Mahdi Movahedian Moghaddam 등 연구진이 개발한 잔여 적분 해결사 네트워크(RISN)는 잔여 연결과 고정밀 수치 방법을 통합하여 복잡한 적분 방정식을 효과적으로 해결하는 혁신적인 신경망 구조입니다. 다양한 실험을 통해 RISN이 기존 PINN보다 월등한 성능을 보임을 입증하였으며, 실제 응용 분야에서의 활용 가능성이 높습니다.

Ahmed Alagha 등 연구진이 제안한 블록체인 기반 크라우드소싱 DRLaaS는 심층 강화 학습 기술의 접근성을 높이는 혁신적인 시스템입니다. 스마트 계약과 IPFS를 활용하여 안전하고 효율적인 DRL 모델 학습 및 공유 환경을 제공하며, 다양한 애플리케이션에서 효율성을 검증했습니다. 이는 AI 기술의 대중화와 발전에 크게 기여할 것으로 기대됩니다.

본 기사는 CPS-IoT 시스템 발전에 기여하는 머신러닝의 역할과 한계, 그리고 기반 모델(FM) 및 대규모 언어 모델(LLM)의 적용 가능성과 과제를 다룹니다. 최근 연구 논문을 바탕으로 CPS-IoT 분야에서 FM과 LLM의 잠재력과 현실적인 문제점을 분석하고, 미래 연구 방향을 제시합니다.

Lo Pang-Yun Ting 등 연구팀이 개발한 CAND 모델은 생체 신호 분석을 넘어, 도메인 지식과 베이지안 추론을 활용하여 미묘한 질병 악화를 조기에 감지하는 혁신적인 방법입니다. 실제 데이터셋 실험 결과 기존 방식보다 효과적이며, 향후 의료 분야에 큰 기여를 할 것으로 기대됩니다.

Xie, Zhang, Babar 연구팀이 개발한 MtsCID는 다중 스케일 패치와 사인파 원형을 활용하여 다변량 시계열 데이터의 거친 입자 분석을 통해 이상 탐지 성능을 향상시킨 새로운 방법론입니다. 7개 데이터셋 실험 결과, 기존 최첨단 방법들과 비교하여 우수한 성능을 입증했습니다.