본 기사는 산업 현장의 암묵적 절차 지식을 명시적으로 모델링하는 PKO 온톨로지에 대한 연구 결과를 소개합니다. PKO는 기존 온톨로지들을 재활용 및 확장하여 절차 및 실행 과정을 명확하게 표현하며, 3개의 이기종 산업 사례를 통해 검증되었습니다. 절차 지식의 전 생애주기 관리 지원 및 AI 및 데이터 기반 도구와의 호환성을 통해 산업 전반의 생산성 향상과 혁신을 이끌 것으로 기대됩니다.

Haci Ismail Aslan 등 연구진이 개발한 β-GNN은 그래프 신경망(GNN)의 네트워크 섭동 취약성을 해결하는 혁신적인 모델입니다. 가중치 앙상블 기법과 학습된 동적 가중치 β를 활용하여 GNN의 강건성을 높이고, 다양한 데이터셋에서 우수한 성능을 입증했습니다. β-GNN은 컴퓨팅 시스템의 안정성과 보안 향상에 크게 기여할 것으로 기대됩니다.

Alessandro Maisto의 연구는 LLM이 생성한 RPG 세션의 언어적 특징을 분석하여, LLM만의 독특한 패턴을 발견했습니다. 이는 LLM의 훈련 데이터가 LLM의 언어 표현 방식에 미치는 영향을 보여주는 중요한 결과이며, AI의 창작 능력에 대한 새로운 시각을 제공합니다.

본 논문은 네트워크 제어 중계기(NCR)를 통합 센싱 및 통신 네트워크에 통합함으로써 얻을 수 있는 이점과 과제를 분석합니다. 특히, 중계기 간섭을 고려한 거리 추정기의 Cramér-Rao 경계를 유도하고, 중계기 증폭 계수와 송신 액세스 포인트의 프리코더를 결정하는 공동 절차를 제안합니다. 이 연구는 향후 스마트 시티, 자율 주행, 사물 인터넷 등 다양한 분야에 적용될 수 있는 잠재력을 가지고 있습니다.

본 기사는 Zhang 등 (2025)의 연구를 바탕으로, 딥 강화 학습(DRL)의 강건성 향상을 위한 새로운 알고리즘 STAR를 소개합니다. STAR는 섭동의 숨김성과 상태 방문 분산을 최적화하여 기존 방식의 한계를 극복하고, 실제 환경에서의 DRL 적용 가능성을 높입니다.