HELIOS는 물리적 원리와 전문가 지식을 결합한 AI 기반 열부하 모델링 시스템으로, 기존 모델보다 우수한 성능과 설명 가능성을 제공합니다. 네덜란드 사례 연구에서도 그 효과를 입증했으며, 지속가능한 에너지 관리에 크게 기여할 것으로 기대됩니다.

스페인 연구팀이 다중 레이블 학습(MLL)의 데이터 불균형 문제 해결을 위해 확산 모델 기반의 MLDM을 개발했습니다. MLDM은 기존 방식보다 효율적이며, 경쟁력 있는 성능을 보여 향후 AI 기술 발전에 크게 기여할 것으로 예상됩니다.

NMSW-Net은 슬라이딩 윈도우 기법의 한계를 극복한 3D 의료 영상 분할 프레임워크로, 계산 복잡도를 90% 감소시키면서 정확도는 유지하거나 향상시켰습니다. 모델 독립적인 구조로 다양한 모델에 적용 가능하며, 의료 영상 분석 분야에 큰 영향을 미칠 것으로 기대됩니다.

다수 에이전트 경로 찾기(MAPF)의 계산 시간을 줄이기 위해 그래프 컬러링 기법을 활용한 우선순위 계획(PP) 알고리즘이 개발되었습니다. 자율주행차(CAV)의 다중 에이전트 동작 계획(MAMP)에 적용하여 효과를 검증하였으며, 분산형 알고리즘을 통해 실시간 처리 성능을 높였습니다.

아칸소 대학교와 조지아 대학교 공동 연구진이 개발한 효율적인 가금류 데이터 자동 라벨링 시스템(ALPD)이 80% 이상의 라벨링 시간 단축과 높은 정확도를 달성하며 주목받고 있습니다. 반지도 학습, 능동 학습 및 프롬프트-탐지 기법의 조합을 통해 YOLOv8s-ALPD 모델이 뛰어난 성능을 보였습니다. 이는 AI 기반 스마트 팜 기술의 혁신을 가속화할 것으로 예상됩니다.