차이점을 정확히 찌르는 질문이 있어 상당히 기쁜 마음으로 대답할 수 있었다. 하지만, 지금 회고해보면 핵심 질문에 대한 세부 정보를 좀 더 주었었으면 하는 아쉬움이 들어, 내 연구인 만큼 디테일에 대해 낱낱이 숙지하고 있어야 되겠다는 생각이 들었다. 추후 연구에 있어서 이번 학회 준비과정을 잊지 않고 더 나은 연구, 설명이 이루어질 수 있도록 고민해봐야겠다. 

질문1.  Transport probability는 어떻게 설정하셨나요?

본 연구에서는 APPNP 점화식 상의 Transport probability 부분이 학습가능한 파라미터로 변경되었습니다.  

질문2.  (A)PPNP를  비롯한 기존 GNN 모델은 Heterophily 그래프에서 성능이 좋지 않고, 본 모델도 (A)PPNP를 뼈대 삼았다고 하셨는데 어떻게 해결하신건가요?

기존 GNN 모델들은 Propagation 에서 이웃의 클래스와 상관없이 항상 양의 값이 더해지는 반면, 본 모델은 음수까지 허용하여 다른 클래스일 경우의 임베딩은 'Subtract' 되도록 하여 Non-homophily 그래프에서 기존보다 좋은 성능을 보여줄 수 있습니다.