하젬 타하와 아미르 엠. 에스. 압델하디가 개발한 HEPPO는 FPGA 기반의 AI 가속기로, PPO 알고리즘의 GAE 단계를 효율적으로 최적화하여 속도 향상(30%) 및 메모리 사용량 감소(4배)를 달성했습니다. 단일 SoC 기반의 병렬 파이프라인 아키텍처와 전략적 표준화 기법을 통해 강화학습의 효율성을 획기적으로 개선했습니다.

Tel Aviv University 연구진은 백프로퍼게이션 정보를 활용하여 임의의 DAG 신경망 구조를 성장시키는 새로운 전략을 제시했습니다. 이는 훈련 및 추론 시간을 단축하고, 매개변수 효율적인 네트워크를 구축하여 딥러닝의 지속 가능성에 기여하는 혁신적인 접근 방식입니다.

Daniel Wesego의 연구는 이산 확산 모델을 자동 인코더 프레임워크에 적용하여 그래프 데이터에 대한 효과적인 표현 학습을 가능하게 했습니다. 이는 그래프 데이터 분석 분야에 혁신적인 발전을 가져올 잠재력을 지닌 중요한 연구입니다.

중국 연구진이 AI 기반 딥러닝 네트워크 STM-Net을 개발하여 주사 터널링 현미경(STM) 이미지로부터 분자 궤도 함수(MO)를 정확하게 재구성하는 데 성공했습니다. STM-Net은 다양한 조건과 상태에 적응 가능하며, 화학 연구의 새로운 지평을 열 것으로 기대됩니다.

AnyNav는 신경-상징적 접근 방식을 활용하여 오프로드 자율주행의 한계를 극복한 혁신적인 시스템입니다. 시각 기반 마찰 추정과 물리 정보 기반 계획기를 통해 다양한 환경과 차량에 대한 높은 일반화 능력을 보여주며, 미래 자율주행 기술 발전에 중요한 의미를 지닙니다.