visual
visual

연구하이라이트

  • HOME
  • >
  • 연구
  • >
  • 연구하이라이트
- 빅데이터 분석에 복잡계 이론을 접목, 서양미술의 변화과정을 정량화 -
- “잭슨 폴록의 드립 페인팅은 무작위로 만든 그림에 가까워” -
- 세계적인 과학저널 네이처가 발행하는 ‘사이언티픽 리포트’ 11일자 게재 -

KAIST(총장 강성모) 물리학과 정하웅(46) 교수와 한양대학교 응용물리학과 손승우(35) 교수는 중세부터 사실주의까지 약 1000년에 걸친 서양화 1만 여점의 빅데이터를 복잡계 이론으로 분석해 서양 미술의 변천사를 밝혀냈다. 또 이를 바탕으로 르네상스 시대의 대표 작품인 모나리자를 시대별로 재구성했다.

연구결과는 세계적인 과학저널 네이처(Nature)가 발행하는 ‘사이언티픽 리포트(Scientific Reports)’ 11일자 온라인판에 실렸으며 리서치 하이라이트로 선정되어 네이처 홈페이지 메인 화면에 소개되기도 했다.

최근 빅데이터가 관심을 받으면서 과학자들은 예술·인문학 자료를 전산화해 분석하려는 시도가 많이 있다. 이 같은 자료는 방대하고 복잡해서 다루기가 쉽지 않다. 연구자들은 빅데이터에서 질서를 찾기 위해 복잡계(Complex Systems) 과학 방법론을 이용하며 이를 ‘데이터 과학’이라고 한다.

그동안 회화에 사용된 물감의 구성 성분, 연대측정, 회화의 진위여부를 정량적으로 판별하는 방법 등에 관한 연구결과는 꾸준히 있었다. 하지만 서양 미술사 전반을 아우르는 대규모 분석에는 데이터가 충분하지 않았다.

연구팀은 헝가리 부다페스트 물리학 컴퓨터 네트워킹 연구센터(Computer Networking Centre of the Wigner Research Centre for Physics)에서 운영하는 온라인 갤러리에서 중세부터 19세기까지 디지털 형태의 서양회화 1만여 점을 모은 데이터를 기반으로 서양 미술을 객관적으로 분석할 수 있었다. 연구팀은 물리학에서 사용하는 상관 함수를 온라인 갤러리에서 취합된 서양 미술의 빅데이터에 적용해 분석한 결과 시간이 흐를수록 명암대비 효과가 점점 높아지는 경향이 있다는 사실을 밝혀냈다.

연구팀은 여기서 사용한 상관 함수를 잭슨 폴록의 드립 페인팅에 적용한 결과, 공간적인 명암대비 효과가 거의 없어 무작위로 만든 그림에 상당히 가깝다는 것을 분석해내기도 했다.

이와 함께 이 기간 동안 서양미술은 그림 속 물체의 윤곽선이 모호해지다 낭만주의 시대 무렵 다시 뚜렷해지는 변화가 있었다.

아울러 중세 시대에는 색상을 다양하게 사용하지 않았고 정치 및 종교적인 이유로 특정 염료만을 선호했다. 같은 이유로 당시에는 색을 직접 혼합하지 않고 오직 덧칠로만 다양한 색을 표현했다. 즉, 연구팀은 염료와 채색 방식으로 인한 중세 시대 색상 표현의 한계와 그 이후 변화를 분석해냈다.

정하웅 교수는 “물질세계의 복잡성에 대한 연구는 자연과학에서 오래된 주요 관심사였지만, 예술 및 인문사회분야와 관련한 체계적인 복잡성 연구는 인터넷 대중화 이후의 일”이라며 “이번 연구는 물질세계의 복잡성을 다루던 방법으로 인류의 귀중한 문화유산인 회화에서 숨은 복잡성을 찾아 구체적인 숫자로 제시했다는데 의의가 있다”고 말했다.

손승우 교수는 “학문 사이의 통섭은 이제 융·복합이라는 키워드로 우리 사회에 자리매김하고 있다”며 “학문간 더욱 활발한 대화를 통해 미술 분야를 넘어 예술 및 인문사회 분야에 숨겨진 복잡성을 더욱 폭넓게 이해하는 것이 필요하다”고 설명했다.

미래창조과학부와 한국연구재단이 추진하는 중견연구자지원사업의 지원으로 수행한 이번 연구는 KAIST와 한양대 교수진의 지도아래 KAIST 물리학과 김영호(28) 박사과정 학생이 주도했다.



동영상 링크 http://youtu.be/SFo0h1EU2aw


▶ 용어설명

상관함수(Correlation Function)

- 서로 다른 두 위치에서 측정한 양이 평균적으로 얼마나 비슷한지 나타내는 함수이다. 본 연구에서는 2차원 공간에서 측정량이 비슷할수록 함수 값이 작게 나타나는 상관함수를 사용했다. 2차원 공간에서 측정 대상이 무작위로 분포하면 거리에 따른 상관 함수는 일정하고, 측정 대상이 무작위 분포에서 멀게 분포할수록 거리에 따른 상관 함수는 증가한다.

▶ 그림설명8.gif



9.gif




10.gif



11.gif



12.gif



15.gif