Iman Peivaste, Ahmed Makradi, Salim Belouettar 연구팀은 FNO를 활용, 해상도에 무관하게 빠르고 정확한 결정립 성장 모델링을 가능하게 했습니다. Fan Chen 모델과 방대한 데이터셋을 기반으로 개발된 이 모델은 장기적인 미세구조 변화 예측에 높은 정확도를 보이며, 물질 과학 분야에 혁신을 가져올 것으로 기대됩니다.

라만 분광법과 딥러닝을 활용한 의료 진단의 설명 가능성을 높이는 SpecReX 알고리즘이 개발되었습니다. 실제 인과성 이론을 기반으로 스펙트럼의 인과적 책임을 정량화하고, 시뮬레이션 실험을 통해 유효성을 검증했습니다. SpecReX는 의료 진단의 정확성과 신뢰성 향상에 기여할 것으로 기대됩니다.

Wang과 Ding의 연구는 장기 테스트 시간 적응(TTA)에서 최소한의 주석으로 최대의 효율을 달성하는 혁신적인 방법을 제시합니다. 단일 샘플 주석 전략과 특징 섭동, 동적 가중치 조절 기법을 통해 기존 방법보다 훨씬 적은 비용으로 높은 성능을 달성하여 AI 학습의 효율성을 크게 향상시켰습니다.

Suzana Veljanovska와 Hans Dermot Doran이 발표한 새로운 AI 워크플로우는 안전하고 신뢰할 수 있는 AI 모델 개발을 위한 경량화되고 검증 가능한 프레임워크를 제시합니다. 확장된 ONNX 모델 설명을 기반으로 다양한 런타임 환경에서의 안정적인 배포를 보장하며, 기능적 안전이 중요한 분야에 적용 가능성이 높습니다.

러시아 연구진의 연구를 통해 AI 기반 녹내장 진단 시스템 개발 가능성이 제시되었습니다. 다양한 머신러닝 기법을 활용하여 30~85세 환자 데이터를 분석, 녹내장과 다른 안 질환의 이진 분류를 성공적으로 수행했습니다. 이는 조기 진단과 치료를 통한 실명 예방에 크게 기여할 것으로 기대됩니다.