딥러닝 기반 Kohn-Sham Hamiltonian 모델을 사용하여 대규모 분자 시스템에 대한 DFT 계산의 정확도와 속도를 크게 향상시킨 연구 결과가 발표되었습니다. 새로운 손실 함수(WALoss)를 도입하여 총 에너지 예측 오차를 1347배, SCF 계산 속도를 18배 향상시켰습니다.

본 기사는 AI 기반 경량화 세포 분석 모델 개발에 대한 최신 연구 결과를 소개합니다. H-Optimus 기반 모델과 지식 증류 기술을 활용하여 성능과 효율성을 동시에 향상시킨 이 연구는 디지털 병리학 분야의 혁신을 가져올 것으로 기대되지만, 임상 적용 전 추가 검증이 필요합니다.

양낙경, 김민성, 윤승현, 신중보, 정교민 연구팀은 AI 언어 모델에서 민감 정보를 제거하는 기존 연구의 한계를 극복하기 위해 '충실한 망각' 개념을 제시하고, 새로운 벤치마크 FaithUn과 학습/삭제 방법 KLUE를 개발했습니다. 실험 결과 KLUE는 실제 지식 QA 환경에서 뛰어난 성능을 보이며 AI의 윤리적 문제 해결에 기여할 것으로 기대됩니다.

Jia Linshan 박사 연구팀이 개발한 EGR-Net은 기존의 회전기계 고장 진단 방법의 한계를 극복하는 혁신적인 기술입니다. 새로운 1D-to-2D 변환 방법인 EGR과 이중 분기 CNN 구조를 통해 계산 복잡도를 줄이고 정보 손실을 최소화하여, 고장 진단 정확도를 크게 향상시켰습니다.

Cai 등 연구진은 LLM과 GA를 활용한 혁신적인 프레임워크를 통해 규제된 소셜 미디어 환경에서의 언어 진화를 시뮬레이션하고, 실험과 사용자 연구를 통해 그 실효성을 검증했습니다. 이 연구는 소셜 미디어 규제 정책 개선 등 다양한 분야에 활용될 수 있는 잠재력을 가지고 있습니다.