Shen 등 연구진이 개발한 ADT(Adversarial Diffusion Tuning)는 적대적 감독을 통해 확산 모델의 훈련-추론 간 불일치 문제를 해결, 이미지 생성 품질을 크게 향상시켰습니다. Siamese 네트워크, 이미지-이미지 샘플링 전략, 역전파 경로 제한 등의 기술을 통해 메모리 과부하 및 기울기 폭발을 방지하고 안정적인 학습을 보장합니다.

HeatSense는 MPSoC의 열적 공격에 대한 효율적이고 경량화된 해결책을 제시합니다. WMA와 비트 시프트 연산을 활용하여 하드웨어 오버헤드를 최소화하면서, 머신러닝 모델에 근접한 정확도를 달성합니다. 자원 제약 환경에서도 효과적인 보안을 제공하여 MPSoC 보안에 새로운 이정표를 제시합니다.

Li Jin과 Liu Jia 연구팀의 연구는 AI 에이전트가 환경과의 상호작용을 통해 공간 지능을 자율적으로 학습할 수 있음을 보여주는 획기적인 결과를 제시합니다. GRUs, Meta-RL, HDS, Ridge Representation, CCA 등 다양한 기술을 활용하여 에이전트의 공간 인식 및 추론 능력을 검증하고, 인과적 연결성까지 확인함으로써 AI 시스템의 내부 메커니즘 이해 및 제어 가능성을 열었습니다.

본 연구는 위험 회피 강화 학습(RARL)에서 변동성 측정의 중요성을 강조하며, 9가지 변동성 측정 지표에 대한 분석과 실험 결과를 통해 CVaR 편차와 지니 편차의 우수성을 보여줍니다. 이는 고위험 의사결정 분야에서 안정적이고 효율적인 위험 관리 시스템 구축에 중요한 기여를 할 것으로 기대됩니다.

의료 영상 분석 분야에서 데이터 부족 문제를 해결하기 위해 FLIM 네트워크와 셀룰러 오토마타(CA)를 결합한 혁신적인 접근 방식이 제시되었습니다. 이 연구는 다층 CA 프레임워크를 통해 계층적 지식을 활용하여 높은 정확도와 효율성을 동시에 달성함으로써 의료 영상 분석의 새로운 지평을 열었습니다.