본 연구는 인공지능 도구의 발전으로 인해 중요성이 더욱 커진 인과 그래프 비교에 대한 새로운 프레임워크를 제시합니다. 기존 방법의 한계를 극복하기 위해 의미론적 및 구조적 측면을 모두 고려하는 9가지 지표를 평가하고, 생성적 AI를 이용한 합성 데이터셋을 활용하여 각 지표의 특징을 분석했습니다. 본 연구는 AI 기반 인과 모델링의 신뢰성 향상에 기여할 것으로 기대됩니다.

Saman Ahmadi, Andrea Raith, Mahdi Jalili 세 연구원의 논문은 A* 알고리즘을 기반으로 한 새로운 자원 제약 경로 탐색 프레임워크를 제시, 기존 알고리즘 대비 최대 두 배의 속도 향상을 달성했습니다. 음수 가중치와 자원을 고려하여 대규모 네트워크에서의 효율적인 경로 계획을 가능하게 합니다.

본 기사는 딥러닝 기반 Fourier Neural Operator를 활용하여 이산화탄소 지하 저장(CCS) 시뮬레이션 속도를 10만 배 향상시킨 연구 결과를 소개합니다. NVIDIA Modulus 라이브러리를 기반으로 개발된 이 모델은 CCS 적합 지역 선별 및 다른 에너지 솔루션에도 적용 가능하며, 차세대 디지털 트윈 기술 발전에 기여할 것으로 기대됩니다.

명 등(Ming Deng) 연구팀이 개발한 FMNet은 주파수 영역 학습을 기반으로 위장 객체 탐지의 정확도와 효율성을 크게 향상시킨 혁신적인 네트워크입니다. 다중 스케일 주파수 보조 맘바 유사 선형 어텐션 모듈(MFM), 피라미드 주파수 어텐션 추출 모듈(PFAE), 주파수 역 디코더(FRD) 등의 핵심 모듈을 통해 기존 방법들을 능가하는 성능을 보였으며, 코드 공개를 통해 학계 및 산업계에 큰 영향을 미칠 것으로 예상됩니다.

AI 기반 전력 최적화 스케줄러 TARDIS는 HPC 시스템의 전기 비용을 최대 20%까지 절감하며, 시간적 및 공간적 최적화를 통해 지속 가능하고 비용 효율적인 HPC 운영을 가능하게 합니다.