본 연구는 5G/B5G 네트워크의 효율적인 경로 최적화를 위해 Graph Neural Network(GNN) 기반의 네트워크 디지털 트윈(NDT) 플랫폼을 제시합니다. 실험 결과, 다양한 네트워크 토폴로지에서 높은 정확도로 지연 시간을 예측하여 솔루션의 효과를 입증했습니다.

소규모 데이터셋을 이용한 혼합 정밀도 양자화(MPQ) 기술로 대규모 데이터셋에서의 계산 비용을 획기적으로 절감하고, ImageNet에서 동등한 정확도를 달성하며 효율성을 최대 150%까지 향상시킨 연구 결과가 발표되었습니다. 이 연구는 AI 모델의 효율성과 접근성을 높이는 데 기여할 것으로 기대됩니다.

본 기사는 분산 학습(Federated Learning, FL)이 사이버 물리 시스템(Cyber Physical Systems, CPS)에 적용되는 최신 동향을 다룬 논문을 소개합니다. 데이터 프라이버시 및 시스템 안정성을 높이는 FL의 장점과 다양한 CPS 애플리케이션에서의 활용 사례, 그리고 향후 연구 방향에 대해 논의합니다.

본 연구는 다중 에이전트 접근 방식을 활용한 LLM 기반 피드백 생성 시스템을 제안하고, 피드백 생성, 평가, 재생성의 3단계 과정을 통해 피드백 품질을 향상시켰다는 결과를 제시합니다. 평가 정확도 향상, 효과적인 피드백 구성 요소 증가, 피드백 단순성 향상 등의 성과를 통해 교육 및 다양한 분야에 긍정적 영향을 미칠 것으로 기대됩니다.

강건 이, 수찬 이, 이경무 교수 연구팀이 개발한 자동회귀 변환(ART)은 기존 이미지 정렬 기술의 한계를 극복하고 다양한 데이터셋에서 최고 성능을 달성했습니다. 계층적 다중 스케일 특징과 크로스 어텐션을 활용하여 특징이 부족한 영역에서도 정확한 정렬이 가능하며, 자율주행, 의료 영상 분석 등 다양한 분야에 적용될 가능성이 높습니다.