AI 기반 실시간 체계적 문헌고찰 시스템이 BHI 연구의 효율성을 높이고 연구 낭비를 줄이며, 향후 다양한 생의학 분야에 적용될 잠재력을 가짐을 보여주는 연구 결과입니다.

Su Zunhai 등 연구진이 개발한 RotateKV는 2비트 KV 캐시 양자화를 통해 LLM의 추론 속도와 메모리 효율을 획기적으로 향상시킨 기술입니다. 채널 재정렬과 RoPE 기법을 활용한 독창적인 방법으로 기존의 한계를 극복하고, 다양한 벤치마크에서 우수한 성능을 입증했습니다.

스페인 연구진이 개발한 CHaRNet은 3D 치과 모델에서 치아 랜드마크를 자동으로 감지하는 최초의 완전한 엔드투엔드 딥러닝 프레임워크입니다. 기존 방식보다 효율적이며, 누락된 치아에도 높은 정확도를 보입니다. 공개될 데이터셋과 코드는 치과 AI 분야의 발전을 가속화할 것으로 기대됩니다.

소규모 언어 모델을 활용한 생물의학 질문 응답 시스템 EvidenceMap이 기존 대규모 모델보다 높은 정확도를 달성하며 주목받고 있습니다. 다각적인 증거 분석 학습을 통해 오류와 환각 문제를 해결하고, 자원 효율성까지 높였습니다.

본 연구는 PINN(Physics-Informed Neural Networks)의 한계를 극복하기 위해 SSBroyden 등 고급 준뉴턴 최적화 기법을 제시하고, 다양한 PDE 벤치마크와 PIKAN을 통해 그 효과를 검증했습니다. 그 결과, 기존 최고 성능 대비 수십 배 향상된 수렴 속도와 정확도를 달성하여 AI 기반 과학적 계산의 새로운 가능성을 제시했습니다.