Vikas Natesh와 H. T. Kung이 개발한 PQS 알고리즘은 가지치기, 양자화, 정렬 세 가지 기술을 결합하여 저비트폭 내적 연산을 가능하게 합니다. 이미지 분류 작업에서 기존 방식과 동등한 정확도를 유지하면서 누산기 비트 너비를 2.5배 줄여 메모리 사용량과 에너지 소비량을 크게 감소시켰습니다. 이는 초저전력 AI 시스템 구현에 중요한 발전으로 평가됩니다.

Bryan Y. Siow의 연구는 Random Forest Classifier 기반 기계 학습 모델을 이용한 항공 안전 사고 분류의 실용적인 접근법을 제시합니다. 높은 정확도를 달성했지만, 데이터 불균형 해결을 위한 SMOTE 적용 결과는 모델별로 다르게 나타났습니다.

양명호, 리펑텅 등 연구팀이 개발한 MIX-HIC 모델은 3D 게놈 구조와 후성유전체 정보를 통합한 최초의 다중 모드 기반 모델로, 대규모 데이터셋을 활용한 고품질 사전 학습을 통해 기존 최고 성능 모델들을 뛰어넘는 성과를 달성했습니다. 이는 3D 게놈 연구의 새로운 시대를 열 것으로 기대됩니다.

류청원 등 10명의 연구진이 개발한 단계적 지식 주도 추론 최적화 프레임워크와 반성 경로에 대한 선호도 최적화 기법은 MCTS 알고리즘을 활용하여 법률 분야와 같은 전문 영역에서 AI의 추론 능력을 향상시켰습니다. 이 연구는 AI의 전문 분야 적용 가능성을 넓히는 중요한 발견으로 평가됩니다.

Ruoqi Wang과 Jiawei Li가 개발한 향상된 심화 탐색 알고리즘은 제한 없는 컨테이너 재배치 문제(UCRP)에 대한 효율적인 해결책을 제시하며, 특히 시간 제약 조건 하에서 뛰어난 성능을 보입니다. 이 연구는 스마트 항만 운영의 효율성 향상에 크게 기여할 것으로 기대됩니다.