• Annual Conference on Human and Language Technology
• /
• 2003.10d
• /
• pp.293-299
• /
• 2003

인간 게놈 프로젝트가 완료됨에 다라 생체서열과 언어 사이의 대응 관계가 부각되고 있다. 본고에서는 Lewis Carroll의 언어 유희 사례를 컴퓨터생물학의 측면에서 재조명하고, Carroll이 제시한 문제 중에서 간단한 anagram 문제의 해결을 다루고자 한다. 우선 DNA 컴퓨팅의 방법론을 적용한 DNAgram의 개념을 확장하여 plasmid-DNAgram의 개념을 새롭게 도입하였다. 이 개념을 형광단백질에 대한 DNAgram의 개념을 확장하여 plasmid-DNAgram의 개념을 새롭게 도입하였다. 이 개념을 형광단백질에 대한 FRET(fluorescent resonance energy transfer)분석기법의 응용 사례인 cameleon 형광단백질에 대한 FRET 분석기법에 적용함으로써 anagram 문제의 어휘론적, 구문론적, 의미론적, 화용론적 측면에 대응하는 바이오분자 컴퓨팅 방법론을 제안하였다.

• KIISE Transactions on Computing Practices
• /
• v.20 no.12
• /
• pp.700-705
• /
• 2014

An anagram is a form of word play to find a new word from a set of given alphabet letters. Good human anagram solvers use the strategy of bigrams. They explore a constraint satisfaction network in parallel and answers consequently pop out quickly. In this paper, we propose a molecular computational algorithm using the same process as this. We encoded letters into DNA sequences and made bigrams and then words by connecting the letter sequences. From letters and bigrams, we performed DNA hybridization, ligation, gel electrophoresis and finally, extraction and separation to extract bigrams. From the matched bigrams and words, we performed the four molecular operations again to distinguish between right and wrong results. Experimental results show that our molecular computer can identify cor rect answers and incorrect answers. Our work shows a new possibility for modeling the cognitive and parallel thinking process of a human.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2005.05a
• /
• pp.130-134
• /
• 2005

본 연구는 애너그램(anagram) 문제해결 과제에서 발생하는 제약들(영어 철자연쇄 집합의 출현 확률과 단어 내 위치 확률)을 동시에 병렬적으로 만족시키는 확률 모델 학습과정을 보인다. 애너그램에 관한 많은 선행연구들은 이 문제해결 과정이 단순히 기호처리적인 층위뿐만 아니라 하위기호적(subsymbolic) 층위에서의 상향식 처리로 인해 일어남을 밝혀왔고, 주로 영어 철자의 연쇄체의 확률값을 이용해왔다. 본 연구는 확률 라이브러리 모델(Probabilistic Library Model)을 통해 애너그램 문제해결이 한 번씩 끝날 때마다 철자 연쇄체의 출현 및 위치 분포 확률이 어떻게 유연한 변화를 갖는지에 집중한다. 하나의 문제를 풀고 나면 본 모델은 그 전 문제를 풀었을 때의 상태 패턴으로부터 변화를 보인다. 이러한 분포 변화를 통해 하위기호적 활동의 영향이 문제해결에 있어서 학습구조의 유연한 변화에 중요한 영향을 끼친다는 점을 확인했다.