THIS WEEK
현재 트렌드 큐레이션은 이공계 연구를 중심으로 제공해요. 다른 분야의 논문도 상단 검색에서 찾아보세요.
주제가 넓다면 핵심 개념 두세 개부터 검색하고, 결과를 보면서 대상·방법·연도를 더해 좁혀보세요. 정확한 논문을 알고 있다면 제목이나 DOI로 찾는 편이 빠릅니다.
예를 들어 ‘생성형 AI 교육’처럼 주제와 적용 분야를 함께 입력하세요. 같은 개념의 한국어·영어 표현을 각각 검색하면 놓친 자료를 찾는 데 도움이 됩니다.
통합 탐색에서 출처가 표시된 결과를 보고, 필요하면 OpenAlex 또는 ScienceON을 골라 다시 검색하세요. 출처마다 수록 범위와 제공 정보가 다를 수 있습니다.
제목이 비슷한 논문은 저자·발행연도·학술지·DOI를 대조하세요. 원문 링크가 있어도 열람이나 PDF 이용 조건은 제공처에 따라 달라집니다.
네트워크 또는 그래프는 과학 분야 전반에서 다양한 관계를 표현하는 데 광범위하게 활용됩니다. igraph 소프트웨어 라이브러리(https://igraph.org)는 그래프 구축, 분석 및 시각화를 지원하며, 빠르고 견고한 성능과 낮은 진입 장벽을 결합합니다. igraph는 C로 작성된 고속 코어와 Python, R, Mathematica 등 초보자 친화적인 인터페이스를 제공합니다. 20년간의 개발 끝에 igraph 1.0이 출시되어 월간 백만 건 이상의 다운로드를 기록하며 안정적인 네트워크 분석 기능을 대중에게 제공하고 있습니다.…
PLoS ONE
읽기딥러닝 시대에 트랜스포머 아키텍처는 사전 학습된 대규모 모델과 다양한 다운스트림 작업에서 강력한 성능을 입증했습니다. 그러나 트랜스포머의 막대한 연산 요구량은 많은 연구자에게 큰 부담으로 작용하고 있습니다. 이에 따라 어텐션 모델의 복잡성을 줄이기 위한 효율적인 방법론 설계 노력이 활발히 이루어지고 있습니다. 이러한 노력 중 자기 회귀 기반 트랜스포머 모델의 잠재적 대안으로 상태 공간 모델(SSM)이 최근 주목받고 있습니다. 본 논문은 SSM 관련 연구들을 최초로 종합적으로 검토하고, SSM의 특징과 장점을 명확히 보여주기 위한 …
Visual Intelligence
읽기생성 인공지능(AI)은 소프트웨어 개발의 패러다임을 변화시킬 잠재력을 가지고 있습니다. 본 연구는 생성 AI 기반의 짝 프로그래머인 GitHub Copilot이 개발자들이 자발적으로 참여하고 협력하는 오픈소스 소프트웨어(OSS) 개발에 미치는 영향을 분석했습니다. GitHub의 독점적인 Copilot 사용 데이터와 공개 OSS 데이터를 결합하여 분석한 결과, Copilot은 개발자 참여를 확대하고 개별 개발자의 코드 기여량을 늘려 프로젝트 수준의 코드 기여도를 증가시키는 것으로 나타났습니다. 그러나 이러한 코드 생산성 증가는 코드…
Information Systems Research
읽기ChatGPT와 같은 대규모 언어 모델(LLM)은 인공지능 분야의 중요한 진전을 나타내지만, 컴퓨팅, 메모리, 에너지, 재정 등 막대한 자원 소비 문제를 야기합니다. 특히 자원 제약이 있는 환경에서는 이러한 도전이 더욱 심화됩니다. 본 조사는 LLM의 자원 효율성을 높이기 위한 다양한 기술들을 체계적으로 검토하여 이 문제에 접근합니다. 저자들은 최적화 초점(컴퓨팅, 메모리, 에너지, 재정, 네트워크)과 LLM 생명주기(아키텍처 설계, 사전 학습, 미세 조정, 시스템 설계)에 따른 방법론을 분류합니다. 또한, 특정 자원 유형에 따른…
ACM Computing Surveys
읽기고에너지 밀도 이차전지는 전기차, 대규모 에너지 저장, 휴대용 전자기기에 필수적이지만, 계면 불안정성, 성능 저하, 안전성 문제로 상용화에 제약이 있습니다. 특히 고체 전해질 계면(SEI)과 양극 전해질 계면(CEI)과 같은 보호 계면은 이온 수송을 조절하고, 부반응을 억제하며, 전기화학적 안정성을 높이는 데 중요합니다. 본 연구는 리튬이온, 실리콘-음극 리튬이온, 리튬 금속, 전고체, 리튬-황, 리튬-산소 배터리 등 다양한 배터리 화학에서 보호 계면 공학에 중점을 둡니다. 계면 형성, 열화 메커니즘, 특성 분석 기술, 공학적 전…
Results in Engineering
읽기화학 반응의 메커니즘 모델링은 반응성을 이해하고 실험 전 결과를 예측하는 데 중요합니다. 기존 머신러닝 기반 원자간 전위(MLIP) 모델은 다양한 반응 모델링에 필요한 정확도가 부족하다는 한계가 있었습니다. 본 연구는 이러한 문제를 해결하고자 폐쇄껍질 탄소, 수소, 질소, 산소 반응의 메커니즘 모델링을 위한 일반 MLIP인 AIMNet2-rxn을 개발했습니다. AIMNet2-rxn은 약 470만 개의 범위 분리 밀도 범함수 이론 계산 데이터셋을 활용하여 훈련되었습니다. 이 모델은 참조 양자 역학(QM) 방법보다 약 100만 배 빠…
Science Advances
읽기