양양

개요

양양(Yang Yang, 杨洋)은 절강대학교(Zhejiang University, ZJU) 컴퓨터과학기술학부 정교수이자 인공지능 학과장입니다. 그래프 신경망, 동적 네트워크 임베딩, 그래프 기초 모델, LLM-그래프 연계 연구를 이끄는 중국 그래프 AI 분야의 핵심 PI입니다.

Google Scholar 기준 h-index 38, 총 피인용 수 5,600회 이상을 기록한 중견 연구자로, NSFC 우수청년과학자 펀드를 수혜했습니다. NeurIPS, ICML, ICLR, ACL, KDD 등 최상위 학술 행사에 꾸준히 논문을 발표하고 있으며, 최근에는 그래프와 LLM을 연결하는 연구 방향으로 초점을 이동하고 있습니다.

2025년에는 KAA(Kolmogorov-Arnold Attention for GNN), ICLR 승인 논문 두 편, WWW 논문 등을 발표했으며, NeurIPS 2025에서도 그래프 구조를 활용한 Cypher 쿼리 생성 연구(Cypher-RI)를 발표했습니다. 그의 랩에서는 복수의 박사과정 학생과 석사 연구원이 활동하며, 졸업생들이 HyGRAG 등 RAG-그래프 연계 연구를 이어가고 있습니다.

생애

양양은 중국에서 자라 칭화대학교(Tsinghua University)에서 박사학위를 받았습니다. 2016년 칭화대 컴퓨터과학과에서 Jie Tang, Juanzi Li 두 교수의 지도 아래 박사 학위를 취득했습니다. Jie Tang 교수는 AMiner 등 학술 지식 그래프 연구로 유명하며, 이 지도 관계가 양양의 초기 연구 방향을 사회 네트워크와 지식 그래프 쪽으로 이끌었습니다.

박사 졸업 후 절강대학교에 합류해 지금까지 재직하고 있습니다. 꾸준히 연구 성과를 쌓으며 부교수를 거쳐 정교수로 승진했고, 현재는 인공지능 학과장 직을 겸하고 있습니다. 학과장으로서 절강대 AI 커리큘럼 및 연구 방향 설정에도 영향력을 행사하고 있습니다.

NSFC 우수청년과학자 펀드 수혜는 중국 국가자연과학기금에서 40세 이하 젊은 연구자에게 수여하는 경쟁적 지원으로, 그가 중국 AI 학계에서 차세대 연구 리더로 인정받고 있음을 보여줍니다.

업적

양양의 초기 대표 성과는 동적 네트워크 임베딩 연구입니다. 2018년 트라이어딕 클로저(triadic closure) 과정을 모델링해 시간에 따라 변화하는 그래프에서 링크 예측 성능을 끌어올린 연구는 646회 이상 인용되며 동적 그래프 임베딩 분야의 기준 논문 중 하나가 되었습니다.

강화학습 기반 관계 분류 연구(EMNLP 2018)도 핵심 업적입니다. 그래프에서의 관계 분류에 강화학습을 적용해 레이블이 부족한 상황에서도 성능을 유지하는 방법을 제안했으며, 이 연구는 436회 이상 인용되었습니다.

최근에는 그래프 기초 모델(Graph Foundation Models) 연구에 집중하고 있습니다. GraphLLM(2023)은 LLM과 그래프 신경망을 통합해 LLM의 그래프 추론 능력을 향상시키는 연구로, 그래프 구조 정보를 LLM이 처리할 수 있는 형태로 변환하는 방법을 제시했습니다. Universal Prompt Tuning for GNN(NeurIPS 2023)에서는 특정 다운스트림 태스크에 의존하지 않고 다양한 그래프 태스크에 공통으로 적용 가능한 프롬프트 튜닝 방법을 제안했습니다.

여담

양양의 연구 궤적은 사회 네트워크 분석에서 출발해 그래프 신경망을 거쳐 현재의 LLM-그래프 연계로 이어지는 일관된 흐름을 보입니다. 그래프라는 도메인에 뿌리를 두면서도 시대의 패러다임 전환을 따라 연구 초점을 유연하게 조정해 온 것이 장기 경쟁력의 원천입니다.

절강대학교 인공지능 학과장을 맡고 있다는 점에서, 그의 연구 방향이 절강대 AI 커리큘럼과 연구 인프라에도 영향을 미치고 있습니다. 중국 주요 대학 AI 학과의 교육 방향에 실질적인 파급력을 가진 위치입니다.

바이오인포매틱스에도 손을 뻗어 CGMega(Nature Communications 2024)와 GraphLoc 등 암 유전자 모듈 분석 및 단백질 세포 내 위치 예측에 그래프 신경망을 활용하는 연구를 발표했습니다. 기초 연구를 실제 생명과학 문제에 연결하는 시도가 그의 연구 포트폴리오를 다양하게 만들고 있습니다.

주요 논문

• Dynamic Network Embedding by Modeling Triadic Closure Process (AAAI 2018, 646회 인용)
• Robust Relation Classification via Information Bottleneck (EMNLP 2018, 436회 인용)
• Universal Prompt Tuning for Graph Neural Networks (NeurIPS 2023)
• GraphLLM: Boosting Graph Reasoning Ability of Large Language Model (arXiv 2023)
• CGMega: Explainable Graph Neural Network Framework for Cancer Gene Module Dissection (Nature Communications 2024)
• GraphLoc: A Graph Neural Network Model for Protein Subcellular Localization (Bioinformatics 2022)
• Cypher-RI: Reinforcement Learning for Integrating Schema Selection into Cypher Generation (NeurIPS 2025)
• KAA: Kolmogorov-Arnold Attention for Enhancing Attentive Graph Neural Networks (ICLR 2025)
• HyGRAG: A Unified Framework for Context-Aware and Relation-Aware Graph Retrieval-Augmented Generation (2025)
• LOGIN: A Large Language Model Consulted Graph Neural Network Training Framework (WSDM 2025)