본 기사는 Liu Hanyu 등 7명의 연구진이 발표한 센서 기반 인간 활동 인식 최적화 및 배포에 관한 연구를 소개합니다. 비지도 학습 기반 데이터 증강, 혁신적인 네트워크 아키텍처, 다중 손실 함수 융합 전략, 그리고 임베디드 디바이스 배포를 통해 인간 활동 인식 분야의 새로운 가능성을 제시합니다.

본 기사는 6G 에지 인퍼런스 시스템의 신뢰성 향상을 위한 새로운 이론적 프레임워크를 소개합니다. 기존의 통신 신뢰성 중심 접근 방식의 한계를 극복하고, 추론 장애 확률을 정량화하여 통신 오버헤드와 추론 신뢰성 간의 최적 균형을 찾는 방법을 제시합니다. 실험 결과는 제안된 방식의 우수성을 입증하며, 향후 안전하고 효율적인 에지 인퍼런스 시스템 구축에 기여할 것으로 기대됩니다.

본 기사는 생성형 AI의 부상으로 주목받는 에이전틱 BPM에 대한 연구 결과를 소개합니다. 30년간의 연구와 실무자 인터뷰를 통해 도출된 에이전틱 BPM의 기회와 위험, 그리고 성공적인 도입을 위한 핵심 요소들을 다룹니다.

Selim F. Yilmaz, Can Karamanli, Deniz Gunduz 연구팀은 딥러닝 기반 비직교 다중 접속(NOMA) 방식을 이용한 혁신적인 무선 이미지 전송 방법을 개발했습니다. 다중 뷰 오토인코더를 활용하여 압축과 채널 코딩을 통합하고, 송신기 간 간섭을 활용하여 제한된 자원에서도 뛰어난 성능을 달성했습니다. 최대 16명의 사용자까지 확장 가능하며, 기존 NOMA 기반 방법보다 성능이 우수합니다. 이 연구는 차세대 이동통신 기술 발전에 크게 기여할 것으로 기대됩니다.

Shuli Zeng 등 연구진이 개발한 CLCR(Contrastive Learning-based Constraint Reordering)은 AI 기반 최적화 기술을 활용하여 MILP 문제 해결의 효율성을 크게 향상시킨 혁신적인 프레임워크입니다. 벤치마크 실험 결과, 솔빙 시간 30%, LP 반복 횟수 25% 감소를 달성하여 수학적 프로그래밍과 머신러닝의 성공적인 융합을 보여주었습니다.