AI 기반 신경망 양자 상태(NQS) 최적화 방법인 NQS 란초스 방법이 개발되어 기존 양자 다체계 계산의 한계를 극복했습니다. 지도 학습과 강화 학습, 란초스 방법을 결합하여 계산 비용을 선형적으로 유지하면서 정확도를 높였습니다. 이는 양자 컴퓨팅 및 신소재 개발 등 다양한 분야에 혁신을 가져올 것으로 기대됩니다.

본 기사는 Eslam Eldeeb과 Hirley Alves가 개발한 새로운 메타 오프라인 강화학습 알고리즘을 소개합니다. 이 알고리즘은 소량의 데이터만으로도 무인항공기(UAV)의 경로 계획 및 스케줄링을 최적화하여 정보 노화와 전송 전력을 최소화하며, 네트워크 장애에도 강인한 시스템을 구축합니다. 이는 5G 및 6G 시대의 무인 시스템 발전에 중요한 의미를 갖습니다.

Oshani Seneviratne, Brendan Capuzzo, William Van Woensel의 연구는 데이터 기반 추론 시스템의 규칙 개선을 위한 새로운 설명 가능성 프레임워크를 제시합니다. 이 프레임워크는 다양한 설명 유형을 활용하여 규칙의 품질을 향상시키고, 금융 분야에서의 실제 적용을 통해 그 실용성을 입증합니다.

Ismail Khalfaoui-Hassani와 Stefan Kesselheim의 연구는 학습 가능한 활성화 함수를 통해 딥러닝 모델의 성능을 향상시키는 혁신적인 방법을 제시합니다. Hermite, Fourier, Tropical 기반의 새로운 활성화 함수와 안정적인 그래디언트 흐름을 위한 초기화 기법을 제안하며, ImageNet-1K 및 OpenWebText 데이터셋에서 우수한 성능을 입증했습니다. PyTorch 기반 오픈소스 라이브러리 'torchortho'를 통해 접근성을 높였습니다.

중국어 안과 진료에 특화된 LLM 벤치마크 OphthBench가 개발되어 39개의 LLM을 평가한 결과, 임상 적용과의 격차를 확인하고 향후 연구 방향을 제시했습니다. 이는 의료 AI 발전에 중요한 의미를 갖습니다.