캐롤라인 울러(Caroline Uhler, 1983년 출생)는 기계 학습 분야와 유전체학 응용 분야에서 활동하는 스위스 출신의 통계학자이다. 그녀의 연구는 전사체, 단백질체, 구조 데이터를 포함한 다양한 데이터 양식에서 조절 관계를 추론하기 위한 인과 추론 방법 개발에 중점을 둔다. 그녀는 매사추세츠 공과대학교 전기공학 및 컴퓨터 과학 학과와 데이터, 시스템 및 사회 연구소의 정교수이다. 또한, 그녀는 브로드 연구소(Broad Institute)의 핵심 연구소 회원으로, 에릭 앤 웬디 슈미트 센터(Eric and Wendy Schmidt Center)를 이끌고 있다.
교육 및 경력
울러는 스위스에서 태어났다. 그녀는 취리히 대학교에서 수학과 생물학을 공부하여 2004년에 수학 학사 학위, 2006년에 생물학 학사 학위와 수학 석사 학위를 취득했다. 그녀는 2007년에 고등학교 수학 교사 자격증을 위해 대학에 남았지만, 교사가 되는 대신 캘리포니아 대학교 버클리에서 대학원 교육을 위해 미국으로 건너갔다. 그곳에서 그녀는 2011년에 통계학 박사 학위와 하스 경영대학원(Haas School of Business)의 기술 경영 학위를 모두 취득했다. 그녀의 박사 논문 "최대 우도 추정의 기하학", "가우시안 그래픽 모델"은 대수 기하학자이자 대수 통계학자인 베른트 슈투름펠스(Bernd Sturmfels)의 지도 아래 작성되었다.
울러는 미네소타 대학교의 수학 및 응용 연구소와 ETH 취리히에서 짧은 박사후 연구 과정을 거친 후, 2012년에 오스트리아 과학 기술 연구소(Institute of Science and Technology Austria)의 조교수가 되었다. 그녀는 2015년에 헨리 L. 앤 그레이스 도허티 조교수로 매사추세츠 공과대학교로 옮겼고, 2018년에 부교수, 2022년에 정교수로 승진했다. 2022년부터 그녀는 브로드 연구소의 핵심 연구소 회원으로도 활동하며 에릭 앤 웬디 슈미트 센터를 이끌고 있다.
연구 기여
울러의 연구는 인공 지능, 통계학, 생물학의 교차점에 있다. 그녀는 단일 세포의 유전자 발현 데이터나 단백질체 프로파일과 같은 고차원 생물학적 측정에서 조절 네트워크를 해독하는 데 도움이 되는 인과 추론을 위한 수학적 프레임워크를 개발한다. 그녀의 그룹은 그래픽 모델과 볼록 최적화의 아이디어를 결합하여 유전자 조절 상호 작용을 재구성하는 알고리즘을 기여했으며, 종종 여러 데이터 양식을 통합하여 견고성을 향상시킨다.
그녀의 연구 중 한 축은 가우시안 그래픽 모델의 기하학을 다루며, 대수 통계학의 개념적 결과를 실용적인 추론 도구로 확장한다. 또 다른 중요한 영역은 대규모 유전체학 데이터를 처리할 수 있는 해석 가능한 기계 학습 방법의 개발로, 통계적 보장과 실제 세계의 잡음이 많은 관측 사이의 격차를 메우는 것을 목표로 한다. 이러한 노력은 데이터 증강 기법과 견고한 절차에 대한 그녀의 학생들의 연구를 형성했다.
인정
울러는 여러 경력 상을 받았다. 2014년에 그녀는 국제 통계 연구소(International Statistical Institute)의 선출 회원이 되었다. 2015년에 그녀는 오스트리아 과학 기금의 스타트 상(Start-Preis)과 알렉산더 폰 훔볼트 재단의 소피아 코발레프스카야 상(Sofia Kovalevskaja Award)을 수상했으며, 후자의 자금은 MIT로 이동하기 위해 거절했다. 2017년에 그녀는 NSF CAREER 상과 슬론 연구 펠로우십(Sloan Research Fellowship)을 받았다. 2019년에 그녀는 생물 수학 분야의 경로를 인정받아 사이먼스 생명 시스템 수학 모델링 연구원(Simons Investigator in Mathematical Modeling of Living Systems)으로 선정되었다. 2022년에 그녀는 NIH 국장 신규 혁신가 상(NIH Director's New Innovator Award)을 받았다. 2023년에 그녀는 산업 및 응용 수학 학회(SIAM)의 펠로우로 선출되었다.
주요 출판물 및 영향
울러는 경력 전반에 걸쳐 통계학, 기계 학습, 계산 생물학 저널을 포함한 다양한 학술지에 출판했다. 그녀의 논문과 연구는 통계학뿐만 아니라 딥 러닝 모델을 유전체학에 사용하는 실무자들로부터도 인용을 받았다. 그녀의 연구실에서 개발된 알고리즘은 정밀 의학을 포함한 질병 메커니즘을 조사하는 연구자들이 자주 사용한다. 그녀는 또한 학계 직책이나 과학 산업 분야로 진출한 젊은 연구자들을 멘토링함으로써 해당 분야의 교육 파이프라인에 기여했다.
외부 링크
- 홈페이지
- Google 학술 검색으로 색인된 Caroline HI 출판물