Tan, Teng, Shan 등 연구진은 고처리량 컴퓨팅과 머신러닝을 활용하여 1816개의 MOF 물질에 대한 요오드 흡착 성능을 예측하는 모델을 개발하고, 6원환 구조와 질소 원자의 중요성을 밝혔습니다. 이는 핵폐기물 관리 및 원전 안전에 기여할 혁신적인 연구 결과입니다.

Pang Bowen 등 연구진은 대규모 언어 모델(LLM) 추론 최적화를 위해 하이브리드 오프라인-온라인 스케줄링 기법을 제안, 혼합정수계획법(MIP) 모델과 라그랑주 방법을 활용하여 시스템 활용률을 80.2%에서 89.1%로 향상시키고 추론 시간을 단축하는 성과를 거두었습니다. 이 연구는 LLM의 실용화에 기여할 중요한 발견으로 평가됩니다.

SmartEdge는 에지 컴퓨팅과 앙상블 머신러닝을 활용하여 당뇨병 예측 정확도를 높인 AI 기반 스마트 헬스케어 시스템입니다. 클라우드 컴퓨팅의 지연 시간 문제를 해결하고 실시간 의료 서비스 개선에 기여할 것으로 기대됩니다.

싱가포르 상업용 건물의 냉방 시스템 최적화를 위한 AI 기반 예측 모델 개발 연구는 46.5%의 예측 정확도 향상, 13.8%의 에너지 절감, 그리고 자본 및 운영 비용의 26%, 13% 절감이라는 괄목할 만한 성과를 달성했습니다. 이 연구는 AI 기반 기술이 지속 가능한 건물 운영에 기여할 수 있는 잠재력을 보여줍니다.

Merim Dzaferagic, Marco Ruffini, Daniel Kilper 세 연구원이 발표한 논문에서 6G 네트워크를 위한 혁신적인 AI 기반 통합 제어 프레임워크를 제시했습니다. 이 프레임워크는 광섬유 및 무선 네트워크 모두에 적용 가능하며, O-RAN 얼라이언스의 near-RT RIC 개념을 확장하여 지능적이고 자동화된 6G 네트워크 구축을 목표로 합니다.