related iamge

흐린 이미지 속 장면 분류의 혁신: 정보 조절 메커니즘을 활용한 협업 전이 학습

본 연구는 구름으로 인한 광학 이미지 정보 손실 문제를 해결하기 위해 다중 모달리티 데이터(광학 및 SAR)를 활용한 협업 전이 학습 방법과 정보 조절 메커니즘(IRM)을 제안합니다. 실험 결과, 제안된 방법은 기존 방법보다 우수한 성능을 보였으며, IRM의 중요성과 한계 또한 검증되었습니다.

related iamge

꿈의 재료를 찾아서: AI가 재료 과학의 미래를 밝히다

본 연구는 15개의 LLM을 대상으로 재료 과학 및 금속 공학 분야 질문 응답 능력을 평가했습니다. 폐쇄형 LLM의 높은 정확도와 개방형 LLM의 상대적으로 낮은 정확도를 확인했으며, 프롬프트 엔지니어링 및 미세 조정을 통한 개방형 LLM 성능 향상 가능성을 제시했습니다. 이는 LLM이 재료 과학 분야에서 유용한 도구로 활용될 수 있음을 시사합니다.

related iamge

Frontier 슈퍼컴퓨터를 활용한 초거대 언어 모델 훈련의 혁신: 저대역폭 분할 기법

본 기사는 Lang Xu 등 연구팀이 Frontier 슈퍼컴퓨터의 AMD GPU 특성을 고려하여 개발한 3단계 계층적 분할 기법을 소개합니다. 이 기법은 초거대 언어 모델(LLM) 훈련의 확장성 문제를 해결하고, 통신 비용을 줄이며 메모리 활용도를 높여, 기존 방법 대비 1.71배의 성능 향상을 달성했습니다.

related iamge

KN-LIO: 기하학적 운동학과 신경장을 결합한 혁신적인 LiDAR-관성 측정 장치

Wang Zhong 등 연구진이 개발한 KN-LIO는 기하학적 운동학과 신경장을 결합한 혁신적인 LiDAR-관성 측정 장치로, 기존 시스템의 한계를 극복하고 위치 추정 및 밀집 매핑 정확도를 크게 향상시켰습니다. 다양한 고동적 환경에서 우수한 성능을 검증받았으며, 자율주행 및 로봇공학 분야에 큰 영향을 미칠 것으로 예상됩니다.

related iamge

딥러닝 기반 스케줄링 최적화: 1000개 작업까지 효율적인 해결책 제시

본 논문은 단일 머신 스케줄링 문제에 대한 혁신적인 딥러닝 기반 접근 방식을 제시합니다. 오프라인 및 온라인 학습을 통합하여 최대 1000개 작업까지 효율적으로 고품질 솔루션을 생성하며, NP-Hard 문제 해결에 새로운 가능성을 제시합니다.