본 기사는 인공지능(AI) 분야에서 후각 정보 활용의 중요성을 강조하며, 후각 데이터의 표준화 및 다학제적 연구의 필요성을 제기하는 최근 연구 논문을 소개합니다. 후각 정보의 부재가 AI 발전에 미치는 제한점과 이를 극복하기 위한 협력적 노력의 중요성을 다룹니다.

송약운 등 12명의 연구진이 개발한 MagiCodec은 단일 계층 스트리밍 트랜스포머 기반 오디오 코덱으로, 가우시안 노이즈 주입과 잠재 정규화를 통해 재구성 품질과 생성 토큰의 의미적 표현력을 동시에 향상시켰습니다. 기존 최첨단 코덱들을 능가하는 성능과 자연어와 유사한 Zipf 분포를 보이는 토큰 생성으로 인해, 향후 오디오 생성 모델 발전에 크게 기여할 것으로 기대됩니다.

Neuro2Semantic은 뇌파 신호로부터 의미 있는 언어를 재구성하는 혁신적인 전환 학습 프레임워크로, 30분의 데이터만으로도 높은 성능을 보이며 뇌-컴퓨터 인터페이스 및 신경 해독 기술 분야에 획기적인 발전을 가져올 것으로 기대됩니다.

Wang Feng 등 연구진이 개발한 FinS-Pilot 벤치마크는 실제 금융 데이터를 기반으로 LLM의 금융 분야 성능을 평가하는 새로운 기준을 제시합니다. 실시간 API 데이터와 구조화된 텍스트를 통합하고, GitHub 공개를 통해 금융 AI 연구 발전에 크게 기여할 것으로 예상됩니다.

Pham Ngoc Long과 Do Tri Nhu의 연구는 AI 기반 신경망을 활용하여 고차 변조 방식에서 효율적인 통신 시스템을 구현하는 획기적인 방법을 제시합니다. 비트 단위 수신기와 심볼 단위 오토인코더 기반 시스템은 성능 향상과 계산 효율성 증대를 달성하지만, 훈련 SNR의 영향을 고려한 추가 연구가 필요합니다.