본 기사는 지능형 교통 시스템(ITS)의 보안 강화를 위해 양자내성암호(PQC) 기반 Kyber 알고리즘을 적용한 연구 결과를 소개합니다. 실제 공격 시뮬레이션을 통해 Kyber의 보안 강도를 검증하고, ITS의 다양한 보안 등급에 맞춰 Kyber 알고리즘을 적용하는 방안을 제시합니다. 이 연구는 양자 컴퓨터 시대의 ITS 보안을 위한 중요한 전기를 마련할 것으로 기대됩니다.

Elahe Salari와 Zohreh Azimifar 연구팀이 개발한 ViT-SGAN은 비전 트랜스포머와 공간 생성적 적대 신경망을 결합한 질감 합성 모델로, 특수 질감 기술자를 활용하여 기존 모델보다 우수한 성능을 보입니다. FID, IS, SSIM, LPIPS 등의 지표를 통해 그 효과가 검증되었습니다.

Guo Jia 등 연구팀의 연구는 확산 모델(DM)을 다중 안테나 통신에 적용하는 새로운 프레임워크를 제시하며, 강력한 간섭 및 노이즈 환경에서의 우수성을 시뮬레이션 결과로 입증했습니다. 빔포밍 학습 사례 연구를 통해 DM의 실용성을 보여주었으며, 미래 다중 안테나 기술 발전에 중요한 방향을 제시합니다.

본 논문은 샘플링 기반 검색을 통해 AI 추론 성능을 향상시키는 새로운 방법을 제시합니다. 단순한 샘플링 방식의 놀라운 확장성과 암묵적 확장 현상을 발견하고, 자체 검증 능력 향상을 위한 두 가지 원칙과 새로운 벤치마크를 제시하여 AI의 신뢰성 향상에 기여합니다.

본 기사는 에너지 효율적인 엣지 디바이스 학습을 위한 새로운 스파이킹 신경망(SNN) 학습 규칙 TESS에 대해 소개합니다. TESS는 국소적 신호만을 사용하여 계산 및 메모리 오버헤드를 최소화하면서, 기존의 BPTT 알고리즘과 유사한 성능을 달성합니다. 이는 엣지 AI의 발전에 중요한 기여를 할 것으로 예상됩니다.