Kai Xiong 등 연구진은 5G/6G 네트워크 슬라이싱 기술을 활용한 저고도 지능형 네트워크(LAIN) 프레임워크를 제안하여 eVTOL의 효율적인 자원 관리 및 운영에 대한 해결책을 제시했습니다. 시뮬레이션 결과 LAIN은 기존 방식보다 우수한 성능을 보여주었으며, 미래 AAM 교통 시스템에 중요한 의미를 가집니다.

MAUCell은 GANs와 다중 어텐션 메커니즘을 결합한 혁신적인 비디오 프레임 예측 프레임워크로, 높은 정확도와 효율성을 동시에 달성하여 실시간 응용에 적합합니다. 다양한 데이터셋에서 기존 방식을 능가하는 성능을 보였으며, 비디오 예측 분야의 발전에 크게 기여할 것으로 기대됩니다.

Annie Liang의 연구는 AI 클론을 이용한 인간 관계 탐색의 효율성을 분석하여, 유한한 대면 만남이 무한한 AI 클론 검색보다 더 높은 매칭 품질을 제공한다는 것을 밝혔습니다. 특히 개성의 차원이 클수록 대면 만남의 중요성이 강조됩니다. 이 연구는 AI 기술의 발전과 함께 인간적 연결의 가치를 재고해야 함을 시사합니다.

미나미 슌야 등의 연구진이 개발한 Conditional-GQE는 인코더-디코더 Transformer 기반의 양자 회로 생성기를 사용하여 조합 최적화 문제를 해결하는 새로운 양자 알고리즘입니다. 최대 10큐비트 문제에 대해 거의 완벽한 성능을 보이며, 하이브리드 양자-고전 컴퓨팅 분야의 혁신적인 발전을 이끌 것으로 기대됩니다.

Chen, Li, Cai, Wang 등의 연구진이 개발한 HAPFL은 강화학습 기반의 모델 할당 및 학습 강도 조절, 지식 증류 기반 상호 학습을 통해 이종 환경에서의 연합 학습 효율을 극대화하여 학습 시간을 20.9%-40.4%, 지연 시간을 19.0%-48.0%까지 감소시켰습니다.