163559 research outputs found
Sort by
Nowcasting macroeconomic indicators with deep learning method
No full text학위논문(박사) -- 서울대학교 대학원 : 사회과학대학 경제학부, 2024. 8. 김재영.Real-time nowcasting models not only provide valuable information for assessing current economic conditions but also help enhance the forecasting accuracy of medium-term economic models by compensating for the publication lags of major macroeconomic indicators. Therefore, central banks in major countries have developed and operated various real-time nowcasting models, with the model from the Federal Reserve Bank of New York (FRBNY) being a representative example. Nowcasting models require a large number of datasets with short publication frequencies and include many missing values (ragged edge), thus they are based on dynamic factor models (DFM). However, during the period of significant fluctuations in key macroeconomic indicators, caused by the COVID-19 pandemic in 2020, the performance of the GDP nowcasting model was poor. Moreover, even after the economy stabilized, the instability of the model continued, leading to the suspension of nowcasting announcements from September 2021. Subsequently, a new and improved model (FRBNY-2) was released, and nowcasting announcements were resumed in September 2023. This paper shows that the decline in the forecasting accuracy of the original model was due to excessive constraints in identifying common factors, which hindered the appropriate extraction of these factors. It is suggested that if these constraints are relaxed, the original model could maintain a forecasting accuracy comparable to that of FRBNY-2. However, in terms of model expansion, such as incorporating weekly data, the traditional dynamic factor model appears to have limitations. Therefore, this paper attempts to nowcast GDP and other macroeconomic indicators using recently developed deep learning models. Unlike traditional dynamic factor models that assume linear relationships and normal distributions, deep learning models consist of nonlinear equations and do not assume specific distributions, making them potentially more suitable for explaining rapid economic fluctuations. Among the deep learning models, the recently developed Mamba model is known to be highly efficient and well-suited for large language models (LLMs). It is also based on a state-space model structure, enabling dimensionality reduction of data and making it more comparable to dynamic factor models. Using the same economic indicators as the FRBNY model from 1985 to 2019, the model was estimated and the forecasting accuracy of quarterly GDP nowcasting was compared for the period after 2020, including the COVID-19 period. The Mamba model exhibited a smaller mean absolute error (MAE) of 2.2% compared to the 3.9% of the traditional dynamic factor model. In particular, during the second and third quarters of 2020, when GDP volatility was significant, the Mamba model had smaller forecast errors, and it also showed smaller GDP nowcasting errors for the remaining periods except for these two quarters. Notably, when the model was expanded to include weekly data such as financial market prices, which were not included in the original model, the Mamba model's mean forecast error further decreased to 1.9%, whereas the dynamic factor model's forecasting accuracy deteriorated. Additionally, the Mamba model demonstrated superior forecasting accuracy in nowcasting Korean GDP. This paper confirms that deep learning models, which have recently shown excellent performance in analyzing language, images, and sound, can also yield superior results in economic time series analysis. This suggests the possibility of developing economic forecasting models that include not only time series data but also unstructured data such as text and images. Furthermore, compared to traditional models, deep learning models can efficiently estimate large-scale datasets that include mixed-frequency macroeconomic indicators and can reflect nonlinear relationships between variables, contributing to elucidating complex relationships between economic variables in the future. Keywords : Nowcasting, Dynamic factor model, Machine learning, Deep learning, Mamba Student Number : 2010-30909실시간 경제전망(nowcasting) 모형은 현재 경기상황을 판단하는 데 유용한 정보를 제공할 뿐만 아니라 주요 거시지표의 발표 시차를 보완함으로써 중기 경제전망 모형의 예측력 제고에 도움이 될 수 있다. 따라서 주요국 중앙은행은 다양한 방법의 실시간 경제전망 모형을 개발하여 운용하고 있으며 그 중 FRB New York의 모형이 대표적이다. FRBNY nowcasting 모형은 그 목적 상 발표 주기가 짧은 많은 수의 데이터가 필요하고 다수의 결측치(missing value)를 포함하므로 동적요인모형(dynamic factor model)에 기반하고 있다. 하지만 2020년 COVID-19의 영향으로 고용 등 주요 거시지표가 크게 변동하는 기간에 동 모형의 GDP nowcasting 성과가 부진하였을 뿐만 아니라 경제가 다시 안정된 후에도 모형의 불안정성이 지속됨에 따라 2021년 9월부터 nowcasting 발표를 중단하였다. 이후 기존 모형을 개선한 새로운 모형 (FRBNY-2)을 공개하고 2023년 9월부터 nowcasting 발표를 재개하 였다. 본고에서는 기존 모형의 예측력 저하 원인이 공통 요인 식별을 위한 과도한 제약으로 공통 요인이 적절하게 도출되지 못한 데 있는 것으로 판단하였으며 요인 식별 제약을 완화하면 기존 모형도 새 모형(FRBNY-2)에 준하는 양호한 예측력을 유지하는 것으로 보인다. 하지만 주간 데이터를 모형에 추가하는 등 모형의 확장 측면에서 기존의 동적요인모형은 한계가 있는 것으로 보인다. 따라서 본고에서는 최근 급속히 발달하고 있는 deep learning 모형을 이용하여 GDP 등 거시지표 nowcasting을 시도하였다. 기존의 동적요인모형이 선형 관계식과 정규분포를 가정하는 것과 달리 deep learning 모형은 비선형 관계식으로 구성되고 특정 분포를 가정하지 않기 때문에 급격한 경기변동을 설명하는 데 더 적합할 가능성이 있다. Deep learning 모형 가운데 최근 개발된 Mamba 모형은 대규모 언어모델(LLM) 분야에서 매우 효율적이고 높은 적합도를 보이는 것으로 알려져 있다. 또한 상태공간모형 구조에 기반하고 있어 데이터의 차원 축소가 가능하며 기타 deep learning 모형에 비해 동적요인모형과 비교 가능성이 높다. 1985년부터 2019년까지 FRBNY 모형과 동일한 경제지표를 이용하여 모형을 추정하고 이후 COVID-19을 포함하는 2020년 이후 기간에 대해 분기별 GDP nowcasting 예측력을 비교하였다. 기존 동적요인모형의 평균절대오차(MAE)가 3.9%인 반면 Mamba 모형은 2.2%로 더 작은 오차를 보였다. 특히 GDP 변동성이 크게 발생한 2020년 2분기와 3분기에 Mamba 모형의 예측오차가 더 작았으며, 동 2개 분기를 제외한 나머지 기간에서도 지속적으로 Mamba 모형의 GDP nowcasting 오차가 작게 나타났다. 특히 기존 모형에 포함되지 않았던 금융시장 가격 등 주간 데이터를 포함하여 모형을 확장하는 경우 동적요인모형은 예측력이 저하되는 것과 다르게 Mamba 모형은 평균예측오차가 1.9%로 더욱 감소하였다. 그리고 한국 GDP에 대한 nowcasting에서도 Mamba 모형은 우수한 예측력을 보였다. 본고에서는 주로 언어, 이미지, 음성 분석에서 최근 뛰어난 성과를 보이고 있는 deep learning 모형이 경제 시계열 분석에서도 우수한 성과를 보일수 있음을 확인하였다. 이는 시계열 데이터 뿐만 아니라 텍스트, 이미지 등 비정형 데이터를 포함하는 경제전망 모형의 개발 가능성을 시사한다는 점에서 의미가 크다. 또한 deep learning 모형은 기존 모형에 비해 혼합주기(mixed frequency) 거시지표를 포함한 대규모 데이터를 매우 효율적으로 추정할 수 있고 변수들 간의 비선형 관계를 반영할 수 있으므로 향후 복잡한 경제 요소간 관계를 밝히는 데에도 기여할 수 있을 것으로 기대한다. 주요어 : 실시간 경제전망, 동적요인모형, 기계학습, 딥러닝, Mamba 학 번 : 2010-30909제 1 장 서 론 . 1
제 2 장 기존 nowcasting 모형 . 3
제 1 절 주요 모형 . 3
제 2 절 FRBNY nowcast 8
제 3 절 FRBNY nowcast 2.0 15
제 4 절 DFM 점검 . 18
제 3 장 Deep learning 모형 25
제 1 절 기본 구조 25
제 2 절 주요 모형 27
제 3 절 학습 방법 30
제 4 절 결측치 추정 . 32
제 3 장 Mamba nowcasting 33
제 1 절 Mamba 개요 33
제 2 절 GDP nowcasting 38
제 3 절 모형 확장 45
제 4 절 한국 GDP nowcasting 53
제 4 장 결 론 58
참고 문헌 60
부록 . 68
DFM news 영향 분해 68
Machine learning 기법 . 69
Transformer와 SSM 모형 관계 71
기타 지표 nowcasting 결과 72
Abstract 77
iv박
작동 중인 연료전지 분석을 위한 저자장 핵자기공명 분광기 개발
No full text학위논문(석사) -- 서울대학교 대학원 : 자연과학대학 화학부, 2024. 8. 이정호.Nuclear magnetic resonance (NMR) spectroscopy is a powerful technique to monitor chemical reactions at atomic resolution. In particular, low-field NMR spectroscopy offers high flexibility in instrumental design, enabling optimal hardware configurations for in- situ electrochemical analysis. In this study, a 40MHz benchtop NMR system was constructed to monitor an in-operando direct ethanol fuel cell (DEFC). DEFC generates electrical energy based on the oxidation of ethanol. Among direct alcohol fuel cells, DEFC stands out in that ethanol is non-toxic and has a higher energy density compared to methanol. In-situ analysis of DEFC systems is crucial for obtaining insights into their performance and efficiency. However, the essential components of DEFC, namely membrane electrode assembly (MEA) and current collectors, have well-defined rectangular dimensions and metallic features that hinder DEFC investigation by NMR. Here, we developed a complete low-field NMR system tailored to investigate operating DEFC. NMR probe was manufactured using 3D printing, and radiofrequency (RF) coil was designed to tightly enclose the DEFC geometry for optimal sensitivity. Biplanar shim coils were designed using the open-source Bfieldtools software and implemented on multilayer PCBs to improve NMR resolution. 1H NMR signals of water and ethanol in DEFC were successfully observed using the newly developed instrument, highlighting the potential of low-field NMR for in-situ fuel-cell analysis.핵자기공명 분광법은 화학 반응을 원자 단위로 분석하는 데에 유용한 분석 기법이다. 특히 저자장 핵자기공명 분광법은 유연한 기기 설계가 가능하여, 최적의 하드웨어를 구상하여 전기 화학 반응을 분석하기에 용이하다. 본 연구에서는 40MHz 세기의 저자장 핵자기공명 시스템을 새로이 구축하여 작동 중인 직접 에탄올 연료 전지의 핵자기공명 신호를 관측하였다. 직접 에탄올 연료전지는 에탄올의 산화를 기반으로 전기 에너지를 생산한다. 직접 알코올 연료 전지 중에서도, 직접 에탄올 연료 전지는 메탄올에 비해 독성이 없고 에너지 밀도가 높은 에탄올을 연료로 사용한다는 장점이 있다. 연료 전지 시스템의 작동 중인 상태 분석은 전지 성능과 효율성 증진 및 전지 작동에 대한 이해에 중요하다. 그러나 직접 에탄올 연료 전지의 핵심 소자인 막 전극 조립체와 집전체의 형상은 기존의 핵자기공명 분광기 내에서 시료로 다루기에 도전적인 과제이다. 본 연구에서는, 직접 에탄올 연료 전지 형상 맞추어 저자장 핵자기공명 분광기를 온전하게 개발하였다. 핵자기공명 분광기의 프로브는 3차원 인쇄 기법으로 제작한 부품과 연료 전지 형상에 밀착되는 직사각형 솔레노이드 코일을 활용하여 구현하였다. 또한 컴퓨터 시뮬레이션 과정으로 계산한 자기장 보정 코일을 양면형 인쇄 회로 기판에 제작하여 신호 해상도를 증진하였다. 최종적으로 직접 에탄올 연료 전지 시스템에서의 물과 에탄올 신호를 관측하였으며, 저자장 핵자기공명 분광기와 연료전지의 작동 중인 상태 분석에 대한 가능성을 제시한다.Abstract ⅰ
Table of Contents ⅱ
List of Figures ⅲ
List of Tables ⅳ
Chapter 1. Introduction 1
1.1. Direct ethanol fuel cell (DEFC) 1
1.2. Low field nuclear magnetic resonance (LF-NMR) for in-situ fuel cell analysis 3
1.3. Implementation of LF-NMR 5
Chapter 2. Materials and Methods 7
2.1. Magnet and RF coil 7
2.2. NMR probe and assembly of LF-NMR system 9
2.3. Integration of DEFC with LF-NMR 12
2.4. Shim coil design 14
2.4.1. Target field in sample region 16
2.4.2. Biplanar coil construction in Bfieldtools 18
2.4.3. Coil design through simulation 19
Chapter 3. Results and Discussion 20
3.1. Shim coil calculation results 20
3.2. Resolution enhancement of LF-NMR 23
3.3. In-situ DEFC analysis in LF-NMR 29
Chapter 4. Conclusion 32
References 33
Abstract in Korean (국문초록) 36석
Case Study of Guatemala
No full text학위논문(석사) -- 서울대학교 대학원 : 공과대학 협동과정 기술경영·경제·정책전공, 2024. 8. 구윤모.파리 협정(Paris Agreement)은 2016년 11월부터 발효된 중요한 국제 조약으로, 온실가스 배출을 줄이고 저탄소 및 녹색 프로젝트를 개발을 통해 기후변화 완화 및 적응을 지원하는 당사국들이 참여하고 있다. 이 협정은 국가별 공약과 개발도상국의 기후 완화 및 적응을 위한 재정적 지원을 주기적으로 검토할 것을 강조하기 때문에 과테말라의 에너지 부문에 상당한 영향을 미칠 수 있음으로써 본 연구와 깊은 관련이 있다.
국가 온실가스 감축 목표 (Nationally Determined Contributions, NDCs)는 파리 협정의 글로벌 목표를 달성하기 위한 각국의 자발적인 기후 이니셔티브로, 기후 변화에 대한 적응 및 완화를 위한 구체적인 행동을 포함하고 있다. 그러나 이러한 이니셔티브의 성공적인 이행은 충분한 재정이 뒷받침 될 때 가능하다. 그리고 각국의 목표와 구체적인 추진전략은 경제, 에너지 자원, 정치 등 국가별 상황에 따라 다르다. 이런 맥락에서, 감축 목표로서의 순제로 (Net-zero) 배출은 대기 중 인간에 의해 배출된 온실가스와 인위적으로 제거한 온실가스의 양이 균형을 이룰 때 달성된다. 본 연구를 위해서는 NDCs가 과테말라의 에너지 부문에 어떤 연계성을 갖는지에 대한 이해가 중요하다.
이러한 배경 하에, 2030년까지 예상 배출량을 11.2% 감소하겠다는 과테말라의 공약은 고무적인 결단이자 지속 가능한 미래를 위한 중요한 단계이다. 국제적인 지원과 함께 배출량을 최대 22.6%까지 추가로 줄일 수 있는 잠재력의 실현에는 집단적 행동이 요청된다. 이는 모두가 나서서 전세계적인 노력에 동참해야 함을 의미한다. 이러한 노력을 지원하기 위해서는 구체적인 조치가 필요하며, 본 연구에서는 이러한 조치들의 함의를 중점적으로 다룬다.
과테말라의 에너지 부문은 가장 탄소 집약적인 부문 중의 하나로, 중요한 분석대상이다. 수송/발전부문, 가정/상업부문에서의 높은 화석 연료 의존도는 즉각적인 관심을 필요로 하는 긴급한 문제다. 정부의 2050년까지 장기적으로 순제로 배출량을 줄이겠다는 목표 역시 이러한 문제의 심각성을 반영한다. 과테말라의 국가 에너지 정책은 2027년 마지막 주기를 맞이하며, 따라서 다음 단계의 정책개발이 필요하다. 이에 따라 다음과 같은 질문을 할 수 있다:
- 과테말라의 에너지 소비 추이는 2050년까지 온실가스 배출에 어떤 영향을 미칠 것인가?
- 순제로 배출 목표가 적용될 경우 과테말라가 에너지 안보와 지속 가능성을 균형 있게 유지하기 위해 시행할 수 있는 가장 효과적인 정책과 방안은 무엇인가?
본 연구는 기후 변화 완화 시나리오가 과테말라 에너지 공급망에 미치는 영향을 분석하는 데 중점을 두고 있다. 이러한 맥락을 살펴봄으로써, 우리는 기후 변화 완화가 과테말라 에너지 부문에 미치는 잠재적인 영향이 무엇인지에 대한 설명하고자 한다. 또한, 발전부문에서 재생 에너지 역할의 중요성을 함께 살펴보고자 한다.
본 연구에서는 국제 원자력 기구(International Atomic Energy Agency, IAEA)가 개발한 에너지 수요 분석 모델(Model of Analysis of Energy Demand, MAED)과 에너지 공급 전략 대안과 그 일반적인 환경 영향을 분석하는 모델 (Model of Energy Supply Strategy Alternatives and their General Environmental Impact, MESSAGE)을 적용해 에너지 공급망 예측을 분석하였다. 상기 모델은 에너지 공급망 분석의 정확성과 포괄적인 접근 방식으로 널리 인정받고 있다. 분석을 위해서는 홀트-윈터 벡터 자기회귀 모형(Holt-Winters and Vector Autoregressive, VAR)을 사용했다. 이는 MAED와 MESSAGE의 경제 및 에너지 데이터 베이스를 관리하기 위한 수학적 모델이다. 에너지 모델링 과정에서는 현재 추세 시나리오 (Business As Usual, BAU)를 기준으로, 순제로 배출 시나리오를 대안 시나리오로 사용해 견고한 분석 체계를 제공하고 있다.
본 논문은 과테말라의 경제성장, 특히 건설과 제조업 성장이 특히 화석연료를 중심으로 에너지 수요 증가가 이루어진다는 것에 분석의 초점을 맞추고 있다. 경제성장은 긍정적이지만 에너지안보와 환경 지속가능성에 도전을 받고 있으며, 이는 수송부문과과 산업부문에서의 화석연료에 대한 과도한 의존도에 기인한다. 그런 점에서 탄소배출 제로를 달성하기 위해서는 재생에너지 자원과 인프라에 대한 막대한 투자가 필요하다. 또한 에너지 저장과 그리드 안정성의 문제를 해결하는 것이 중요하다. 과테말라는 풍부한 재생에너지 자원을 보유하고 있으며, 청정에너지 미래로의 이행을 위해서는 많은 인프라와 기술, 정책 개발 투자가 필요하다. 시급한 조치로는 도로교통 개선, 대중교통과 화물교통 수단 확대, 주택부문의 전기화 등이 거론된다.
과테말라가 순배출량 제로 달성을 위한 에너지 정책을 추진하고자 한다면 에너지 안보, 경제성, 기술 발전 등을 다루는 다각적인 정책 방향을 제시하는 것이 요청된다. 에너지 공급의 안정성을 유지하고 재생에너지로의 전환을 균형 있게 추진할 필요가 있다. 비용 증가 가능성을 염두에 두고 에너지 효율성, 에너지 믹스의 다양화, 강력한 전력 구매 계약 등을 정책수단에 반영해야 한다. 또한 기술적 도전을 극복하고 지속 가능한 에너지 미래를 보장하기 위해 지속적인 연구 개발에 대한 투자가 요구된다.The Paris Agreement, a landmark international treaty, has been in force since November 2016. It includes parties dedicated to reducing greenhouse gas emissions and aiding developing nations with climate mitigation and adaptation through low- carbon and green projects. This agreement is particularly relevant to our study as it provides periodic reviews of countries commitments and financial support for climate change mitigation and adaptation, potentially impacting Guatemala's energy sector. The Nationally Determined Contributions (NDCs) are self-defined national climate initiatives aimed at achieving the global goals of the Paris Agreement. These initiatives outline specific measures to adapt to and mitigate climate impacts. However, their successful implementation depends on securing adequate funding to support these efforts. The expected targets and actions depend on the conditions of individual countries, including their economies, energy resources, and political conditions. Thus, achieving net-zero greenhouse gas emissions as an NDC target means that anthropogenic removals offset anthropogenic emissions over a specified period. Understanding the impact of NDCs on Guatemala's energy sector is crucial for our study. Against this backdrop, Guatemala's commitment to reduce projected emissions by 11.2% by 2030 is commendable and a significant step towards a sustainable future. The potential to further reduce emissions by up to 22.6% with international support highlights the crucial role of collective action and calls for global contributions to the effort. This research focuses on the specific actions required to fulfil this commitment, and their broader implications. The energy sector, one of Guatemala's most carbon-intensive sectors, represents a significant and urgent challenge. The heavy dependence on fossil fuels for transportation, power generation systems, and household appliances is an urgent problem that requires immediate attention. The government's interest in setting a long-term net-zero emission target for 2050 highlights the gravity of this problem. Guatemalas national energy policy is approaching the end of its last cycle (2027) and needs to be updated, which raises crucial questions: How will Guatemala's energy consumption trends impact greenhouse gas (GHG) emissions by 2050? What are the most effective policies and practices for balancing energy security and sustainability to achieve the net-zero emissions target? This research specifically focuses on analyzing the impact of the Climate Change Mitigation Scenario on Guatemala's energy supply chain. By examining this specific context, we aim to provide valuable insights into the potential impact of climate change mitigation on the country's energy sector, even when renewable energy in power generation is taken into account. This research uses the Model of Analysis of Energy Demand (MAED) and the Model of Energy Supply Strategy Alternatives and their General Environmental Impacts (MESSAGE), both created by the International Atomic Energy Agency (IAEA), to forecast Guatemalas energy supply chain. These models are renowned for their precision and through comprehensive approach to energy analysis. Holt- Winters and Vector Autoregressive (VAR) are mathematical models are employed to handle the economic and energy databases within MAED and MESSAGE. The energy modeling process includes Business as Usual (BAU) as the baseline scenario and net-zero as an alternative scenario, offering a solid framework for our analysis. This thesis shows that Guatemala's economic growth, particularly in the construction and manufacturing sectors, in driving an increase in energy demand, especially for fossil fuels. Although economic growth is beneficial, it poses challenges to energy security and environmental sustainability, exacerbated by the heavy reliance on fossil fuels for transportation and industrial activities. Achieving net-zero emissions will therefore require significant investments in renewable energy sources and infrastructure. Additionally, it is crucial to overcome the challenges of energy storage and grid stability. Our key findings indicate that the country has abundant renewable energy resources, and that the transition to a clean energy future will require significant investment in infrastructure, technology, and policy development. Key steps include improving road transportation, expanding public and freight transportation options, and electrifying the household sector. Therefore, if Guatemala wants to address its energy policy to achieve net-zero emissions, a multifaceted policy approach that addresses energy security, economic affordability, and technological advancements is recommended. It is important to balance the transition to renewable energy sources with maintaining the reliability of the energy supply. Policies should prioritize energy efficiency, a diversified energy mix, and robust power purchase agreements, while also accounting for the potential cost increases. Additionally, research and development are essential for overcoming technological challenges and securing a sustainable energy future. Keywords: Energy Supply, Energy Demand, Climate Change, Energy Policy, MAED, MESSAGE, Vector Autoregressive Model, Holt-Winters Model. Student Number: 2022-29770Chapter I Introduction 1
1.1 Background 1
1.1.1 Global Status 1
1.1.2 Guatemalan Status 2
1.2 Problem Statement 3
1.3 Scope of the study . 4
1.4 Thesis structure 6
Chapter II Status of the Energy Sector in Guatemala .. 7
2.1 Overview of Guatemala . 7
2.2 Energy Balance 9
2.2.1 Electrical sub-sector 10
2.2.2 Hydrocarbons sub-sector 18
Chapter III Literature Review 20
3.1 General review . 20
3.2 Energy Modeling Analysis 22
3.2.1 Holt-Winters Model 22
3.2.2 Vector Autoregressive Model 24
3.2.3 MAED and MESSAGE 26
3.3 Relevant previous studies 27
3.4 Research implication 31
Chapter IV Methodology 33
4.1 Step 1: Holt-Winters Method Forecast 33
4.2 Step 2: Vector Autoregressive Model Forecast 35
4.3 Step 3: Model of Analysis of Energy Demand 36
4.4 Step 4: Models for Energy Supply Strategy Alternatives and General
Environmental Impacts . 38
Chapter V Empirical Analysis and Results 40
5.1 Step 1: Holt-Winters Model Forecast 40
5.2 Step 2: Vector Autoregression Model Forecast 43
5.2.1 Industrial electricity demand . 44
5.2.2 Gasoline . 46
5.2.3 Diesel . 46
5.2.4 Liquefied Petroleum Gas 47
5.2.5 Pet Coke . 48
5.2.6 Fuel Oil 49
5.3 Step 3. Model of Analysis of Energy Demand 50
5.3.1 Industry 50
5.3.2 Transport 54
5.3.3 Household . 58
5.3.4 Service 59
5.3.5 Final Energy Demand . 62
5.3.6 GHG Emitted by the Final Energy Demand 63
5.4 Step 4. Model for Energy Supply Strategy Alternatives and General
Environmental Impacts . 65
5.4.1 Business-As-Usual Scenario . 66
5.4.2 Net-zero Scenario 67
5.4.3 Comparison between scenarios . 70
Chapter VI Conclusion and Policy Implications . 72
6.1 Conclusion . 72
6.3 Key Findings . 74
6.2 Policy Implications 75
6.3 Limitations and further research . 76
References 77
Appendix 82
Appendix 1 . 82
Appendix 1.1. Statistical significance of industry electricity. 82
Appendix 1.2. Statistical significance of gasoline 82
Appendix 1.3. Statistical significance of diesel. 83
Appendix 1.4. Statistical significance of liquefied petroleum gas 83
Appendix 1.5. Statistical significance of pet coke 84
Appendix 1.6. Statistical significance of fuel oil. 84
Appendix 2 . 85
Appendix 2.1. Variable costs 85
Appendix 2.2. Investment costs 87
Appendix 2.3. Plant life 89
Appendix 2.4. Fixed cost 91
Appendix 3 . 93
Appendix 4 . 94
Abstract (Korean) 95석
그래프 신경망의 설명 가능성 향상을 위한 개념적 및 구조적 분석과 확장 연구
No full text학위논문(박사) -- 서울대학교 대학원 : 공과대학 전기·정보공학부, 2024. 8. 웬샨리.그래프 신경망 (GNNs)은 그래프 구조의 데이터를 모델링하고 분석하는 강력한 도구로 자리 잡았습니다. 이러한 모델의 광범위한 적용은 그 가치를 부각 시킵니다. 그러나 이러한 방법의 복잡성은 종종 결정 과정을 이해하는 데 장애가 됩니다. 현재 설명 가능한 인공지능 (XAI) 방법은 그래프 내의 복잡한 관계 와 상호작용을 풀어내는 데 어려움을 겪고 있습니다. 여러 방법들이 사후 접근 (post-hoc approach) 또는 자체 해석 가능한 설계를 통해 이 격차를 메우려 시도 했습니다. 대부분은 예측 결과와 관련된 핵심 패턴을 파악하기 위해 그래프 구조 분석에 초점을 맞춥니다. 사후 설명 방법은 적응 가능하지만 추가적인 계산 자원 을 요구하며, 모델 내부 작동에 대한 접근이 제한되어 있어 신뢰성이 떨어질 수 있습니다. 반면, 해석 가능한 모델은 즉각적인 설명을 제공할 수 있지만 다양한 시나리오에 일반화하는 것은 주요한 우려사항입니다. 이러한 단점을 해결하기 위해, 이 논문은 그래프 기반 기계 학습을 위한 새 로운 XAI 프레임워크를 개발하고자 합니다. 제안된 프레임워크는 개별 특성 분석을 넘어서 그래프 구조가 예측에 미치는 영향을 포착하는 적응 가능하고 계산적으로 효율적인 설명을 제공하고자 합니다. 이는 기존 GNN 아키텍처의 해 석성을 강화하기 위해 특정 유형의 상호작용 (예: 특성 또는 메시지 전달 과정)을 포착하는 여러 전문 학습자를 훈련함으로써 일반적인 접근 방식을 제시합니다. 이후에는 훈련된 전문 학습자를 기반으로 다양한 설명 모달리티를 제공하는 여러 설명자를 구축합니다. 예시 기반 설명의 효과성과 KNN 알고리즘의 자연스러운 해석 가능성은 새로운 해석 가능한 GNN을 창조하도록 동기를 부여합니다. 이 프레임워크는 훈련 그래프에서 자주 발생하는 개념 (하위 구조)을 추출하여 예측을 추론하고 설명을 생성하는 기반이 됩니다. 목표는 사용자 중심의 간결한 통찰을 제공하는 다면적 설명 시스템입니다. 또한, 프레임워크는 두 그래프 간의 구조 유사성을 지구 이동 거리 (Earth Mover Distance) 최적 운송을 통해 근 사하는 방법을 제안하여 예측 성능과 사용자의 참조 선택 이해를 향상시킵니다. 다양한 설명 모달리티는 사용자에게 모델의 내부 논리에 대한 의미 있는 통찰을 제공하여 모델 디버깅, 편향 제거 및 개선에 활용할 수 있습니다. 이러한 직관에 기반하여, 프레임워크는 도메인 지식을 통합하여 GNN을 더욱 인간이 이해할 수 있는 표현으로 안내하고 이 기술의 신뢰성과 윤리적 사용을 촉진하고자 합니다. 구체적으로는 도메인 전문가가 표현 학습과 참조 선택 과정을 적극적으로 검증 하고 제어할 수 있도록 다중 수준의 지식 가이드 제약을 제공합니다. 이 논문은 제안된 프레임워크의 효율성과 효과성을 강조하는 광범위한 실험 결과와 발견 을 제시합니다. 마지막으로, 미래 작업, 실용적인 응용 프로그램 및 대규모 언어 모델 같은 최신 고급 분야로의 잠재적 확장에 대한 가능한 방향에 대한 철저한 논의로 결론짓습니다.Graph Neural Networks (GNNs) have become a powerful tool for modeling and analyzing data with graph structures. The wide adoption in numerous applications underscores the value of these models. However, the complexity of these methods often impedes understanding their decision-making processes. Current Explainable AI (XAI) methods struggle to untangle the intricate relationships and interactions within graphs. Several methods have tried to bridge this gap via a post-hoc approach or self-interpretable design. Most of them focus on graph structure analysis to determine essential patterns that correlate with prediction outcomes. While post-hoc explanation methods are adaptable, they require extra computational resources and may be less reliable due to limited access to the models internal workings. Conversely, Interpretable models can provide immediate explanations, but their generalizability to different scenarios remains a major concern. To address these shortcomings, this thesis seeks to develop a novel XAI framework tailored for graph-based machine learning. The proposed framework aims to offer adaptable, computationally efficient explanations for GNNs, moving beyond individual feature analysis to capture how graph structure influences predictions. It presents a general approach to enhance the interpretability of existing GNN architectures by training multiple specialty learners, each capturing specific types of interactions within graphs, such as features or message-passing processes. Later, multiple explainers are constructed to offer various explanation modalities based on trained specialty learners. The effectiveness of example-based explanations and the natural interpretability of the KNN algorithm motivate the creation of novel interpretable GNNs. The framework extracts frequently occurring concepts (substructures) from training graphs, used as a basis for inferring predictions and generating explanations. The goal is a multifaceted explanation system offering compact, user-centric insights. Additionally, the framework proposes an approximation method for structure similarity between two graphs via Earth Mover Distance optimal transport, which enhances both predictive performance and the user comprehension of reference selection. Diverse explanation modalities provide users with meaningful insights into the internal logic of models, which can be leveraged for model debugging, debiasing, and improvement. Building upon this intuition, the framework aims to incorporate domain knowledge to guide GNNs toward more human-understandable representations, fostering trust and ethical use of this technology. Specifically, it allows domain experts to actively verify and control representation learning and reference selection processes by providing multi-level knowledge-guided constraints. The thesis presents extensive experimental results and findings that underscore the efficiency and effectiveness of the proposed framework. Finally, it concludes with a thorough discussion of possible avenues for future work, practical applications, and potential extensions into the latest advanced fields like large language models.Abstract I
Contents III
List of Figures VIII
List of Tables XII
1 Introduction 1
2 Background and Fundamentals 7
2.1 Graph Neural Networks: An Overview 7
2.1.1 GNN architectures 8
2.1.2 Fundamental ML Problems with Graphs 9
2.2 Explainable Artificial Intelligence 10
2.2.1 Interpretable Models vs. Post-hoc Explanation Methods 10
2.2.2 Global vs. Local and Model-level vs. Instance-level 11
2.2.3 Local Explanation Breakdown 12
2.3 Human-in-the-loop AI and Human-centric AI 14
2.3.1 Human-in-the-loop AI 14
2.3.2 Human-centric AI 15
2.4 XAI for Graph Neural Works 15
3 Real-time Explanations for GNN Predictions 17
3.1 Introduction 17
3.2 Related Work 22
3.2.1 Post-hoc Explanation Methods 22
3.2.2 Self-explainable Graph Neural Networks 23
3.2.3 Knowledge Distillation Methods for GNNs 23
3.3 Research Approach 24
3.3.1 Problem Formulation 24
3.3.2 Framework Overview 25
3.3.3 Training Algorithm 26
3.3.4 Structural Explanations 29
3.3.5 Feature Attribution Analysis 31
3.3.6 Example-based Explanation 33
3.3.7 Computational Complexity Analyses 33
3.4 Experimental Settings 34
3.4.1 Objectives 34
3.4.2 Datasets 35
3.4.3 Baselines 37
3.4.4 Quantitative Evaluation Metrics for Explanatory Graphs 39
3.4.5 Configurations 39
3.5 Experimental Results 41
3.5.1 Comparison on Explanation Accuracy 41
3.5.2 Qualitative Comparison on Explanatory Graphs 43
3.5.3 Effectiveness of RWR 45
3.5.4 User Comprehension of Structural Explanations 46
3.5.5 An Assessment of Feature Attribution Component 49
3.5.6 Ablation Studies 52
3.6 System Prototype and Demonstration 56
3.6.1 System Design 56
3.6.2 Demonstration Scenarios 58
3.7 Discussion 62
3.7.1 Limitations and Future Improvements 62
3.7.2 Improvements and Extensions 63
3.7.3 Potential Applications 64
3.8 Conclusion 64
4 Interpretable GNNs via Concept Matching Model 66
4.1 Introduction 66
4.2 Related Work 68
4.2.1 Subgraph Discovery and Graph Retrieval 68
4.2.2 Explanation Methods based on Subgraphs 69
4.2.3 Measuring Similarity in Graph Structures 69
4.2.4 Interpretable Graph Neural Networks 70
4.3 Concept Matching Model 71
4.3.1 Problem Statement 71
4.3.2 Overview 71
4.3.3 GNN Encoder 72
4.3.4 Concept Discovery 73
4.3.5 Concept Corpus Management 77
4.3.6 Graph Structure Similarity 78
4.3.7 Concept-based Prediction Function 80
4.3.8 Explanation Construction Module 81
4.3.9 Computational Complexity 83
4.4 Experimental Setups 83
4.4.1 Research Questions 83
4.4.2 Baselines 84
4.4.3 Datasets 85
4.4.4 Implementations and Configurations 85
4.5 Experimental Results 86
4.5.1 Accuracy Comparison Among Methods 86
4.5.2 Interpretation Analysis 87
4.5.3 Node-based vs. Edge-based Concept Discovery 89
4.5.4 Effects of MI Constraint between Input Graph and
Outcome on Prediction Accuracy 90
4.5.5 Comparison of Different Reference Strategies 91
4.5.6 Evaluating User Perception of Explanations 92
4.5.7 Shortcomings of User Study 94
4.6 Conclusion 95
5 Trustworthy Graph Classification via Active Human Verification 97
5.1 Introduction 97
5.2 Related Work 99
5.2.1 Human-in-the-loop AI 99
5.2.2 Deep-learning-enhanced Case-based Reasoning 100
5.2.3 Interpretable Graph Neural Networks 100
5.3 Methodology 101
5.3.1 Methodology 101
5.3.2 Human-alignment Representation Learning 102
5.3.3 Interpretable Predictor 104
5.3.4 Explanation Construction 105
5.4 Experiments 106
5.4.1 Datasets and Benchmark Models 106
5.4.2 Configuration Details 107
5.4.3 Predictive Performance Comparison 109
5.4.4 Benefits of Human-AI Interactions 109
5.4.5 Assessing the Efficacy of Instance-Level Feedback 110
5.5 Discussions of Fairness and Ethical Issues 111
5.6 Conclusion 112
6 Future Work 113
6.1 Novel Combinations of Methods 113
6.2 Applications of Interpretable GNN Frameworks 114
6.2.1 Dynamic Interpretable Graph-based Recommendation Systems 114
6.2.2 Hybrid Human-GNN Decision Support Systems for E-commerce 114
6.2.3 Fairness-aware Financial Systems 115
6.2.4 Anomaly Detection in Fraudulent Activities 115
6.3 Complex Reasoning with GNN-Empowered LLMs 116
6.3.1 What are LLMs? 116
6.3.2 Integration of LLMs and GNNs 116
6.3.3 Strategies for Applying LLMs to Graph Data 117
6.3.4 A Real-world Scenario of LLM-GNN Integration 120
7 Conclusion 121
Bibliography 122
Acknowledgments 138
Index 140
초 록 140
VII박
Tackling Spurious Correlations
No full text학위논문(박사) -- 서울대학교 대학원 : 자연과학대학 협동과정 계산과학전공, 2024. 8. 강명주.This thesis examines the influence of Spurious Correlations (SCs) on the stability and effectiveness of various Computer Vision tasks and proposes strategies to counteract these issues. In Machine Learning, it is commonly presumed that minimizing risk in the source distribution will result in good performance in the target distribution. However, the presence of SCs between certain attributes and labels in source data can lead to a significant drop in model performance during inference. Thus, identifying and addressing SCs is crucial for enhancing model robustness. This thesis explores this problem within diverse contexts, including image classification, continual learning, and vision-language tasks, and then proposes strategies. (i) Achieving robustness against SCs in image classification is straightforward with knowledge of the SCs; however, it becomes challenging without access to this information. We expand the feature space referenced by the model for more conservative prediction, i.e., Unbiased Network (UBNet). (ii) In the context of continual learning, forgetting previously acquired information is typically viewed as catastrophic. Yet, this thesis posits that the forgetting of SCs is beneficial. Based on this insight, we introduce a framework that encourages beneficial forgetting while discouraging detrimental memory loss, i.e., Learning without Prejudices (LwP). (iii) Large vision-language models often produce inaccurate descriptions for im- ages, incorporating objects or details that are not present, a phenomenon known as object hallucination. This thesis identifies that the cause of this issue lies in the SCs among image-answer, question-answer, and answer-answer relationships.이 논문은 다양한 컴퓨터 비전 작업에서 허위 상관관계가 모델의 안정성에 미치는 영향을 조사하고 이러한 문제를 해결하기 위한 전략을 제안합니다. 기계 학습에서는 원본 분포에서의 위험을 최소화하면 대상 분포에서 좋은 성능이 나올 것이라고 흔히 기대합니다. 그러나 원본 데이터에서 특정 속성과 레이블 간의 허위 상관관계의 존재 는 추론 중 모델 성능의 심각한 저하로 이어질 수 있습니다. 따라서 허위 상관관계를 식별하고 해결하는 것이 모델의 강건성을 향상시키는 데 중요합니다. 이 논문은 이미지 분류, 지속적인 학습, 그리고 시각-언어 작업을 포함한 다양한 맥락에서 이 문제를 탐구한 후 전략을 제안합니다. (i) 이미지 분류에서 허위 상관관계에 대한 강건성을 달성하는 것은 이를 알고 있을 때는 간단하지만, 이 정보에 접근할 수 없을 때는 어렵습니다. 우리는 모델이 참조하는 피처 공간을 확장하여 보수적인 예측을 가능하게 하는 Unbiased Network(UBNet)를 도입합니다. (ii) 지속적인 학습의 맥락에서 이전에 습득한 정보를 잊는 것은 일반적으로 좋지 않은 것으로만 여겨집니다. 그러나 이 논문은 SCs를 잊는 것이 유익할 수 있다고 주장합니다. 이를 바탕으로, 유익한 잊음을 촉진하고 해로운 기억 손실을 억제하는 프레임워크인 Learning without Prejudices (LwP)를 도입합니다. (iii) 대규모 시각-언어 모델은 종종 이미지에 대해 부정확한 설명을 생성하며, 존재하지 않는 객체나 세부 사항을 포함시키는 현상인 객체 환각을 일으킵니다. 이 논문은 이 문제의 원인이 이미지-답변, 질문-답변 및 답변-답변 관계 간의 허위 상관관계에 있다는 것을 실험적으로 확인합니다.Abstract
1 Introduction
2 Preliminary
2.1 Spurious Correlation
3 Related Works
3.1 Image Classification
3.1.1 Unbiased Learning with SC Annotations
3.1.2 Unbiased Learning with Known SC
3.2 Continual Learning
3.2.1 Continual Learning
3.3 Vision-Language Task
3.3.1 Large Vision-Language Model
3.3.2 Object hallucination in VLM
4 Robust Learning for Unbiased Image Classification
4.1 Problem Statement
4.2 Motivation
4.2.1 Feature Dependence in CNN
4.2.2 Measuring Bias in CNN
4.3 Methodology
4.3.1 Hierarchical Features
4.3.2 Orthogonal Regularization
4.4 Experiments
4.4.1 CelebA-HQ
4.4.2 UTKFace
4.4.3 ImageNet
4.4.4 Ablation Study
5 Continual Unbiased Learning
5.1 Problem Statement
5.2 Evaluating Protocol and Metrics
5.3 Motivating Experiments
5.3.1 A closer look at forgetting
5.4 Methodology
5.4.1 Discouraging Malignant Forgetting
5.4.2 Encouraging Benign Forgetting
5.5 Experiments
5.5.1 Datasets
5.5.2 Experimental Setup
5.5.3 Experimental Results
5.5.4 Analysis
6 Analysis on Object Hallucination
6.1 Problem Statement
6.2 Analysis Protocol
6.2.1 Analysis Procedure
6.2.2 HitRate@K: Metric
6.3 Experiments
6.3.1 Evaluation Setting
6.3.2 Experimental Results
6.3.3 Further Analysis
7 Conclusion
The bibliography
Abstract (in Korean)박
한국 여성 청소년의 운동선수 롤모델과 농구 참여도 탐색
No full text학위논문(석사) -- 서울대학교 대학원 : 사범대학 체육교육과,글로벌스포츠매니지먼트전공, 2024. 8. Lee Yongho.Exploring Influence of Role Models on Basketball Participation among female adolescents in Korea Md Fahad Yasin Global Sport Management, Department of Physical Education The Graduate School of Education Seoul National University Children's physical, psychological, and social development is greatly influenced by sport. Sport has always been seen by society as a male- dominated field for a number of reasons, including role structure. Due to this, there are disparities for female athletes at all levels, particularly for young girls. Compared to male athletes, they are seen as having far less sport competence. Young female athletes have chosen to stop competing rather than deal with the obstacles society places in their way of doing sports. Young athletes who look up to role models can have tremendous positive effects from their presence. In an effort to succeed and resemble their role model, athletes learn to emulate the traits and behaviors of their role models while learning to overcome any challenges they may encounter. This study explored how the presence of athlete role models affected young female Korean adolescents in terms of sport participation in particular basketball as numerous studies found that role models can increase perceived sport competence which ultimately increased participants' enthusiasm to play sports in the future. The current research used social cognitive theory, self-efficacy theory and social context framework to examine the benefits and intricacies of the modeling relationship between female adolescents and athlete role models. To accomplish this task, the formative experiences of 6 adolescent female who played basketball were examined. Each athlete was interviewed, with each semi-structured interview focusing on how athlete role models have influenced that the participants in their sport participation. The data from these interviews were qualitatively analyzed using phenomenological study. From phenomenological study, a template emerges in which the characteristics the adolescents take from their athlete role models can be seen as an essential construct and which can have lasting effects on their personal development and sport participation.본 연구에서는 스포츠 세계에서 역할 구조를 포함한 여러 가지 이유로 사회에서 항상 남성이 지배하는 분야로 간주되고 있다는 연구문제에서 시작되었다. 이로 인해 모든 수준의 여성 운동선수, 특히 어린 청소년들에게 기회의 차이가 크며, 여성 청소년 운동선수들은 사회가 스포츠를 하는 데 방해가 되는 장애물을 처리하기보다는 경쟁을 중단하기로 결정하기도 한다.
롤모델이 지각된 스포츠 역량을 증가시킬 수 있고 궁극적으로 향후 스포츠 참여도를 높일 수 있다는 가설에 따라 농구 종목에서 운동선수 롤모델의 존재가 스포츠 참여 측면에서 어떻게 영향을 미치는지 탐구하고자 하였다. 본 연구는 사회 인지 이론, 자기 효능 이론 및 사회적 맥락 틀을 사용하여 여성 청소년과 운동 선수 롤모델 간의 긍정적 관계성과 복잡성을 조사하였다. 이를 위해 농구에 참여하고 있는 여성 청소년 6명을 심층면담 하였다. 반구조화된 인터뷰를 통해 운동선수 롤모델이 참여자의 스포츠 참여에 어떤 영향을 미쳤는지에 초점을 맞춰 자료가 수집되었다. 수집된 자료는 현상학적 연구를 통해 질적으로 분석되었다. 청소년이 운동선수 롤모델을 갖게 되는 것이 필수 구성 요소로 볼 수 있고 개인 발달과 스포츠 참여에 지속적인 영향을 미친다는 의미 있는 자료를 발견할 수 있었다.
롤 모델을 가지고 있는 여성 청소년들은 그들의 존재로 인해 긍정적인 효과를 얻고 있다는 것이었으며, 자신의 분야에서 성공하고 있는 자신의 롤모델을 닮기 위한 노력의 일환으로 여성 청소년들은 자신이 직면할 수 있는 모든 어려움을 극복하는 방법을 배우면서 롤모델의 특성과 행동을 모방하는 방법을 배우고 있었다. 더 많은 여성 선수들을 양성하고 여학생의 스포츠 참여도를 높이기 위해 여성 청소년들이 존경할 만한 유능한 롤모델을 가질 수 있도록 여성 운동선수들의 스포츠 활동을 여러 방법의 매체를 통해 대중화해야 할 것이다.Acknowledgements . i
Abstract ii
Table of Contents iv
List of Tables vi
List of Figures . vi
1. Introduction ix
1.1. Study Background 1
1.2. Statement of Problem . 4
1.3. Research purpose and Research Question . 4
1.4 Significance of the Study 5
2. Literature Review ７
2.1. Theoretical Framework for Role Model 7
2.1.1. Social Cognitive Theory. 7
2.1.2. Self-Efficacy Theory . 9
2.1.3. Social Context Framework. 10
2.2. Korean Female Adolescents and Health Issues . 11
2.3. Korean Female Adolescents in Context to PE 12
2.4. Importance of Sport Participation 14
2.5. Sport Role Model and Sport Participation 15
2.6. Gender Gap in Sports . 17
2.7. Perceived Sport Competence 24
3. Method . ３４
3.1. Purpose of the Study 34
3.2. Research Design 34
3.3. Target Population . 35
3.4. Ethical Assurances 36
3.5. Participant Selection 38
3.6. Research Questions . 39
3.7. Instruments. 39
3.8. Procedures 41
3.9. Data Collection . 42
3.10. Data Analysis 44
4. Findings and Discussion . 46
4.1. What the Role Model provides the adolescnts specifically 51
4.1.1. Work Ethic. 51
4.1.2. Leadership. 54
4.1.3. Motivation 56
4.1.4. Self-efficacy. 59
4.1.5. Vicarious Learning 60
4.2. What Role Models Provide Adolescents in General 63
4.2.1. A source of inspiration. 64
4.3. Communication 68
4.3.1. Ability to Communicate. 69
4.3.2. Ability to Listen 70
4.4. Importance of Role Models 73
4.4.1. Sustained Interest in Sports. 74
4.4.2. Increased Sport Competence. 78
5. Conclusion 82
5.1. Limitations of the Study . 82
5.2. Future Directions 83
5.3. Practical Applications of the Findings 84
References . 84
Appendix A: Participant Survey(English version) 104
Appendix B: Participant Survey(Korean version) 106
Appendix C: Adolescents Interview Guide(English version) 108
Appendix D: Adolescents Interview Guide(Korean version) 109
Appendix E: Coaches Interview Guide(English version) 112
Appendix F: Coaches Interview Guide(Korean version) . 115
Appendix G: IRB Approval Letter 118
Appendix H: Consent Form 119
국 문 초 록 131석
a multilevel analysis
No full text학위논문(석사) -- 서울대학교 대학원 : 보건대학원 보건학과(보건학전공), 2024. 8. 조성일.Background: Gastric cancer (GC) is the fourth most common cancer, and one of the most common causes of deaths in South Korea. We aimed to identify individual-level characteristics and area-level factors associated with non-attendance in GC screening in Korea by linking data from the 2022 Korean National Cancer Screening Survey (KNCSS), 2022 Korean Statistical Information Service (KOSIS), 2022 National Health Insurance Corporation (NHIC), and 2018 Korean version of the Area Deprivation Index (ADI).
Methods: Data on GC screening and individual-level variables were obtained from the 2022 KNCSS. The area-level characteristics were collected from the 2022 KOSIS, 2022 NHIC, and 2018 ADI, and then linked to the 2022 KNCSS. Statistical analysis was carried out using multilevel logistic regression.
Results: The rate of non-participation in GC screening was 24.8% in 2022. Among the individual-level factors, individuals with the lower education level, unemployed status, who were recognized the accessibility was inconvenient, had not health checkup, had not regular hospital or doctor, had not family history, and being a current smoker were associated with non-attendance in GC screening. Individuals who lived in a household with two people, had National Health Insurance (NHI), had cancer insurance, and had diagnosis of chronic gastritis or gastric ulcers health insurance showed a negatively associated with non-attendance in GC screening. However, income level was not associated with non-participation in GC screening in the current study. In addition, among the area-level variables, the number of crimes showed a statistically significant association with non-participation in GC screening. On the other hand, ADI, social welfare expenditures, or the number of gastric cancer screening units were not statistically significant in this study.
Conclusion: There are differences in non-participation in GC screening according to both individual and regional area characteristics. To increase the overall GC screening participation rate, targeted interventions for individuals with low education level, not having a job, Medical Aid Program recipients, and living in higher occurrence of crimes should be considered. Further studies are required to identify underlying factors limiting attendance in cancer screening for other cancer types including gastric cancer.
Keywords : Gastric cancer, Screening, Region, Multilevel, Early detection1. Introduction 1
2. Methods 4
2.1. Data Collection 4
2.2. Study population 6
2.3. Definition of variables 8
2.4. Statistical analysis 15
2.5. Ethical approval 16
3. Results 17
3.1. The study populations characteristics and gastric cancer screening
participation according to predisposing factors 17
3.2. The study populations characteristics and gastric cancer screening
participation according to enabling factors 19
3.3. The study populations characteristics and gastric cancer screening
participation according to needs factors 21
3.4. The gastric cancer screening participation by area 23
3.5. Selection of area-level variables 25
3.6. The distribution of area-level variables 27
3.7. Individual- and area-level factors associated with gastric cancer
screening participation 30
4. Discussion 35
5. Conclusion 39
Bibliography 40석
물리 법칙 기반 시간-공간 그래프 앙상블을 활용한 건물의 운영 데이터 예측
No full text학위논문(석사) -- 서울대학교 대학원 : 공과대학 산업공학과, 2024. 8. 조성준.Forecasting Building Operation using Spatio-temporal Graph Neural Network (STGNN) Boosting Ensemble Jongseo Lee Department of Industrial Engineering The Graduate School Seoul National University In recent years, enhancing energy efficiency in buildings via accurate forecasting of operational dynamics has become essential for business entities dedicated to meet- ing ESG goals. This paper investigates the Physics-Informed Deep Spatio-Temporal Graph Neural Network (PISTGNN) Ensemble, which integrates residual learning and physics constraints into a STGNN to precisely estimate building operational dynamics 5 minutes in advance. The experimental results demonstrate that the En- semble model achieved an average improvement of approximately 85.1% in RMSE over the single predictive model across seasonal test sets, underscoring its superior accuracy. Moreover, the models predictions only deviates 0.78% with the true val- ues in real-world scenarios, highlighting its reliability and robustness for practical applications. Keywords: Building operation forecast, Spatio-temporal graph neural network,최근 몇 년 동안, 기업들은 장기적인 지속 가능성을 위해 친환경 에너지 솔루션을 장려하고 탄소 발자국을 줄이기 위해 Environmental, Social, and Governance (ESG) 가치에 집중해 왔다. 건물의 에너지 효율 향상은 다양한 기업들의 이러한 가치를 실현하기 위한 필수적인 전략으로 부상하고 있으며, 특히 향후 건물의 운전상태를 정확하게 예측하는 문제는, 운영자가 실시간으로 건물의 운영을 최적화함으로써 건물 내 에너지 사용을 효율적으로 관리할 수 있게 한다. 따라서 본 논문에서는, 건물의 미래 운전상태를 정확하게 예측하기 위해 물리 법칙 기반 시간-공간 그래프 신경망(PISTGNN) 앙상블 모델을 제시한다. 이 모델은 Encoder-Decoder 구조의 시간-공간 그래프 모델 중 하나인 확산 컨볼루션 신경망 (DCRNN)을 사용하여 건물 시스템 내의 복잡한 공간적 및 시간적 의존성을 정확하게 포착한다. 또한 Boosting Ensemble 프레임 내의 잔차를 학습하는 Residual Model을 통해 단일 예측 모델 대비 예측 정확도를 비약적으로 향상시켰다. 마지막으로, 물리 기반 손실 함수를 사용하여 데이터의 정확도와 물리법칙을 모두 준수하도록 모델을 학습함으로써, 실제 환경에서의 신뢰성과 적용 가능성을 높였다. 실험 결과, 건물의 5분 후의 운전상태를 예측하는 앙상블 모델은, 4계절 Test set에서 단일 예측 모델에 대비 RMSE가 평균 85.1% 향상되어 모델의 우수한 성능을 입증했다. 더불어, 모델의 예측값은 Real-Scenario에서 실제 값과 평균 0.78%의 편차만을 보이며, 실질적인 적용에서의 신뢰성과 견고함을 입증하며, 기업들이 건물의 에너지 소비와 온실가스 배출을 줄이기 위한 ESG 가치 실현에 이바지할 수 있게 한다.Abstract i
Contents v
List of Tables vi
List of Figures viii
Chapter 1 Introduction 1
1.1 Background 1
1.2 Research Motivation and Contribution 5
1.3 Organization of the Thesis 7
Chapter 2 Literature Review 8
2.1 Deep Learning Application in Building 8
2.2 Challenges 13
Chapter 3 Methodology 16
3.1 Definitions and Notations 16
3.2 Spatio-Temporal Graph Neural Network . 19
3.2.1 Graph Neural Network . 19
3.2.2 Diffusion Convolution Recurrent Neural Network (DCRNN) . 21
iii
3.3 Physics-informed Neural Network 26
3.4 Boosting Ensemble (Residual Learning) . 28
Chapter 4 Problem Formulation 30
4.1 Case Study 30
4.2 Data Preprocessing . 31
4.2.1 Feature Selection . 31
4.2.2 Graph Construction 33
4.2.3 Data Preprocessing 35
4.3 Model Set up . 37
4.3.1 Physics-Informed Loss . 37
4.3.2 Framework . 40
4.3.3 Hyperparameters . 43
Chapter 5 Experiment Results 44
5.1 Learning Curve 45
5.1.1 Base Model . 45
5.1.2 Residual Model 47
5.2 Loss Metric 48
5.3 Application 53
Chapter 6 Conclusion 57
Bibliography 59
Appendix 1 69
Appendix 2 73
iv
국문초록 76
감사의 글 77
v석
감마선 유도 고구마 돌연변이체의 줄기 생장과 엽색 변화에 대한 유전체 및 전사체적 통찰
No full text학위논문(박사) -- 서울대학교 대학원 : 농업생명과학대학 식물생산과학부(작물생명과학전공), 2024. 8. 이석하.Sweetpotato is a hexaploid crop with high ploidy and self- and cross-incompatibility, making genetic research challenging. In this study, we induced mutations by irradiating sweetpotatoes with gamma rays to analyze major genetic changes and trait expression. We aimed to investigate the effects of these mutants on stem growth and leaf color. The promising vegetable cultivar Tongchaeru was irradiated with gamma rays ranging from 0 Gy to 300 Gy to induce mutations. The estimated LD50 was approximately 105.4 Gy, and the RD50 values were 63.9-72.7 Gy. Mutants with altered stem growth patterns and leaf color changes were selected, and major genetic changes were identified through genome and transcriptome analysis. Genomic analysis was conducted on sweetpotato mutants with mutations affecting stem growth characteristics. A total of 132,973 single nucleotide polymorphisms (SNPs), 17,208 insertions, and 17,673 deletions were identified. Transcriptome analysis revealed that 8,931 genes were upregulated and 6,901 genes were downregulated in the mutants. Notably, the PHYTOCHROME INTERACTING FACTOR 4 (PIF4) gene and the AUXIN-RESPONSIVE SMALL AUXIN UP RNA (SAUR) gene, known to play crucial roles in stem growth, were upregulated in the mutants, suggesting that mutations in these genes influenced their expression changes. Furthermore, the total anthocyanin content in the leaves and petioles of the mutants was significantly reduced compared to the 'Tongchaeru' cultivar, and the expression of the IbCYP73A gene was downregulated. The IbCYP73A gene encodes cinnamate 4-hydroxylase (C4H), an essential enzyme in the phenylpropanoid pathway. Its downregulation likely restricted the supply of precursors needed for anthocyanin biosynthesis, leading to a decrease in anthocyanin content. This study makes significant contributions to understanding the expression of major traits and genetic changes in sweetpotato through gamma-ray-induced mutations, providing valuable information for future sweetpotato breeding and trait research.This study aimed to determine the optimal gamma-ray dosage for mutation breeding and genetic studies in the sweetpotato cultivar 'Tongchaeru'. Gamma-ray irradiation was applied to stem cuttings at various doses (0 to 300 Gy) to calculate the reduction dose (RD50) and lethal dose (LD50) values. The mortality rate increased in a sigmoid pattern, with the estimated LD50 value being approximately 105.4 Gy over 7 hours. As the gamma-ray dose increased, plant height, leaf area, and total root length tended to decrease. RD50 values were 63.9 Gy for plant height, 71.8 Gy for leaf area, and 72.7 Gy for total root length. To induce mutants, gamma rays were applied at doses of 50 and 100 Gy over 7 hours. Four mutants with differences in stem growth patterns and leaf color compared to the wild type were selected.Sweetpotato faces breeding challenges due to physiological and genomic issues. Gamma radiation is a promising approach for inducing genetic variation in crops. We analyzed the transcriptomic changes in gamma ray-induced sweetpotato mutants with altered stem development compared with those in the wild-type 'Tongchaeru' cultivar. Extensive DNA and RNA sequencing analyses were performed to identify mutations and changes in the expression of genes related to stem development. We identified 132,973 single nucleotide polymorphisms, 17,208 insertions, and 17,673 deletions in the sweetpotato genome. Transcriptomic analysis identified 8,931 and 6,901 up- and down-regulated genes, respectively, including the auxin-responsive SMALL AUXIN UP RNA (SAUR) and three PHYTOCHROME INTERACTING FACTOR 4 (PIF4) genes. PIF4 is crucial for regulating the expression of early auxin-responsive SAUR genes and stem growth in Arabidopsis thaliana. In the mutant, several genes related to stem elongation, including PIF4 and those involved in various signaling pathways such as auxin and gibberellin, were up-regulated. Our results suggest that gamma ray-induced mutations influence auxin-dependent stem development by modulating a complex regulatory network involving the expression of PIF4 and SAUR genes, and other signaling pathways such as gibberellin and ethylene signaling genes. This study enhances our understanding of the regulatory mechanisms underlying stem growth in sweetpotato, providing valuable insights for genomics-assisted breeding efforts.In this study, we investigated the molecular mechanisms underlying anthocyanin reduction in gamma ray-induced mutant sweetpotato plant (Ipomoea batatas L.). We focused on the downregulation of the IbCYP73A gene and its associated single nucleotide polymorphisms (SNPs) to understand their impact on the phenylpropanoid pathway and anthocyanin biosynthesis. Mutant plants exhibited significantly lower total anthocyanin content in both leaves and petioles compared to wild-type (WT) plants. Genomic and transcriptomic analyses revealed substantial transcriptional changes, with 1,171 genes downregulated and 1,149 genes upregulated in the mutant compared to WT. The identified SNP in the upstream regulatory region of the IbCYP73A gene may significantly affect gene expression regulation. IbCYP73A encodes cinnamate 4-hydroxylase (C4H), a cytochrome P450 enzyme crucial for converting cinnamate to p-coumarate. The downregulation of IbCYP73A likely reduces p-coumarate supply, thereby impacting overall flavonoid and anthocyanin biosynthesis by limiting necessary precursors. Understanding these upstream factors and their regulatory mechanisms offers insights into anthocyanin biosynthesis control and variation among plant genotypes. It is essential to explore the broader metabolic impact of gamma ray-induced mutations in sweetpotato, including potential effects on other secondary metabolites.고구마는 동질6배체 작물로 배수성이 높고 자가 및 교배불화합성이 있어 유전 연구에 어려움이 있어 다른 주요 작물들에 비해 관련 연구가 미비한 실정이다. 이러한 한계를 극복하기 위해 고구마에서 감마선 조사를 통해 획득한 돌연변이체를 이용해 유전자 발현 변화를 분석하는 연구가 이루어졌으나, 유전체 및 전사체 정보를 이용한 변이를 탐색하는 연구는 미비하였다. 따라서 본 연구에 서는 채소용 고구마 통채루 품종에 감마선을 조사하여 줄기 생육과 엽색에 돌연변이를 유도하고, 유전체 및 전사체 분석을 통해 돌연변이의 유전적 원인 을 유전체 및 전사체 정보분석을 통해 규명하였다. 적정 감마선 조사량을 결정하기 위해 통채루에 0∼300 Gy의 감마선을 7시간 동안 조사하였고, 회귀분석을 통해 LD50은 105.4 Gy/7h, RD50은 63.9∼72.7 Gy/7h으로 추정하였다. 100 Gy/7h에서 줄기 직경이 가늘고 길어진 돌연변이 1 개체와 엽색이 녹색인 돌연변이 1개체를 선발하였다. 줄기 돌연변이체의 전사체 분석에서는 돌연변이체에서 8,931개의 유전자가 상향 조절되고 6,901개의 유전자가 하향 조절되었다. 특히 줄기 생장에 중요한 PHYTOCHROME INTERACTING FACTOR 4 (PIF4) 유전자 3개가 상향 조절되었고, 해당 유전자의 upstream 지역 등에서 변이를 확인하였다. 엽색 돌연변이체에서는 잎의 안토시아닌 함량이 유의미하게 감소하였다. 또한 전사체 분석에서 1,171개의 유전자가 상향 조절되고 1,149개의 유전자가 하향 조절되었다. 특히 플라보노이드 생합성 경로의 초기 단계에서 Cinnamate 4-hydroxylase (C4H)를 암호화하는 중요한 Cytochrome P450 유전자 중 하나인 IbCYP73A의 발현이 돌연변이체에서 하향 조절되었으며, upstream 지역에서 변이를 확인하였다. 이 유전자의 하향 조절은 안토시아닌 생합성에 필요한 전구체의 공급을 제한하여 안토시아닌 함량 감소에 영향을 미친 것으로 보인다. 이 연구는 감마선 돌연변이를 통해 고구마의 주요 형질 발현과 유전적 변화를 이해하는 데 중요한 기여를 하였으며, 향후 고구마 품종 개량과 형질 연구에 유용한 정보를 제공할 것이다.General Abstract I
Table of Contents Ⅲ
List of Tables Ⅴ
List of Figures Ⅵ
List of Abbreviations Ⅷ
Literature review 1
Trends of mutant registration in the FAO/IAEA MVD 1
Development of sweetpotato mutants by physical mutagens 2
Genetics studies using mutants in sweetpotato 4
References 6
Chapter I. Optimal gamma-ray irradiation conditions for inducing mutagenesis in sweetpotato 8
Abstract 9
Introduction 10
Materials and methods 12
Preparation of plant for gamma-ray treatment 12
Investigation of the optimal reduction dose and lethal dose 12
Statistical analysis for determination of RD50 and LD50 13
Gamma irradiation treatments for mutation induction and growth characteristics investigation 14
Multidimensional scaling (MDS) Analysis 14
Results 17
Effect of gamma irradiation on mortality rate 17
Growth response of sweetpotato plants to gamma irradiation 17
Selection of gamma-ray induced mutants 18
Growth characteristics of wild-type and mutant plants of M1V3 generation 24
Multidimensional scaling (MDS) analysis of RNA-seq data 24
Discussion 28
References 31
Chapter II. Exploring causal genetic factors in a gamma-ray induced sweetpotato mutant with altered stem growth patterns through genomic and transcriptomic analysis 36
Abstract 37
Introduction 38
Materials and methods 40
Plant materials and induction of mutants 40
DNA extraction, genome sequencing, sequence alignment, and variant calling 40
RNA extraction, transcriptome, sequencing, and RNA-seq analysis 41
Differential gene expression analysis 42
Results 44
Induction of mutants 44
Genomic variation between gamma ray-induced mutant and WT 44
Global transcriptional changes caused by gamma-ray induced mutation 47
Differential gene expression analysis 50
Pathway and functional enrichment analyses 52
Mutation-affected and differentially expressed genes related to plant hormones 53
Discussion 65
References 70
Chapter III. Exploring causal genetic factors in a gamma-ray induced sweetpotato mutant with altered leaf color through genomic and transcriptomic analysis 81
Abstract 82
Introduction 83
Materials and methods 85
Plant materials and induction of mutants 85
HPLC analysis of anthocyanin contents 85
DNA extraction, genome sequencing, sequence alignment, and variant calling 86
RNA extraction, transcriptome sequencing, and RNA-seq analysis 87
Differential gene expression analysis 88
Results 90
Comparison of plant morphology and color characteristics in different plant parts of gamma ray-induced mutant and WT 90
Comparison of anthocyanin contents and composition in leaves and petioles of gamma ray-induced mutant and WT 90
Genomic variation between gamma ray-induced mutant and WT 94
Global transcriptional changes caused by gamma-ray induced mutation 94
Differential gene expression analysis 97
Pathway and functional enrichment analyses 100
Reduced expression of IbCYP73A gene and its upstream variant in gamma ray-induced mutant 106
Discussion 109
References 112
Conclusion 118
국문초록 120박
도파민개질 가교제 기반 고탄력 하이드로겔 접착소재
No full text학위논문(박사) -- 서울대학교 대학원 : 농업생명과학대학 농림생물자원학부, 2024. 8. Hyun-Joong Kim.매년 전 세계적으로 100 만 명이 넘는 사람들이 외상성 사고, 수술 절개, 당뇨병성 궤양 등의 다양한 상처를 입는다. 일반적으로 상처 봉합 및 조직 기능 복원을 위해 봉합사, 스테이플, 클립, 피부 봉합 스트립과 같은 침습적 방법이 사용되고 있다. 그중 봉합사는 재료의 유연성으로 깊은 상처에도 사용할 수 있으며 체내에서 자연적으로 분해되는 등 사용의 편리성이 높다는 장점이 있다. 하지만 이러한 침습적 방법은 숙련된 인력과 긴 시술 시간이 요구되며 이차적인 조직손상 및 감염의 위험이 존재한다. 따라서 최근 수술 시간 단축, 통증 감소, 혈액 누출 및 감염 완화 등의 다양한 장점이 있는 생체 접착제를 이용하여 침습적 방법을 대체하려는 연구가 지속적으로 이루어지고 있다.
하이드로겔 기반 생체 접착제는 생물학적 조직과의 유사성과 사용 용이성으로 상처나 절개 부위를 봉합하는 봉합사의 대안으로 과학계의 주목을 받고 있다. 하이드로겔 접착제는 지혈, 세포 접착, 항균 및 항염증 특성과 같은 다양한 기능성을 가져 조직 공학 분야에서 유망한 재료로 여겨지고 있다. 하지만, 기존 하이드로겔 접착제의 약한 피부 접착력과 낮은 기계적 탄성력으로 상용화에 한계가 있었다. 낮은 조직 접착력으로 인한 불완전한 계면 접착은 상처 감염 위험을 증가시키고 조직 재생을 지연시켰다. 또한, 낮은 기계적 탄력성으로 인해 움직임이 자주 발생하는 장기나 가동 범위가 큰 관절과 같은 부위에 적용할 수 없었다.
본 연구에서는 도파민으로 개질된 올리고머를 디자인하고 이를 하이드로겔 접착제를 제조하기 위한 가교제로 적용했다. 도파민 개질 올리고머는 길이가 짧은 다이아크릴레이트와 도파민의 아민그룹 간 Aza-Michael 반응으로 합성하였다. 도파민 개질 올리고머가 다음과 같은 구조적 특징을 가지도록 설계하여 이를 통해 제작한 하이드로겔이 높은 기계적 탄성력, 높은 조직 접착력 및 생체적합성을 보일 수 있게 하였다: 1) 올리고머의 양 말단이 아크릴레이트 그룹으로 기능화, 2) 다량의 도파민 분자가 짧은 간격으로 배치, 3) 가수분해 가능한 에스터결합을 포함. 우선, 도파민 개질 올리고머의 양 말단을 아크릴레이트 그룹으로 기능화하여 가교제로 활용할 수 있게 하였다. 그리고 짧은 다이아크릴레이트 분자를 사용함으로써 도파민 분자가 짧은 간격으로 배치되게 하여 도파민 분자 간의 가역적인 수소결합 및 소수성 상호작용들로 도파민 개질 올리고머가 하이드로겔 네트워크 안에서 응집된 구조를 형성하게 하였다. 이러한 응집구조를 통해 하이드로겔이 높은 기계적 탄력성을 가지게 하였다. 또한, 올리고머가 다량의 도파민 분자를 포함하게 하여 도파민 분자의 수소결합, Schiff-base 반응, Michael addition 반응과 같은 물리적, 화학적 분자 간 상호작용으로 하이드로겔이 견고한 조직 접착을 형성할 수 있게 하였다.
마지막으로, 도파민 개질 올리고머가 가수분해할 수 있는 에스터결합을 가지게 하여 이를 사용하여 제조한 하이드로겔이
생체조건에서 분해될 수 있게 하였다.
도파민개질 올리고머를 가교제로 활용하여 높은 조직 접착력, 기계적 탄성력 및 생체적합성을 보이는 하이드로겔을 제조하였으며, 관절과 같이 크고 잦은 움직임이 발생하는 부위의 드레싱 재료로 사용할 수 있음을 보여주었다. 이후, 도파민으로 개질된 가교제의 구조와 하이드로겔 네트워크 구조 변형을 통해 하이드로겔의 인성을 향상하였다. 도파민 개질 가교제의 주 사슬을 부피가 큰 사슬로 변형함으로써 하이드로겔 접착제의 신축성을 향상하고, 양이온성 선형 고분자를 첨가하여 하이드로겔의 네트워크 구조를 단일 네트워크에서 이중 네트워크로 변형함으로써 하이드로겔 접착제의 모듈러스를 향상했다. 하이드로겔의 네트워크 구조 변형을 통해 인성이 향상된 하이드로겔 접착제를 제조하였으며, 이를 천공을 봉합할 수 있는 상처 봉합 패치로 사용할 수 있음을 보여주었다.
본 연구에서는 높은 접착력을 보이며 신축성 및 탄력성이 뛰어난 하이드로겔 접착제를 성공적으로 개발하였다. 도파민으로 개질된 가교제와 이중 네트워크구조를 도입함으로써, 일반적으로 음의 상관관계를 갖는 조직접착력, 인성, 기계적 회복력 세 물성이 잘 균형 잡힌 하이드로겔 접착제를 제조하였다. 또한, 도파민 개질 가교제가 가수분해 가능한 결합을 포함하여 이를 사용하여 제작한 하이드로겔이 생체조건에서 분해될 수 있게 하였다. 이러한 특성들을 기반으로 본 연구에서 제작한 하이드로겔이 잦은 움직임이 발생하는 신체 부위에의 적용 가능함을 보여주었으며, 최종적으로는 상처 밀봉 패치로서의 사용 가능성을 보여주었다. 본 연구는 가교제만을 사용하여 기능성 하이드로겔을 제작하는 손쉬운 방법을 보여주었으며, 이 가교제는 상처 드레싱 재료를 넘어 전자 피부, 센서 및 조직 지지체 등의 기능성 소재 제조에 활용될 수 있을 것으로 기대된다.Every year, more than a million people in the world experience various wounds due to traumatic incidents, surgical incisions, and diabetic ulcers. Traditionally, invasive techniques such as sutures, staples, clips, and skin closure strips are the gold standard for wound closure and restoring tissue structure and function. Among them, sutures are preferred for deeper wounds due to their flexibility and ease of use, and they do not require removal after the wound has healed. However, sutures have several limitations, including the risk of infection, granuloma formation, the inherent length of the suturing process, anesthesia requirements, and skilled by trained personnel requirements. Therefore, the use of tissue adhesives has attracted the attention of scientists and industries because of several advantages, such as blood leakage prevention, less pain, less surgery time, infection mitigation, non-requirement for removal procedures, and minimally invasive surgery.
Recently, hydrogel-based tissue adhesives have gained the attention of scientists and industries as alternatives to sutures for sealing and closing wounds or incisions because of their similarity to biological tissues, ease of use, and short application time. Various functionalities of hydrogel adhesives, such as hemostasis, cell adhesion, anti-microbial, and anti-inflammatory properties, make them promising materials for applications in wound dressing and tissue engineering. However, poor mechanical properties and weak adhesion limit the application of hydrogel adhesives. Poor interface adhesion between a hydrogel and wound increases the risk of infections and delays tissue regeneration, and the low mechanical resilience of hydrogels limits wound dressing in movable parts where a large range of motion occurs.
In this study, the dopamine-modified oligomers were designed and applied as crosslinking agents to fabricate hydrogel adhesives. To manufacture a hydrogel with high mechanical resilience, robust tissue adhesion, and biocompatibility, dopamine- modified crosslinking agents were designed to have the following structural characteristics: 1) The end group of oligomers was functionalized with acrylate, 2) incorporating multiple dopamine molecules with short intervals, 3) hydrolyzable ester bonds. Both ends of the oligomer were functionalized with acrylate, which acts as a crosslinking agent. The short intervals between dopamine molecules enable crosslinking agents to be associated in the hydrogel network through reversible physical interactions of dopamine, such as hydrogen bonds and hydrophobic interactions. Therefore, this structure enables hydrogel to dissipate energy and exhibits mechanical resilience. The high dopamine content due to the crosslinking agent enables hydrogel to form robust tissue adhesion through physical and chemical intermolecular interactions, such as hydrogel bonds, Schiff-base reaction, and the Michael addition reaction of dopamine. Finally, the ester bond in a dopamine- modified crosslinking agent makes fabricated hydrogel using a dopamine-modified crosslinking agent hydrolyzable under physiological conditions.
Moreover, after optimizing the hydrogel system using a dopamine-modified crosslinking agent, the toughness of hydrogel was enhanced through the modification of the structures of the dopamine-modified crosslinking agent and hydrogel network. By modifying the backbone of the dopamine-modified crosslinking agent to a bulkier backbone, the stretchability of the hydrogel adhesive was dramatically enhanced. By modifying the network structure of hydrogel from a single network to a double network, the toughness of the hydrogel adhesive was enhanced.
In this study, we successfully developed a stretchable and highly resilient hydrogel adhesive with robust adhesion. By introducing a dopamine-modified crosslinking agent and a double network structure, a hydrogel adhesive with a well-balanced combination of tissue adhesion, toughness, and mechanical resilience, which are typically negatively correlated, was fabricated. Furthermore, hydrolyzable ester bonds in the crosslinking agent enable the hydrogel adhesive to degrade under physiological conditions. Through these characteristics, the resultant hydrogel adhesives exhibit the potential to be used as wound-sealing patches in movable parts. This study provides a straightforward method to develop functional hydrogels using only a crosslinking agent, which can be potentially applied to electronic skins, sensors, and tissue scaffolds beyond the wound dressing materials.Introduction 1
1. Research Background 2
1.1. Hydrogels 2
1.1.1. Characteristics of Hydrogels 2
1.1.2. Network Structure of Hydrogels 7
1.1.3. Hydrogel Adhesives for Biomedical Applications 9
1.2. Underwater Adhesion 11
1.2.1. Underwater Adhesion Strategies 11
1.2.2. Surface Energy of Hydrogel Adhesives 13
1.2.3. Physical Adhesion Mechanisms 14
1.2.4. Chemical Adhesion Mechanisms 17
1.3. Catechol Chemistry 20
1.3.1. Catechol Chemistry 20
1.3.2. Coacervation 22
1.3.3. Catechol–Inspired Hydrogel Adhesives 24
2. Objective 29
2.1. Design of Dopamine–Modified Crosslinking Agent for Hydrogel Adhesives 31
2.2. Modification of Hydrogel Network Structure for Enhancing Toughness 33
Chapter 1 - Highly Resilient Hydrogel Adhesives 35
1. Introduction 36
2. Experimental 39
2.1. Materials 39
2.2. Synthesis of Crosslinking Agent 39
2.3. Synthesis of Hydrogel 40
2.4. Characterization of Crosslinking agent 41
2.5. Solvent Exchange 42
2.6. Swelling Ratio and Water Contents 42
2.7. Small–Angle X–ray Scattering (SAXS) 43
2.8. Tensile Test 43
2.9. Lap Shear Test 44
2.10. Cyclic Tensile Test 45
2.11. Biodegradability Test 46
2.12. Cell culture and In vitro Biocompatibility Tests 46
2.13. In vivo Biocompatibility Tests 48
3. Results and Discussion 50
3.1. Preparation of Crosslinking Agent 50
3.2. Preparation of Hydrogels 52
3.3. Characterization 56
3.4. Mechanical Performances 61
3.4.1. Tensile Property 61
3.4.2. Adhesion Property 63
3.4.3. Change in Adhesion Over Time 65
3.4.4. Recovery Property 68
3.5. Biocompatibility of Hydrogel Adhesive 71
3.5.1. Biodegradation 71
3.5.2. In vitro Biocompatibility Tests 72
3.5.3. In vivo Wound Healing Tests 74
4. Conclusion 77
Chapter 2 - Toughness Enhanced Hydrogel Adhesives 79
1. Introduction 80
2. Experimental 83
2.1. Materials 83
2.2. Synthesis of Crosslinking Agent 83
2.3. Synthesis of Linear Cationic Polymer 84
2.4. Preparation of Hydrogels 84
2.5. Characterization 85
2.6. Solvent Exchange 86
2.7. Swelling Ratio and Water Content 86
2.8. X–ray Photoelectron Spectroscopy (XPS) 87
2.9. Tensile Test 87
2.10. Lap Shear Test 88
2.11. Cyclic Tensile Test 89
2.12. Burst Pressure Test 89
2.13. Biodegradability Test 90
2.14. Cell culture and In vitro Biocompatibility Tests 90
2.15. In vivo Biocompatibility Tests 92
3. Results and Discussion 94
3.1. Preparation of Crosslinking Agent 94
3.2. Preparation of Linear Polymer 96
3.3. Preparation of Hydrogel Adhesives 97
3.4. Characterization of Hydrogel Adhesives 99
3.5. Tensile Property 104
3.6. Adhesion Property 107
3.7. Change in Adhesion Strength Over Time 111
3.8. Recovery Property 114
3.9. Burst Pressure Test 118
3.10. Biodegradation 121
3.11. In vitro Biocompatibility Tests 122
3.12. In vivo Wound Healing Tests 123
4. Conclusion 127
Summary 128
1. Overall Conclusion 129
1.1 Dopamine–Modified Crosslinking Agent for Highly Resilient Hydrogel Adhesives 130
1.2. Double Network Structure for Toughness Enhanced Hydrogel Adhesives 131
References 134
List of publications 157
국문초록 158박