Sumit Chopra

수밋 초프라(Sumit Chopra)는 인도 출신의 머신러닝 연구자로, 현대 대조 학습(contrastive learning)의 직계 조상에 해당하는 contrastive loss for Siamese networks를 처음 정식화한 인물이다. 현재 뉴욕대학교(NYU) Courant 정보과학연구소 정보학과 부교수이면서, NYU Grossman School of Medicine 영상의학과 부교수와 Machine Learning Research 디렉터를 겸하고 있다.

학력은 2003년부터 2008년까지 NYU에서 얀 르쿤 지도로 박사 학위를 받았다. 박사 과정 중인 2005년 CVPR에서 라이아 해드셀·얀 르쿤과 함께 발표한 Learning a similarity metric discriminatively, with application to face verification은 contrastive loss를 도입한 메트릭 학습의 출발점이며, 이후 SimCLR·MoCo·CLIP 계보의 대조 학습 연구가 모두 이 형식 위에서 작동한다.

박사 후 경력은 2008년부터 AT&T Labs Research 리서치 사이언티스트, 2014년부터 Facebook AI Research(FAIR), 2017년부터 의료 영상 스타트업 Imagen Technologies 수석 연구자를 거쳐 2021년 NYU에 정착했다. FAIR 시절에는 Jason Weston·Antoine Bordes와 Memory Networks를 공동 제안하여 질의응답·텍스트 이해 연구의 초기 흐름을 만들었다.

본 글의 A Tutorial on Energy-Based Learning(2006) 작업에서 그의 기여는 1저자 얀 르쿤과 함께 EBM 프레임워크의 정식 표기와 contrastive loss의 이론적 토대를 마련한 것이다. 박사 논문 자체가 이 튜토리얼과 거의 같은 시기에 진행되었기 때문에 박사 연구의 결과물이 그대로 튜토리얼에 녹아 들어갔다고 보아도 무리가 없다.

현재 연구 주제는 의료 영상, 특히 MRI 재구성과 임상 영상 분석을 위한 머신러닝이다. NYU 영상의학과 ML 그룹을 이끌고 있다.