본 기사는 그리스 크레테 대학교 연구팀의 262 TOPS 초고속 광자 AI 가속기 개발 성공을 다룹니다. 시간, 파장, 공간 분할 다중화 기술을 활용하여 기존 대비 24배 향상된 성능을 달성했으며, DDoS 공격 탐지 및 MNIST 분류 실험을 통해 실제 성능을 검증했습니다. 이 기술은 AI 연산 속도와 효율성을 획기적으로 개선할 잠재력을 가지고 있습니다.

Nadya Abdel Madjid 등 연구진의 논문은 자율주행 자동차의 안전한 주행을 위해 필수적인 주행 경로 예측 기술의 현황과 미래 방향을 제시합니다. 다양한 예측 방법론의 비교 분석을 통해 기술적 한계와 향후 연구 과제를 제시하며, 안전하고 지속 가능한 자율주행 시스템 구축을 위한 중요한 이정표를 제시합니다.

Lei Runlin 등 연구진의 논문은 LLM을 동적 텍스트 속성 그래프 예측에 활용하는 혁신적인 GAD 프레임워크를 제시했습니다. 다중 에이전트 시스템을 통해 도메인 특화 지식 생성 및 적응적 지식 업데이트를 실현하여 기존 방식의 한계를 극복하고, 뛰어난 성능을 달성했습니다. 이 연구는 LLM의 활용 가능성을 넓히는 중요한 발견입니다.

본 기사는 Jiang et al.(2025)의 연구를 바탕으로, 데이터 샘플링 관점에서 모달 불균형 문제를 해결하는 새로운 다중 모달 학습(MML) 방법인 DUS(Data-aware Unimodal Sampling)에 대해 소개합니다. DUS는 누적 모달 불일치를 모니터링하고, 적응적 데이터 샘플링을 통해 기존 MML의 성능을 획기적으로 향상시켰습니다. 이 연구는 다중 모달 학습 분야의 발전에 중요한 의미를 지닙니다.

본 연구는 심층 강화 학습 기반 사이버 방어 에이전트 훈련에서 희소형 보상 함수의 효용성을 실험적으로 검증한 연구입니다. 기존의 밀집형 보상 함수의 한계를 극복하고, 더 효과적이고 안정적인 사이버 방어 에이전트를 훈련하는 새로운 방법을 제시합니다.