수밋 초프라

🏷️ 인물 머신러닝 딥러닝 교수

개요

수밋 초프라(Sumit Chopra)는 인도 출신 머신러닝 연구자로, 현대 대조 학습(contrastive learning)의 형식적 출발점인 Siamese 네트워크용 contrastive loss를 처음 정식화한 인물입니다. 현재 뉴욕대학교(NYU) Courant 정보과학연구소 조교수이자 NYU Grossman School of Medicine 영상의학과 조교수로, Machine Learning Research 디렉터를 겸하고 있습니다.

2005년 CVPR 논문 한 편이 SimCLR, MoCo, CLIP으로 이어지는 대조 학습 계보 전체의 형식적 토대가 되었습니다. 50편 이상의 논문을 발표했으며, FDA 승인을 받은 복수의 AI 기반 의료 기기 개발을 주도한 이력도 보유합니다. 현재는 의료 영상 분야, 특히 MRI 재구성을 위한 머신러닝으로 연구의 중심을 옮겨 임상적으로 직접 적용 가능한 성과를 내고 있습니다.

NYU 내에서는 의료 영상 ML 그룹을 이끌며 박사후 연구원을 포함한 팀을 운영합니다. 다중 모달리티 환자 표현 학습, 종단적 의료 데이터 분석, 고속 MRI 재구성이 현재 연구의 핵심 축입니다.

생애

인도 출신으로, 2003년부터 2008년까지 뉴욕대학교에서 얀 르쿤 지도 아래 박사 학위를 받았습니다. 박사 과정 중 2005년 CVPR에서 라이아 해드셀, 얀 르쿤과 공동으로 발표한 "Learning a Similarity Metric Discriminatively, with Application to Face Verification"이 이후 대조 학습 전체의 이론적 토대가 되었습니다.

박사 학위 취득 후에는 2008년부터 AT&T Labs Research 리서치 사이언티스트로 일했습니다. 2014년에는 Facebook AI Research(FAIR)에 합류하여 Jason Weston, Antoine Bordes와 함께 Memory Networks를 공동 제안하며 질의응답과 텍스트 이해 연구의 초기 흐름을 형성했습니다. 2017년에는 의료 영상 스타트업 Imagen Technologies를 공동 창업하고 수석 연구자로 활동하며 FDA 승인 AI 의료 기기 개발을 이끌었습니다.

2021년에 NYU로 복귀하여 교수직에 정착했습니다. 산업계와 학계를 고르게 밟은 이 경력 궤적은 딥러닝 1세대 연구자의 전형적인 패턴을 보여줍니다. 스타트업에서 쌓은 의료 AI 경험이 현재 NYU에서 진행하는 연구의 실용적 방향성에 깊이 영향을 미치고 있습니다.

업적

2005년 CVPR 논문에서 정식화한 contrastive loss는 유사한 샘플 쌍은 가깝게, 비유사한 쌍은 멀게 임베딩하도록 모델을 학습시키는 손실 함수입니다. 이 수학적 틀 위에서 이후 SimCLR, MoCo, CLIP 계보의 대조 학습 연구가 모두 작동합니다. 당시 논문은 얼굴 인증을 응용 사례로 삼았지만, 그 형식은 시각, 언어, 멀티모달 전 분야로 확산되었습니다.

2006년에는 얀 르쿤과 함께 "A Tutorial on Energy-Based Learning"을 저술했습니다. 이 튜토리얼에서 에너지 기반 모델(EBM) 프레임워크의 정식 표기와 contrastive loss의 이론적 토대를 체계적으로 마련했습니다. FAIR 재직 시절에는 Memory Networks(ICLR 2015)와 End-To-End Memory Networks(NeurIPS 2015) 두 편을 연달아 발표하며 초기 NLP 메모리 메커니즘 연구의 방향을 잡았습니다.

현재 연구는 MRI 재구성과 임상 영상 분석으로 집중되어 있습니다. k-공간 희소 데이터에서 진단 품질 영상을 재구성하는 선형 역문제 기반 MRI 가속화 연구를 이어가고 있으며, 2025년에는 약지도(weak supervision) 기반 다중 코일 MR 영상 재구성 연구를 Magnetic Resonance Materials in Physics, Biology and Medicine에 게재했습니다. 같은 해 시퀀스 불변 대조 학습을 통한 통합 3D MRI 표현 학습 연구도 arXiv에 공개했습니다.

여담

얀 르쿤의 박사 지도 학생 계보라는 점에서, 라이아 해드셀 등과 함께 딥러닝 초창기 NYU 그룹의 일원입니다. 하나의 CVPR 논문이 훗날 수천 편의 대조 학습 연구로 이어지는 계보를 낳은 사례로, 초기 딥러닝 연구에서 이론적 형식화가 얼마나 오래 지속적인 영향을 미칠 수 있는지를 보여주는 전형적인 예입니다.

AT&T Labs, FAIR, Imagen Technologies를 거쳐 NYU 교수직으로 돌아온 경력은 순수 학계 연구자와는 다른 시각으로 의료 AI 문제를 바라볼 수 있게 해줍니다. Imagen Technologies 재직 기간 동안 FDA 승인까지 이어진 제품 경험은 연구의 실용성을 판단하는 기준을 높여 주었을 것으로 보입니다.

NYU의 의료 ML 연구는 Bernard and Irene Schwartz Center for Biomedical Imaging과의 협력 아래 이루어지며, 수밋 초프라는 이 센터를 연결하는 핵심 인물 중 하나입니다. 박사후 연구원을 모집해 팀 규모를 키우며 헬스케어 AI 연구 생태계 확장에도 기여하고 있습니다.

주요 논문