툴 목록
메모
로그인
회원가입

← 시즌 2 · 알파폴드편

PART 8 · PART 8 · MuZero (2019)

Ch 1 · AlphaZero의 한계 — 규칙이 있어야 한다

시즌 2 시작 — 규칙이 사라진 세계
AlphaZero 한 페이지 복습
시뮬레이션은 규칙을 요구한다
코드로 보는 규칙 — 틱택토 next_state
아타리 게임 — 규칙이 보이지 않는다
현실 세계 — next_state가 사라진다
확인 퀴즈
챕터 1 정리

Ch 2 · 환경 모델을 학습한다

규칙이 없다면, 학습하면 된다
model-free — 환경을 모르고 행동만 학습
model-based — 환경을 머릿속에 만든다
왜 굳이 model을 학습하는가
환경 모델을 데이터로 학습해보기
그게 그렇게 쉬운가 — 누적 오차의 함정
확인 퀴즈
챕터 2 정리

Ch 3 · 세 개의 신경망: representation, dynamics, prediction

world model을 셋으로 쪼개는 이유
h — 관측을 잠재 상태로 압축
g — 잠재 공간 안에서 다음 상태 예측
f — 잠재 상태에서 정책과 가치
세 신경망이 함께 움직이는 그림
세 신경망의 인터페이스를 코드로
확인 퀴즈
챕터 3 정리

Ch 4 · 잠재 공간에서의 MCTS

이번 챕터에서 무엇을 하는가
MCTS 네 단계 복습 — 시즌 1 PART 3에서
왜 MuZero에서도 굳이 트리 탐색이 필요한가
Select 단계 — PUCT 공식의 재해석
Select 단계 — MuZero에서 무엇이 달라지나
Expand 단계 — g가 호출되는 순간
Evaluate 단계 — f가 새 리프에서 평가
Backup 단계 — 보상이 트리를 거슬러 올라간다
한 시뮬레이션 통째 추적 (6 단계)
미니 MCTS를 직접 실행
왜 이게 작동하는가 — 잠재 공간의 자유도
확인 퀴즈
챕터 4 정리 — MuZero의 전체 그림

Ch 5 · Atari + 바둑 + 체스 = 같은 알고리즘

PART 8의 마지막 — 일반화의 끝을 본다
MuZero가 도전한 네 환경
보드 게임 결과 — AlphaZero와 동등 또는 그 이상
아타리 결과 — 모델-프리 최강을 넘어서다
"같은 코드"라는 말의 정확한 의미
행동 공간 — 4672 vs 18
보상 구조 — 끝에 한 번 vs 매 스텝
학습 규모 — 얼마나 큰 데이터, 얼마나 긴 연산
환경별로 미세하게 조정한 부분들
같은 MCTS 코드로 두 환경 처리하기
이게 왜 큰 사건인가 — Bitter Lesson과의 연결
PART 9로의 다리 — 게임에서 과학으로
확인 퀴즈
챕터 5 정리 + PART 8 전체 마무리

PART 9 · PART 9 · 다리: 게임에서 과학으로

Ch 1 · 시즌 1을 떠나며 — 게임에서 무엇으로?

PART 9 — 새로운 시작
시즌 1 — 한 페이지로 다시 보기
게임이라는 도메인이 가졌던 다섯 가지 좋은 성질
게임을 넘어 — 어떤 문제로 갈 수 있나
그중 단백질을 고른 이유
DeepMind의 실제 전환 — 알파고 직후의 결정
시즌 1에서 시즌 2로 이어지는 것과 끊어지는 것
시즌 2의 남은 길 — PART 10~14 미리보기
확인 퀴즈
챕터 1 정리

Ch 2 · 단백질 — 생명의 모든 기계

왜 굳이 단백질인가
단백질이란 무엇인가 — 한 줄 정의
20개의 글자 — 아미노산
인간 몸에 단백질이 얼마나 있나
단백질이 하는 일 — 일곱 가지 큰 역할
역할 1 — 구조: 몸의 뼈대
역할 2 — 효소: 화학 반응의 촉매
역할 3 — 신호 전달: 세포들의 대화
역할 4~7 — 운반, 저장, 방어, 운동
단백질이 잘못되면 — 질병으로
확인 퀴즈
챕터 2 정리

Ch 3 · 구조가 곧 기능 — 형태가 일을 결정한다

한 줄 명제 — 구조가 곧 기능
같은 단백질군, 다른 모양, 다른 기능
자물쇠와 열쇠 — 비유의 정확한 분자적 의미
효소의 active site — 트립신을 자세히
Induced fit — 자물쇠도 살짝 변한다
한 글자 변경이 만드는 큰 차이 — 구조 관점
구조 기반 약 설계 — SBDD의 핵심 아이디어
SBDD 실제 사례 — HIV 약과 타미플루
왜 알파폴드가 약 설계를 바꿨나
모양 일치도로 결합 친화도 계산해보기
확인 퀴즈
챕터 3 정리

Ch 4 · 50년의 미해결 문제 — Anfinsen에서 CASP까지

60년 묵은 골치 — 단백질 접힘 문제
1962년 — Anfinsen의 실험
Anfinsen 도그마 — 그 함의
Levinthal의 역설 (1968) — 우주 나이의 천경 배
깔때기 풍경 — 역설을 풀다
처음부터 계산하기 — Ab initio 방법
이웃을 본다 — Homology modeling
접힘 형태 알아맞히기 — Threading
1994년 — CASP의 시작
CASP 1~12 — 30년의 점진적 발전
무엇이 그렇게 어려웠나
코드 — Levinthal 역설 직접 계산
확인 퀴즈
챕터 4 정리 + Ch 5 예고

Ch 5 · AI의 등장 — DeepMind와 CASP13

PART 9의 마지막 — 사람과 사건의 이야기
Demis Hassabis — 체스 신동에서 노벨상까지
2016년 — 알파고 직후, 다음 도전을 정하다
단백질 팀 — Andrew Senior와 첫 멤버들
2016~2018 — 조용한 2년
2018년 12월 — CASP13에 AlphaFold 1이 등장하다
학계의 첫 반응 — 놀라움 + 의심 + 흥미
두 CASP 사이 — Jumper 합류와 transformer
2020년 11월 — CASP14의 결정타
"문제가 풀렸다" — Moult의 공식 선언
2021년 — 공개와 200M 단백질의 데이터베이스
확인 퀴즈
챕터 5 정리 + PART 9 종료

PART 10 · 단백질 기초 — 아미노산에서 3차 구조까지

Ch 1 · 아미노산 20글자 — 단백질의 알파벳

PART 10 시작 — 단백질의 알파벳
아미노산의 기본 구조 — 공통 골격
왜 정확히 20종인가
4가지 카테고리로 분류하기
소수성 9종 — 단백질 안쪽의 일꾼들
극성 무전하 6종 — 양쪽에 다 어울리는 친구들
양전하 3종 — Lys, Arg, His
음전하 2종 — Asp, Glu
특수 3종 — Gly, Pro, Cys
한 글자 코드 — 외우는 방법
Hydrophobicity — 구조의 가장 큰 동력
코드 — Kyte-Doolittle scale로 막 단백질 검출
확인 퀴즈
챕터 1 정리 + Ch 2 예고

Ch 2 · 펩티드 결합과 2차 구조 — α-나선, β-주름

알파벳에서 단어로
펩티드 결합 — 아미노산을 잇는 화학 결합
펩티드 결합의 특별한 성질 — 평면과 부분 이중 결합
Backbone의 자유도 — φ(phi)와 ψ(psi)
Ramachandran plot — 가능한 각도의 지도
α-나선 (alpha helix) — Pauling의 1951년 예측
α-나선의 특성 — 누가 좋아하고 누가 깨뜨리나
β-주름 (β-sheet) — 두 번째 큰 2차 구조
Parallel vs Antiparallel — β-sheet의 두 종류
Loop과 turn — 사슬이 방향을 바꾸는 곳
Ramachandran plot 다시 — 2차 구조와 (φ, ψ)
코드 — Chou-Fasman propensity로 2차 구조 예측
확인 퀴즈
챕터 2 정리 + Ch 3 예고

Ch 3 · 3차 구조 — 도메인, fold, motif

2차에서 3차로 — 평면에서 입체로
3차 구조란 — 단백질 한 사슬의 전체 3D 모양
도메인 (Domain) — 독립적으로 접히는 단위
Fold — 도메인의 큰 구조 패턴
4가지 큰 fold 클래스
유명한 fold들 — TIM barrel, Rossmann, Immunoglobulin 등
Motif — fold보다 작은 구조 단위
유명한 motif들
Fold 분류 시스템 — CATH와 SCOP
구조와 기능의 미묘함 — 같은 fold, 다른 기능
4차 구조 — 여러 사슬이 만나는 복합체
코드 — 서열에서 fold motif 검출
확인 퀴즈
챕터 3 정리 + Ch 4 (MSA) 예고

시즌 2 · 알파폴드편 / PART 8 · PART 8 · MuZero (2019) / Ch 3 · 세 개의 신경망: representation, dynamics, prediction

확인 퀴즈

MuZero의 g(s, a) 함수가 출력하는 다음 잠재 상태 s′는 어떤 성질을 가지는가?

해설

MuZero의 결정적 발상은 "g가 만드는 다음 잠재 상태 s′가 관측을 복원할 필요가 없다"는 점이다. s′는 그저 다음 스텝의 f가 좋은 정책/가치/보상을 출력할 수 있게 해주는 어떤 표현이면 된다. 이 자유도 덕에 누적 오차 문제를 크게 줄이고, 잠재 공간이 "계획에 유용한 압축 표현"으로 자연스럽게 수렴한다.

← 이전 세 신경망의 인터페이스를 코드로 다음 → 챕터 3 정리

AI 헬퍼

막히는 부분 물어봐도 돼요

안녕! AlphaBook의 학습 헬퍼야. 이 페이지에서 막히는 부분이나 헷갈리는 개념이 있으면 물어봐줘.

© 2026 AppTulz · AlphaBook · 전체 시즌 · 이용약관 · 개인정보 · About · Contact