related iamge

6G와 디지털 트윈으로 날갯짓하는 미래: 도심항공교통(UAM)의 혁신

6G 기반 SIM 기술과 복합 퍼텐셜 필드(CPF) 기법을 활용한 도심항공교통(UAM)의 안전하고 효율적인 운영 방안을 제시하는 연구 결과가 발표되었습니다. 디지털 트윈 기반 시뮬레이션 결과, 제안된 방법은 통신 속도를 8.3%, 항로 이탈률을 10% 개선하는 효과를 보였습니다.

related iamge

머신러닝의 실제: 소량 데이터로 배우는 비밀

Marina Sapir의 연구는 제한된 데이터로 학습하는 머신러닝의 본질을 '매끄러운 의존성'이라는 개념으로 설명하며, 기존의 무한 데이터 가정을 넘어선 새로운 '실용적 학습 패러다임'을 제시합니다. 이는 다양한 머신러닝 알고리즘의 작동 원리를 설명하고, 향후 소량 데이터 학습 기술 발전에 기여할 것으로 기대됩니다.

related iamge

ASKCOS: 화학 합성의 미래를 여는 오픈소스 소프트웨어

본 기사는 오픈소스 화학 합성 계획 소프트웨어 ASKCOS에 대해 소개합니다. ASKCOS는 머신러닝 기반의 4가지 역합성 모델과 다양한 부가 기능들을 통해 화학 합성 과정의 효율성을 극대화하며, 이미 많은 화학자들에게 실질적인 도움을 주고 있습니다. 오픈소스라는 점에서 CASP 기술의 민주화를 이끌고, 미래 화학 연구에 큰 영향을 미칠 것으로 예상됩니다.

related iamge

의료 영상 캡션 생성의 혁명: MoColl 프레임워크 등장!

Pu Yang과 Bin Dong 연구원이 개발한 MoColl 프레임워크는 전문적인 VQA 모델과 LLM 기반 에이전트의 협업을 통해 의료 영상 캡션 생성의 정확성과 효율성을 크게 향상시켰습니다. 방사선 보고서 생성 실험에서 그 효과가 입증되었으며, 향후 다양한 분야에 적용될 가능성이 높습니다.

related iamge

Auto-RT: AI 모델의 보안 취약점 자동 탐색의 혁신

Auto-RT는 강화학습 기반의 자동화된 적색팀 프레임워크로, LLM의 보안 취약성을 효율적으로 탐색하고 최적화하여 기존 방법보다 더 높은 성공률과 속도를 달성했습니다. Early-terminated Exploration과 Progressive Reward Tracking 알고리즘을 통해 탐색 효율성과 공격 전략 최적화를 향상시켰습니다.