Wang, Fang, Cheng 세 연구원이 개발한 RadioDiff-Inverse는 Bayesian 역문제 해결 방식과 Generative diffusion model을 활용, 정확하고 효율적인 무선 채널 지도 생성을 가능하게 합니다. Imagenet 사전 학습 모델 활용으로 훈련 비용을 절감하고, 잡음이 많은 희소 샘플링 환경에서도 강건한 성능을 보입니다.

Zhao 등의 ChainsFormer는 지식 그래프 상에서의 숫자 추론 성능을 크게 향상시킨 혁신적인 프레임워크입니다. RA-체인, 쌍곡선 유사도 점수, 주의 기반 추론기 등의 독창적인 기법을 통해 최대 20%의 성능 향상을 달성했습니다.

Zhengxi Lu 등 연구진이 개발한 ProtPainter는 3D 곡선을 기반으로 단백질 골격을 생성하는 혁신적인 AI 도구입니다. CurveEncoder와 DDPM, Helix-Gating 등의 기술을 활용하여 높은 정확도와 유연성을 자랑하며, 새로운 평가 지표 scTF를 통해 성능을 입증했습니다. 단백질 디자인 분야의 혁신을 가져올 것으로 기대됩니다.

연세대학교 연구팀의 AI 스타일 전이 기술에 대한 미학적 분석 연구는 CNN과 Transformer 모델을 비교 분석하여 예술 스타일의 구성 요소를 탐구하고, 기술의 한계와 향후 연구 방향을 제시했습니다. AI와 예술의 융합에 대한 새로운 가능성을 제시하는 중요한 연구입니다.

Saif Bashar 등 연구팀이 SSCCA 기반 다단계 특징 융합 방법론을 통해 단시간 SSVEP 신호 인식 정확도를 94.5%까지 향상시켰습니다. LOOCV를 활용한 템플릿 생성과 비선형 가중치 합성이 핵심이며, 이는 BCI 기술 발전에 중요한 기여를 할 것으로 기대됩니다.