Huam Ming Ken과 Mehran Behjati 연구원이 개발한 TinyML 기반의 실시간 오존 예측 시스템은 저렴한 에지 디바이스와 높은 예측 정확도를 통해 대기질 모니터링 분야에 혁신을 가져왔습니다. 일산화탄소 농도가 오존 예측에 가장 중요한 변수로 밝혀졌으며, 이 시스템은 자원이 부족한 지역에서도 널리 활용될 수 있을 것으로 기대됩니다.

FlowKV는 KV 캐시 전송 지연을 획기적으로 줄이고 부하 인식 스케줄러를 통해 하드웨어 자원 활용을 극대화하여 대규모 언어 모델 추론 속도를 최대 48.9%까지 향상시키는 혁신적인 분산 추론 프레임워크입니다.

64코어 RISC-V 서버에서 AI 프레임워크의 에너지 소비량을 비교 분석한 결과, XNNPACK 백엔드를 사용하는 ONNX Runtime과 TensorFlow가 PyTorch보다 에너지 효율이 높은 것으로 나타났습니다. 이는 AI 시스템의 에너지 효율 향상에 중요한 시사점을 제공합니다.

첸치엔 등 연구진이 개발한 SHEP 알고리즘은 지능형 고장 진단 분야의 해석성 문제를 해결하기 위한 혁신적인 방법입니다. 패치 방식 특징 추출과 SHAP 알고리즘 개선을 통해 계산 효율성을 극대화하고, 실시간 해석을 가능하게 하여 산업 현장 적용에 큰 기여를 할 것으로 예상됩니다. 오픈소스 공개를 통해 연구 확산에도 크게 기여할 것으로 기대됩니다.

Helena Zhang, Jakobi Haskell, Yosef Frost 세 연구원이 개발한 Pocketflow는 인간과 AI의 공동 설계를 위한 혁신적인 플랫폼으로, 최소한의 추상화와 명확한 구조를 통해 복잡한 AI 시스템 개발의 어려움을 해결합니다. Pocket AI와의 협업을 통해 효율적이고 적응력 있는 AI 시스템 구축을 지원하며, 현대 기업의 요구에 부합하는 솔루션을 제공합니다.