초록

[한글]비선형 화학계는 생체의 생명 활동에서 나타나는 여러 가지 현상들과 매우 유사한 동력학적 거동을 보여준다. 이러한 특징 때문에, 생체 뉴런의 기능을 구현하려는 인공 신경망 이론에 비선형 화학을 이용하고자 하는 시도가 지속되고 있다. 기존의 인공 신경망 이론은 전통적인 발화율 코딩에 의해 입력 신호를 처리하였지만, 최근에는 실제 생체의 정보 처리 과정과 보다 유사하며, 작업 속도도 더 빠른 시간적 코딩 방법이 주목받고 있다. 시간적 코딩은 발화 시간을 정보 처리의 수단으로 삼는 방법이다. 본 연구에서는 이같은 시간적 코딩 방법을 사용하여 완전한 화학적 인공 신경망을 구성하였다. BZ 반응의 들뜸성을 잘 묘사하는 이론적 모델인 amplified Oregonator을 사용하여 Kohonen 망을 구성하고, 이를 통해 3차원 입력 신호를 2차원으로 지도화하는 자기 조직적 특성 지도 과정을 수행함으로써 들뜸성을 갖는 비선형 화학 반응이 시간적 코딩을 사용하는 인공 신경망에 이용될 수 있다는 것을 보여주었다.

[영문]Nonlinear chemical reactions show similar dynamical behaviors as natural phenomena occurring in living organisms, particularly in their nerve systems. In this thesis I attempt to examine the applicability of nonlinear chemical reactions in artificial neutral network (ANN) in close connection with the functions of the nerve systems. The amplified Oregonator that describes well the excitability of the Belousov-Zhabotinsky reaction is used as the nonlinear chemical reaction to construct the Kohonen network. For information processing, the temporal coding method instead of the firing-rate coding method is used in this work since the former has similar information processing structure as the nerve systems. With such constructed chemical ANN system, it is demonstrated that the self-organized feature map(SOM), i. e. mapping 3-dimensional input image into the 2-dimensional output space, can be successfully performed. This result proves that the combination of excitable nonlinear chemical reactions and temporal coding method can form a successful ANN system.