Ioannis Gavras와 George C. Alexandropoulos는 하이브리드 재구성 지능형 표면(HRIS)을 활용한 혁신적인 다중 사용자 MIMO 통신 프레임워크를 제시했습니다. 이 프레임워크는 사용자 위치 추정 정확도를 극대화하고 개별 사용자의 QoS 요구사항을 충족하며, 크래머-라오 바운드와 확장 칼만 필터를 활용하여 정확성을 높였습니다. 시뮬레이션 결과는 제안된 ISAC 프레임워크의 효율성을 입증했습니다.

Mehmet Ali Ferah와 Tufan Kumbasar의 연구는 딥러닝 기반 시스템 식별의 불확실성 문제를 해결하기 위해 구간 신경망(INNs)을 활용한 새로운 프레임워크를 제시합니다. ILSTM과 INODE 아키텍처를 통해 예측 구간을 생성하고, '탄성' 개념을 도입하여 불확실성 원인을 분석함으로써 시스템 식별의 신뢰성과 안전성을 향상시킵니다.

중국 연구진이 개발한 FiberKAN은 AI4S 분야의 혁신적인 사례로, KAN 기반의 AI 프레임워크를 통해 비선형 광섬유 광학 시스템의 동역학을 효과적으로 모델링하고 분석하며, 기존 MLP보다 우수한 성능을 보여줍니다.

본 기사는 중국 베이징대학교 연구진이 개발한 Dexonomy 기술에 대해 소개합니다. Dexonomy는 다양한 유형의 손재주 있는 파지를 효율적으로 합성하는 기술로, 대규모 고품질 데이터셋 구축 및 접촉 인식 제어 전략을 통해 실제 로봇에 적용 가능성을 높였습니다. 향후 로봇 기술 발전에 크게 기여할 것으로 기대됩니다.

태국 연구진이 개발한 MMT4NL 프레임워크는 소프트웨어 테스트 기법을 활용하여 대규모 언어 모델의 컨텍스트 학습 신뢰성을 평가합니다. 실험 결과, 최첨단 LLM에서 다양한 언어적 버그를 발견하여 AI의 신뢰성 확보에 대한 중요성을 강조했습니다.