Yair Stolero와 Itzik Klein의 연구팀은 딥러닝을 활용하여 AUV 가속도를 예측하는 새로운 기술을 개발했습니다. 이 기술은 기존 모델 기반 방식에 비해 65% 이상 향상된 정확도를 보여주며, 해양 탐사, 수중 매핑, 인프라 검사 등 다양한 분야에서 AUV의 활용도와 효율성을 크게 높일 것으로 기대됩니다.

양 슈 등 연구진이 발표한 논문에서는 ANN-SNN 증류 프레임워크를 통해 블록 단위 교체 전략과 속도 기반 역전파를 활용, SNN 학습의 효율성과 성능을 크게 향상시켰습니다. 이는 최첨단 SNN 증류 방법과 비교하여 동등하거나 우수한 성능을 보이며, 향후 에너지 효율적인 AI 시스템 개발에 중요한 기여를 할 것으로 기대됩니다.

Gene42는 192,000bp의 초장거리 유전체 정보를 처리하는 혁신적인 유전체 기반 기초 모델입니다. LLaMA 스타일 아키텍처와 밀집된 자기 주의 메커니즘을 사용하며, 다양한 유전체 분석 과제에서 최첨단 성능을 보입니다. Hugging Face에서 공개되어 전 세계 연구자들이 자유롭게 활용할 수 있습니다.

Chem42는 표적 단백질 정보를 통합하여 표적 특이적 리간드를 생성하는 혁신적인 화학 언어 모델입니다. Prot42와의 협업을 통해 화학적 타당성, 합성 가능성, 향상된 결합 친화도를 보이며 기존 방식을 뛰어넘는 성능을 보여줍니다. Hugging Face를 통해 공개되어 접근성이 높아짐에 따라 AI 기반 신약 개발의 새로운 장을 열 것으로 기대됩니다.

본 기사는 생성형 AI 시대에 바이오메디컬 공학 교육의 혁신을 이끈 문제 기반 학습(PBL) 연구에 대해 다룹니다. 실제 바이오메디컬 문제 해결을 중심으로 한 교육 방식과 생성형 AI의 교육적 활용은 학생들의 연구 성과 향상과 혁신적인 컴퓨팅 방법 개발로 이어졌습니다. 이 연구는 바이오메디컬 공학 교육의 새로운 방향을 제시하며, 미래 인재 양성에 대한 시사점을 제공합니다.