AI·시스템·이론·HCI. 거대언어모델·강화학습 등.
인용 속도·영향력 기준 큐레이션
igraph 1.0 enables fast and robust network analysis across programming languages
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.…
State space model for new generation network alternative to transformers: a survey
딥러닝 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 …
The Impact of Generative AI on Collaborative Open-Source Software Development: Evidence from GitHub Copilot
생성 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…
Beyond Efficiency: A Systematic Survey of Resource-Efficient Large Language Models
ChatGPT와 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…
Sa2VA: Marrying SAM2 With MLLM for Dense Grounded Understanding of Images and Videos
기존 멀티모달 대규모 언어 모델(MLLM)은 특정 모달리티 및 작업에 국한되는 한계가 있습니다. 본 연구는 이미지와 비디오 모두에 대한 밀집 접지 이해를 위한 최초의 포괄적이고 통합된 모델인 Sa2VA를 제안합니다. Sa2VA는 참조 분할 및 대화를 포함한 광범위한 이미지 및 비디오 작업을 지원하며, 최소한의 단일 단계 지시 튜닝만 필요합니다. Sa2VA는 기반 비디오 분할 모델인 SAM-2와 고급 비전-언어 모델인 MLLM을 결합하여 텍스트, 이미지, 비디오를 공유 LLM 토큰 공간으로 통합합니다. LLM을 활용하여 Sa2VA는…
Code-driven planning in grid worlds with large language models
본 연구는 그리드 기반 환경에서 대규모 언어 모델(LLM)을 활용하여 해석 가능하고 실행 가능한 프로그램을 합성하는 반복적 프로그래밍 계획(IPP) 프레임워크를 제안합니다. 이 프레임워크는 기존의 탐색이나 강화 학습 방식 대신, 환경 상태를 행동 시퀀스에 매핑하는 에이전트 정책으로 작동하는 코드를 생성합니다. 직접 코드 생성, 의사코드 기반 정제, 커리큘럼 기반 프롬프트 전략과 더불어, IPP는 거친 수준의 작업별 피드백을 통해 코드를 업데이트하는 반복적 정제 메커니즘에 중점을 둡니다. 여섯 가지 주요 LLM과 두 가지 도전적인 …
Inst-Inpaint: Instructing to Remove Objects with Diffusion Models
이미지 인페인팅은 이미지에서 원치 않는 픽셀을 제거하고 의미론적으로 일관되며 사실적인 방식으로 채우는 작업입니다. 기존에는 제거할 픽셀을 이진 마스크로 정의했으나, 이는 사용자에게 시간 소모적이고 오류 발생 가능성이 높다는 한계가 있습니다. 본 연구는 자연어 입력에 기반하여 제거할 객체를 추정하고 동시에 제거하는 이미지 인페인팅 알고리즘 개발에 중점을 둡니다. 이를 위해, 먼저 GQA-Inpaint라는 새로운 데이터셋을 구축했습니다. 다음으로, 텍스트 프롬프트로 주어진 지시에 따라 이미지에서 객체를 제거할 수 있는 인페인팅 프레임…
Quantum-inspired machine learning: a survey
양자 영감 기계 학습(QiML)은 고전적 컴퓨팅 환경에서 양자 역학 원리를 활용하는 잠재력으로 인해 전 세계 연구자들의 주목을 받는 신흥 분야입니다. 그러나 기존 문헌들은 QiML을 피상적으로 다루고 광범위한 양자 기계 학습(QML)에 초점을 맞추는 경향이 있습니다. 본 연구는 이러한 간극을 해소하고자 QiML에 대한 통합적이고 포괄적인 조사를 제공합니다. 본 조사는 텐서 네트워크 시뮬레이션, 비양자화 알고리즘 등 QiML의 다양한 연구 영역을 탐구하며, 최근 발전 사항과 실제 적용 사례를 제시합니다. 또한, QiML 용어에 대한…
Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation
거대 다중 모달 언어 모델의 등장으로 과학은 AI 기반 기술 변혁의 기점에 서 있습니다. 이 새로운 모델과 도구 생태계는 문헌 검색, 연구 아이디어 생성 및 실험 수행, 텍스트 및 다중 모달 콘텐츠 제작, 그리고 동료 심사와 같은 과학적 작업 평가를 포함한 과학 연구 전반을 지원하는 것을 목표로 합니다. 본 조사는 AI 지원 과학 발견 분야의 핵심 기술, 평가 방법, 그리고 최신 동향을 대표하는 문헌들을 엄선하여 개괄적으로 제시합니다. 위에서 언급된 다섯 가지 주요 과제에 걸쳐 데이터셋, 방법론, 결과, 평가 전략, 한계점, 그리…
A Survey of Large Language Models
대규모 언어 모델(LLM)의 급속한 발전은 인공지능 분야에 혁신적인 변화를 가져왔으며, 연구 패러다임과 실제 응용 분야를 재편하고 있습니다. 전례 없는 규모와 향상된 역량을 특징으로 하는 LLM은 그 개발, 동작 및 사회적 영향을 이해하기 위한 새로운 프레임워크를 요구합니다. 본 조사는 LLM 기술의 최근 발전을 네 가지 핵심 차원에서 체계적으로 검토합니다. 첫째, 대규모 자기 지도 학습, 아키텍처 혁신, 데이터 큐레이션 전략을 통해 모델의 핵심 역량을 확립하는 사전 학습 방법론을 다룹니다. 둘째, 지도 미세 조정 및 강화 학습을…
Large-scale prospective evaluation of co-folding across hundreds of Mac1–ligand complexes and three virtual screens
리간드 결합 단백질 복합체 구조 예측 및 결합 친화도에 따른 순위 매김은 신약 개발의 핵심 과제입니다. 딥러닝 기반 공동 폴딩(co-folding) 방법론이 이 문제 해결에 기여할 수 있지만, 학습 데이터 독립성 평가의 어려움과 불충분한 테스트 세트로 인해 그 성능 검증이 제한적이었습니다. 이 연구에서는 SARS-CoV-2 NSP3 마크로도메인(Mac1)에 결합하는 551개 리간드(이 중 489개는 평가에 충분한 품질)의 구조 예측 능력을 공동 폴딩 방법론으로 평가했습니다. 이 리간드들은 모델 학습 데이터 마감일 이후에 결정된 것…
Quantum games and economics through teleportation
양자 정보 과학 기술(QIST)은 컴퓨팅 및 통신 분야를 혁신하며, 시장 구조부터 전략적 의사 결정에 이르기까지 경제학에 광범위한 영향을 미치고 있습니다. 본 논문은 이러한 발전을 바탕으로 양자 에너지 텔레포테이션(QET)이라는 양자 개념을 경제학에 접목합니다. QET는 여러 주체 간에 양자 상품으로서 에너지를 전송하는 프로토콜입니다. 고전 경제 모델에 중첩, 얽힘, 측정과 같은 양자 개념을 통합함으로써, 순수 고전적 프레임워크에서는 도달할 수 없었던 새로운 게임 이론적 전략과 균형을 도출합니다. 독점, 위치 게임, 경쟁 시장, …
TimeLLM: Time Series Forecasting by Reprogramming Large Language Models
시계열 예측은 다양한 동적 시스템에 필수적이며, 활발히 연구되는 분야입니다. 그러나 대부분의 기존 예측 모델은 단일 시계열 데이터 양식에 특화되어 있어, 자연어 처리나 컴퓨터 비전 분야와 달리 범용적인 대규모 모델 개발이 더디게 진행되었습니다. 이는 고품질의 대규모 시계열 코퍼스가 부족하기 때문입니다. 한편, 최근 연구들은 거대 언어 모델(LLM)이 긴 토큰 시퀀스를 이해하고 추론하는 데 탁월한 능력을 보임을 시사합니다. 이러한 LLM의 역량을 시계열 예측에 활용하기 위해, 본 연구는 숫자 시계열 신호와 언어 토큰을 연결하는 체계…
Modular RAG: Transforming RAG Systems into LEGO-like Reconfigurable Frameworks
검색 증강 생성(RAG)은 지식 기반 작업에서 대규모 언어 모델(LLM)의 성능을 크게 향상시켰습니다. 그러나 단순한 '검색-생성' 방식을 넘어선 정교한 검색기, 오케스트레이션 메커니즘, 최적화 전략이 도입되었음에도 불구하고, 다양한 작업에 걸쳐 RAG 시스템을 체계적으로 설계하고 최적화하기 위한 통합 패러다임은 여전히 부족합니다. 본 논문은 RAG 시스템을 모듈, 서브모듈, 연산자의 3계층 구조로 조직화하는 통합 패러다임인 Modular RAG를 제안합니다. 우리는 8개의 L1 모듈 내에서 40개 이상의 특수 연산자를 형식화하고…
Accelerating scientific discovery with Co-Scientist
과학적 발견은 복잡한 문제에 대한 가설 수립과 엄격한 실험 검증을 통해 이루어집니다. 본 연구는 이러한 과정을 강화하기 위해 Gemini 기반의 다중 에이전트 AI 시스템인 Co-Scientist를 제안합니다. Co-Scientist는 연구 목표와 기존 과학적 증거를 바탕으로 새롭고 독창적인 연구 가설을 생성하여 과학자들이 새로운 지식을 발견하도록 돕습니다. 시스템은 에이전트들이 가설을 지속적으로 생성, 비판, 개선하며, 테스트 시점 컴퓨팅 확장을 통해 이 과정을 가속화합니다. 주요 기여는 유연한 컴퓨팅 확장을 위한 비동기 작업 …
PPI++: Efficient prediction-powered inference
본 연구는 적은 수의 레이블된 데이터와 방대한 머신러닝 예측 데이터를 활용하여 추정 및 추론을 수행하는 PPI++ 방법론을 제안한다. 이 방법론은 기존 예측 기반 추론(PPI)의 계산 및 통계적 효율성을 개선한 것이다. PPI++는 사용 가능한 예측의 품질에 자동으로 적응하며, 어떤 차원의 매개변수에 대해서도 쉽게 계산 가능한 신뢰 구간을 제공한다. 이는 레이블된 데이터만을 사용하는 고전적인 추론 방식보다 항상 향상된 결과를 도출한다. 실제 및 합성 데이터를 이용한 실험을 통해 제안된 개선 사항들의 이점을 명확히 입증하였다. P…
Federated Distillation: A Survey
연합 학습(Federated Learning, FL)은 클라이언트의 원시 데이터를 중앙 서버로 모으지 않고도 협력적인 모델 훈련을 가능하게 하지만, 파라미터 교환은 상당한 통신 비용을 발생시키고 모델 아키텍처 호환성을 요구하는 한계가 있습니다. 연합 증류(Federated Distillation, FD)는 이러한 제약을 극복하기 위해 지식 증류(Knowledge Distillation, KD)를 통해 예측 또는 중간 지식을 전송하는 대안적인 접근 방식입니다. FD는 이기종 모델을 지원하고 적절한 환경에서 통신 비용을 줄일 수 있는…
Package Managers à la Carte: A Formal Model of Dependency Resolution
패키지 관리자는 프로그래밍 언어와 운영 체제마다 고유한 해결책을 제공하며, 의존성 해결을 위한 미묘하게 다른 의미론을 가집니다. 이러한 파편화는 다국어 프로젝트에서 언어 생태계 전반의 정밀한 의존성을 표현하는 것을 방해하고, 외부 시스템 의존성을 암묵적이고 버전 관리되지 않은 상태로 두며, 공급망 분석에 필요한 전체 의존성 그래프를 모호하게 만듭니다. 본 연구는 패키지 관리자의 핵심 의미론을 통합하는 의존성 해결을 위한 형식주의인 '패키지 계산법(Package Calculus)'을 제시합니다. 일련의 형식적 환원(formal re…
An interpretable deep learning framework for classifying neuronal morphologies using topology and graph neural networks
신경세포의 형태는 정보 처리 방식에 결정적인 영향을 미치지만, 객관적이고 일관된 형태 분류는 여전히 난제로 남아있습니다. 기존 접근 방식은 전문가의 주관적 판단이나 사전 정의된 특징에 의존하여 재현성과 해석 가능성이 부족했습니다. 본 연구는 이러한 한계를 극복하고자 위상 데이터 분석, 그래프 신경망, 전통적 형태 측정법을 통합한 해석 가능한 딥러닝 프레임워크를 제안합니다. 제안된 프레임워크는 신경세포의 기하학적, 위상학적, 그래프 구조적 정보를 포착하기 위해 상호 보완적인 수학적 표현들을 비교합니다. 이를 통해 전문가가 라벨링한 …
AI-coupled HPC Workflow Applications, Middleware and Performance
인공지능(AI) 통합은 고성능 컴퓨팅(HPC) 시뮬레이션 분야에 혁신을 가져오며, AI 결합 HPC 워크플로우의 중요성, 활용성 및 성능을 증대시키고 있습니다. 본 논문은 빠르게 진화하는 AI 기반 HPC 분야를 포괄적으로 조사하고, 이러한 워크플로우를 이해하기 위한 공통 개념적 기반을 제시합니다. 특히, AI를 HPC 워크플로우에 결합하는 다양한 방식에 대한 통찰을 활용하여, 과학 응용 분야에서 가장 흔히 발견되는 여섯 가지 실행 모티프를 제안합니다. 이 실행 모티프 집합은 불완전하며 계속 진화하고 있지만, AI 통합 시뮬레이션…
A More Precise Elbow Method For Optimum K-means Clustering
K-평균 군집화는 초기 군집 수 결정이 필요한 비지도 학습 방법이다. 군집 수를 결정하는 한 가지 방법인 엘보 메서드는 군집 내 제곱합과 군집 수의 그래프를 시각적으로 분석하여 최적의 군집 수를 찾는다. 이 방법은 그래프에서 90도에 가장 가까운 ‘엘보 지점’을 최적의 군집 수로 간주하지만, 시각적 해석에 따른 편향성 문제가 존재한다. 본 연구는 엘보 메서드의 이러한 한계를 극복하고자, 시각적 판단에 의존하지 않는 개선된 방법을 제안한다. 선 간 각도를 계산하는 해석 기하학 공식과 미분 원리를 활용하여 엘보 지점 결정을 정량화하였…
What is the Role of Small Models in the LLM Era: A Survey
거대 언어 모델(LLM)은 다양한 추론 작업에서 뛰어난 성능을 보이며 모델 크기 확장을 가속화하고 있습니다. 그러나 이러한 모델의 규모 증가는 막대한 계산 비용과 에너지 소비를 수반하여, 자원이 제한적인 학계 연구자나 기업에게는 실용성이 떨어지는 한계가 있습니다. 반면, 소형 모델(SM)은 실제 환경에서 자주 활용되지만 그 중요성은 종종 간과되고 있습니다. 본 연구는 LLM 시대에 소형 모델이 가지는 역할에 대한 중요한 질문을 제기하며, 기존 연구에서 충분히 다루어지지 않았던 이 주제를 심층적으로 탐구합니다. 특히, LLM과 SM…
User intent recognition and satisfaction with large language models: A user study with ChatGPT
대규모 언어 모델(LLM)의 급속한 발전은 디지털 상호작용의 패러다임을 변화시켰지만, 사용자 의도를 정확히 파악하는 데 어려움을 겪어 불만족을 초래하기도 합니다. 본 연구는 이러한 문제를 해결하고자, 정교한 의도 분류 체계와 의도 기반 프롬프트 재구성 방식을 활용하여 LLM의 의도 인식 품질과 사용자 만족도를 분석했습니다. 연구는 GPT-3.5 Turbo 및 GPT-4 Turbo 모델을 대상으로 의도 기반 프롬프트 재구성 답변의 품질을 평가했습니다. 특히 인간-AI 상호작용의 중요성을 강조하며, 대화형 AI 시스템 개선을 위한 다…
Towards Trustworthy Retrieval Augmented Generation for Large Language Models: A Survey
검색 증강 생성(RAG)은 외부 지식을 통합하여 AI 생성 콘텐츠의 관련성을 높이고 환각 현상을 줄이지만, 신뢰성, 안전성, 프라이버시, 공정성, 설명 가능성, 책임성 측면에서 새로운 위험을 야기합니다. 이러한 문제들은 RAG 시스템의 전반적인 신뢰성에 영향을 미치며, 현재까지 이들을 통합적으로 다루는 프레임워크는 부족합니다. 본 연구는 신뢰할 수 있는 RAG 시스템 구축을 위한 포괄적인 로드맵을 제시하여 이러한 격차를 해소합니다. 신뢰성 관련 주요 도전 과제, 기존 해결책, 그리고 미래 연구 방향을 체계적으로 분석합니다. 특히 …
Fully actuated system approach based adaptive formation control for heterogeneous multi-agent systems with asymmetric full-state constraints under fixed and switching topologies
본 연구는 고정 및 스위칭 통신 토폴로지 환경에서 비선형 동역학과 비대칭 전역 상태 제약을 갖는 이종 다중 에이전트 시스템(MAS)의 대형 추적 제어 문제를 다룬다. 특히, 미지의 비선형 동역학을 처리하고 시스템 상태가 지정된 제약 조건을 벗어나지 않도록 하는 데 중점을 둔다. 이를 위해 퍼지 논리 시스템을 활용하여 미지의 비선형 동역학을 근사화하고, 분산 관측기를 개발하여 리더의 상태 정보를 추정한다. 고차 완전 구동 시스템 접근 방식을 도입하여 원래의 제약 시스템을 비제약 고차 완전 구동 시스템 모델로 변환함으로써 계산 복잡성…
RadVLM: a multitask conversational vision-language model for radiology
흉부 X선(CXR)의 광범위한 사용과 영상의학과 전문의 부족은 자동화된 CXR 분석 및 AI 보조 보고에 대한 관심을 증대시켰습니다. 기존 시각-언어 모델(VLM)은 보고서 생성이나 이상 감지와 같은 특정 작업에서 가능성을 보였지만, 대화형 진단 기능은 부족했습니다. 본 연구는 CXR 해석을 위한 작고 다중작업 대화형 VLM인 RadVLM을 제안합니다. 저자들은 100만 개 이상의 이미지-명령 쌍으로 구성된 대규모 CXR 명령 데이터셋을 구축하고 표준화했습니다. 이 데이터셋은 보고서 생성, 이상 분류, 시각적 접지(visual g…
Multi-Task Deep Recommender Systems: A Survey
다중 작업 학습(MTL)은 관련 작업 간의 공유 지식을 활용하여 상호 개선을 목표로 하는 통합 모델 학습 방식입니다. 추천 시스템 분야에서는 성능과 효율성을 동시에 고려한 다중 작업 예측의 필요성이 증대됨에 따라 MTL이 중요한 주제로 부상하고 있습니다. 그러나 추천 커뮤니티 내에서는 MTL에 대한 체계적인 종합 연구가 부족한 실정입니다. 이러한 간극을 메우기 위해 본 연구는 기존의 다중 작업 딥 추천 시스템(MTDRS)에 대한 포괄적인 조사를 제공합니다. 먼저 MTDRS의 문제 정의를 명확히 하고, 관련 분야들과의 차이점을 비교…
Training Machine Learning Models at the Edge: A Survey
최근 엣지 컴퓨팅은 인공지능 기능을 통합하여 효율성을 높이는 핵심 기술로 주목받고 있습니다. 그러나 엣지에서의 머신러닝(ML) 모델 배포 및 추론에 주로 초점이 맞춰져 있었으며, 모델 학습 측면은 상대적으로 덜 탐구되었습니다. 본 조사는 엣지 학습, 특히 엣지 환경에서의 ML 모델 학습 최적화 개념을 심층적으로 탐구합니다. 이 연구는 엣지 학습의 다양한 접근 방식과 방법론을 종합적으로 탐색하고, 기존 지식을 통합하며, 주요 도전 과제를 식별하고, 미래 동향을 제시하는 것을 목표로 합니다. Scopus와 Web of Science의…
AgentSociety: Large-scale simulation of LLM-driven generative agents advances understanding of human behaviors and society
사회 과학에서 인간 행동과 사회 이해는 핵심 과제이며, 생성 사회 과학의 등장은 패러다임 전환을 가져왔습니다. 이는 고비용의 전통적 실험을 대체하여 복잡한 사회 역학 연구를 위한 확장 가능하고 재현 가능한 계산 접근법을 제공합니다. 최근 대규모 언어 모델(LLM)의 발전은 인간과 유사한 생성 에이전트 및 사실적인 사회 시뮬레이션을 가능하게 하며 이 연구 패러다임을 더욱 변화시켰습니다. 본 연구는 LLM 기반 에이전트, 현실적인 사회 환경, 강력한 대규모 시뮬레이션 엔진을 통합한 사회 시뮬레이터인 AgentSociety를 제안합니다…
M2SNet: Multi-scale in Multi-scale Subtraction Network for Medical Image Segmentation
정확한 의료 영상 분할은 조기 진단에 필수적이다. 기존 U-형 구조 기반 방법들은 디코더에서 서로 다른 레벨의 특징을 융합할 때 요소별 덧셈이나 연결을 사용하지만, 이는 불필요한 정보를 생성하여 특징 간의 상호보완성을 약화시키고 병변의 부정확한 위치 파악 및 경계 흐림을 초래한다. 이러한 문제를 해결하기 위해, 본 연구는 의료 영상 분할을 위한 다중 스케일 차분 네트워크(M2SNet)를 제안한다. 인코더에서 인접 레벨 간의 차이 특징을 생성하는 기본 차분 유닛(SU)을 설계하고, 이를 확장하여 픽셀 및 구조 수준의 차이 정보를 제…
Parameterized Complexity Analysis for Cryptanalysis of Composite CipherSystems: FPT Characterization and Optimized Algorithms
본 연구는 다중 암호 변환 계층으로 구성된 고전 암호체계의 암호해독을 위한 포괄적인 매개변수 복잡도 프레임워크를 제시한다. 이는 암호해독 문제의 계산 복잡도를 심층적으로 이해하고 효율적인 알고리즘 개발의 기반을 마련한다. 주요 이론적 기여는 세 가지다. 첫째, 구조적 복잡도 벡터 (k, ℓmax, |Σ|)를 매개변수로 사용할 경우 Cipher-Decode 문제가 고정 매개변수 추적 가능(FPT)함을 증명하고, O*(|Σ|k·ℓmax)의 실행 시간을 갖는 알고리즘을 제안한다. 둘째, 레이어 수 k만을 매개변수로 할 경우 이 문제가 …
Collaborative Inference and Learning between Edge SLMs and Cloud LLMs: A Survey of Algorithms, Execution, and Open Challenges
거대 언어 모델(LLM)의 발전에도 불구하고, 클라우드 단독 배포나 엣지 기기 압축은 지연 시간, 개인 정보 보호, 비용, 개인화 문제로 인해 한계에 부딪히고 있습니다. 본 연구는 클라우드 LLM과 엣지 소형 언어 모델(SLM)이 추론 및 학습 과정에서 협력하는 패러다임을 탐구합니다. 이를 위해 엣지-클라우드 협업 전략에 대한 통합 분류 체계를 제안합니다. 추론 단계에서는 작업 할당, 작업 분할, 혼합 기반 협업 방식을 작업 및 토큰 수준으로 분류하며, 적응형 스케줄링, 자원 인식 오프로딩, 추측 디코딩, 모듈러 라우팅 등을 포함…
Exploring Large Language Model‐Based Intelligent Agents: Definitions, Methods, and Prospects
인공지능 분야의 오랜 목표인 지능형 에이전트 개념은 최근 대규모 언어 모델(LLM)의 발전으로 새로운 전환점을 맞이했습니다. LLM은 추론, 계획, 도구 사용 능력을 갖춘 정교한 에이전트 개발을 가능하게 하며, 자연어를 인지 및 상호작용의 보편적 인터페이스로 활용하여 자율 작업 보조부터 복잡한 사회경제 시스템 시뮬레이션에 이르기까지 다양한 실제 응용 분야로 빠르게 확장되고 있습니다. 본 연구는 LLM 기반 에이전트 분야를 통합적으로 조망하며, 단일 및 다중 에이전트 시스템을 핵심 구성 요소로 체계적으로 분석하는 조직 프레임워크를 …
Paleobiology Database User Guide Version 2.0
고생물학 데이터베이스(Paleobiology Database)는 고생물학 데이터를 위한 비영리 온라인 공공 자원으로, 다학제적·다기관 국제 연구 그룹이 운영합니다. 본 가이드는 일반 사용자 및 기여자 모두를 위한 종합 안내서 2판입니다. 이 가이드는 데이터 검색, 매핑부터 다양한 유형의 데이터 기여에 이르는 대부분의 데이터베이스 활용법을 다룹니다. 데이터베이스 사용법을 설명하기 위한 다수의 예시와 용어 정의, 그리고 추가 자료 링크를 포함합니다. 본 가이드는 모든 사용자가 고생물학 데이터베이스의 방대한 데이터에 접근하고, 더 많…
Deep Time Series Models: A Comprehensive Survey and Benchmark
시계열 데이터는 이산 시간 순서로 배열된 데이터 포인트의 연속으로, 실제 시나리오에서 광범위하게 나타납니다. 비선형 패턴과 시변 추세의 복잡한 얽힘을 포함하는 시계열의 역동적인 특성은 학습 및 모델링에 고유한 도전 과제를 제시합니다. 최근 몇 년간 시계열 분석 기술은 전통적인 통계 방법에서 현대적인 딥러닝 모델로 전환되며 놀라운 발전을 이루었습니다. 본 연구는 다양한 분석 작업을 위한 심층 시계열 모델의 설계를 탐구하고, 기본 모듈과 모델 아키텍처라는 두 가지 관점에서 기존 문헌을 검토합니다. 나아가, 다양한 분석 작업을 위한 심…
A multi-agent system for automating scientific discovery
과학적 발견은 관찰, 가설 생성, 실험, 데이터 분석의 반복적인 과정으로 이루어집니다. 인공지능이 생물학 분야에 적용되며 발전했지만, 이 모든 단계를 자동화한 시스템은 아직 없었습니다. 본 연구는 가설 생성과 데이터 분석을 완전히 자동화하는 최초의 다중 에이전트 시스템인 Robin을 소개합니다. Robin은 문헌 검색 에이전트와 데이터 분석 에이전트를 통합하여 가설을 생성하고, 실험을 제안하며, 실험 결과를 해석하고, 업데이트된 가설을 생성함으로써 과학적 발견에 대한 반자율적인 접근 방식을 구현합니다. 이 시스템을 건성 노인성 …
A Survey of Deep Learning Based Software Refactoring
소프트웨어 리팩토링은 품질과 유지보수성을 향상시키는 핵심 활동이나, 기존의 수동적·휴리스틱 기반 접근법은 한계가 있습니다. 최근 딥러닝(DL) 기술이 이러한 한계를 극복하기 위해 리팩토링에 적용되고 있으나, 관련 연구를 종합적으로 정리하고 체계화한 자료는 부족한 실정입니다. 본 연구는 딥러닝 기반 소프트웨어 리팩토링을 코드 스멜 탐지, 리팩토링 추천, 리팩토링 구현, 리팩토링 마이닝, 리팩토링 영향 분석의 다섯 가지 핵심 과업으로 분류하여 포괄적인 조사를 수행했습니다. 이를 통해 딥러닝 기반 리팩토링 연구의 현황과 분포를 체계적으…
Agentic Software Issue Resolution with Large Language Models: A Survey
소프트웨어 저장소에서 사용자 설명 기반의 실제 문제 해결은 소프트웨어 유지보수의 핵심입니다. 최근 대규모 언어 모델(LLM)의 추론 및 생성 능력 발전으로 자동화된 소프트웨어 문제 해결 분야에서 상당한 진전이 있었습니다. 그러나 실제 소프트웨어 문제 해결은 본질적으로 복잡하며, 장기적인 추론, 반복적 탐색, 피드백 기반 의사결정 등 기존의 단일 단계 접근 방식을 넘어서는 에이전트형 역량을 요구합니다. 본 연구는 LLM 기반 에이전트형 시스템이 소프트웨어 문제 해결의 유망한 방향임을 인식하고, 이 분야의 폭발적인 성장을 체계적으로 …
Women empowerment and environmental sustainability in Africa
본 연구는 아프리카 국가에서 여성의 사회경제적 역량 강화가 환경의 질에 미치는 영향을 시스템 일반화 적률 추정법(system GMM)을 활용하여 분석했습니다. 연구 결과, 여성의 사회경제적 역량 강화가 환경 지속가능성과 유의미한 관련이 있음을 확인했습니다. 이는 여성의 정치 참여 및 노동 시장 참여를 통제한 후에도 일관되게 나타났습니다. 또한, 외국인 직접 투자(FDI)와 국내총생산(GDP)이 여성의 사회경제적 역량 강화가 온실가스(GHG) 배출에 미치는 긍정적 영향을 조절하는 것으로 나타났습니다. 특히, 1인당 GDP와 FDI가…
Language modeling on tabular data: a survey of foundations, techniques and evolution
다양한 분야에서 널리 사용되는 테이블 데이터는 이질적인 특성과 복잡한 구조적 관계로 인해 분석에 어려움이 있습니다. 높은 예측 성능과 견고성을 달성하는 것은 수많은 응용 분야에서 중요합니다. 최근 자연어 처리, 특히 트랜스포머 아키텍처의 발전은 테이블 데이터 모델링을 위한 새로운 방법론을 이끌어냈습니다. 초기 기법들은 트랜스포머를 처음부터 사전 학습하는 데 집중했으나, 확장성 문제에 직면했습니다. 이후 BERT와 같은 사전 학습된 언어 모델을 활용하는 방법들이 개발되어 더 적은 데이터로도 향상된 성능을 보였습니다. GPT, LLaM…
HuntGPT: Integrating Machine Learning-Based Anomaly Detection and Explainable AI with Large Language Models (LLMs)
네트워크 이상 탐지를 위한 머신러닝(ML) 기법은 위협 탐지 및 대응 시간을 크게 단축하며 효과적인 사전 예방 전략으로 부상하고 있습니다. 그러나 ML 모델 훈련 및 유지보수의 어려움과 잦은 오탐은 이러한 기술의 수용성과 신뢰도를 저해합니다. 이에 대응하여 설명 가능한 인공지능(XAI) 기술이 도입되었으나, 여전히 현장 실무자들의 수용도가 낮고 분석가 및 모델 관리자의 의사결정 요구를 충족시키지 못하는 한계가 있습니다. 본 연구에서는 대규모 언어 모델(LLM)이 이러한 문제를 해결할 독특한 접근 방식을 제공한다는 점에 주목합니다.…
Non-Deterministic Abstract Machines
본 연구는 프로세스 계산이나 완전 비결정론적 베타-환원을 포함하는 람다 계산과 같은 비결정론적 프로그래밍 언어를 위한 추상 기계의 일반적인 설계를 제시한다. 이 기계는 용어를 탐색하여 축약항(redex)을 찾고, 여러 경로가 가능할 때 비결정론적 선택을 수행하며, 더 이상 축약할 수 없는 부분 용어에 도달하면 백트래킹한다. 탐색 과정에서 기계가 도입하는 용어 주석 덕분에 탐색의 종료가 보장된다. 본 연구는 지퍼 의미론(zipper semantics)으로부터 비결정론적 추상 기계를 자동으로 도출하는 방법을 보여준다. 지퍼 의미론은 …
Large Models for Time Series and Spatio-Temporal Data: A Survey and Outlook
시계열 및 시공간 데이터를 포함한 시간 데이터는 현실 세계의 다양한 애플리케이션에서 광범위하게 활용됩니다. 물리 및 가상 센서에서 대량으로 생성되는 이 데이터는 동적 시스템의 행동을 기록하며, 풍부한 정보 콘텐츠를 효과적으로 분석하는 것은 다양한 후속 작업을 가능하게 합니다. 최근 대규모 언어 모델 및 기타 기반 모델의 발전은 시계열 및 시공간 데이터 마이닝 분야에서 이들의 활용을 가속화했습니다. 이러한 접근 방식은 다양한 도메인에서 패턴 인식 및 추론 능력을 향상시킬 뿐만 아니라, 시간 데이터를 이해하고 처리할 수 있는 인공 일…
Diffusion Models in Recommendation Systems: A Survey
추천 시스템은 광범위한 응용 분야와 비즈니스 잠재력으로 인해 컴퓨터 과학 분야에서 핵심적인 연구 주제로 자리매김하고 있습니다. 최근 컴퓨터 비전 분야에서 확산 모델(Diffusion Models)이 뛰어난 생성 능력을 보여주면서, 많은 추천 시스템 연구들이 이를 도입하여 다양한 태스크에서 성능 향상을 이루고 있습니다. 이 분야의 연구가 빠르게 증가함에 따라 체계적인 연구 동향 분석의 필요성이 대두되었습니다. 본 연구는 확산 모델을 활용하는 추천 시스템을 분류하기 위해 세 가지 상호보완적인 축을 기반으로 새로운 분류 체계를 제안합니…
Modelling the Intention to Adopt Cloud Computing Services: A Transaction Cost Theory Perspective
본 연구는 거래 비용 이론을 활용하여 클라우드 컴퓨팅 서비스 도입 의도를 분석한다. 클라우드 서비스 채택에 영향을 미치는 요인을 탐구하기 위해 이론적 모델을 개발하고, 호주 설문조사 데이터를 기반으로 실증 분석을 수행했다. 연구 결과, 공급업체 기회주의와 클라우드 관련 법적 불확실성에 대한 인식이 클라우드 보안 위험 인식과 유의미한 연관성을 보였다. 또한, 클라우드 보안 위험 인식은 클라우드 서비스 도입 의도와 유의미한 음(-)의 관계를 나타냈다. 이러한 결과는 클라우드 서비스 도입 결정 시 거래 비용 요인이 중요하게 작용함을 …
From Paintbrush to Pixel: A Review of Deep Neural Networks in AI-Generated Art
본 논문은 인공지능(AI) 생성 예술 분야에서 활용되는 다양한 딥러닝 신경망 아키텍처와 모델을 탐구한다. 고전적인 컨볼루션 네트워크부터 최신 확산 모델에 이르기까지, 이 분야의 주요 기술들을 심층적으로 분석한다. 각 신경망의 일반적인 구조와 작동 원리를 설명하고, DeepDream의 몽환적인 이미지부터 Stable Diffusion 및 DALL-E 3와 같은 최신 모델이 생성하는 매혹적인 이미지에 이르기까지 AI 생성 예술의 주요 발전 사례들을 제시한다. 또한, 이 모델들의 강점과 한계를 비교 분석하여 딥러닝 신경망이 단기간에 …
Towards reasoning era: a survey of long chain-of-thought for reasoning large language models
최근 OpenAI-o1, DeepSeek-R1과 같은 대규모 언어 모델(RLLM)의 추론 능력 발전은 수학 및 코딩과 같은 복잡한 영역에서 인상적인 성과를 보였습니다. 이러한 성공의 핵심 요인은 추론 능력을 향상하고 복잡한 문제 해결을 가능하게 하는 장기 CoT(Long Chain-of-Thought) 특성 적용에 있습니다. 그러나 장기 CoT에 대한 포괄적인 조사는 여전히 부족하여, 기존 단기 CoT(Short CoT)와의 차이점 이해를 제한하고 '과잉 사고' 및 '추론 시간 확장'과 같은 문제에 대한 논의를 복잡하게 만듭니다. …
Usable XAI: 10 Strategies Towards Exploiting Explainability in the LLM Era
설명 가능한 AI(XAI)는 인공지능 모델의 작동 방식을 사람이 이해할 수 있도록 설명하는 기술입니다. 최근 XAI의 초점은 대규모 언어 모델(LLM) 설명으로 확장되고 있으며, 이는 XAI 방법론의 중요한 변화를 요구합니다. LLM의 복잡성과 고도화된 기능으로 인해 기존 XAI 방법론을 직접 적용하기 어렵고, LLM의 활용이 다양해지면서 XAI의 역할이 단순히 '블랙박스'를 여는 것을 넘어 LLM의 생산성과 실제 적용 가능성을 적극적으로 향상시키는 방향으로 전환되고 있기 때문입니다. 본 연구는 LLM 시대의 '사용 가능한 XAI…
Explainable artificial intelligence (XAI): From inherent explainability to large language models
최근 인공지능(AI)은 놀라운 성공을 거두고 있지만, 그 의사결정 과정이 불투명하여 이해관계자들이 AI의 동작을 이해하고 해석하며 설명하기 어렵다는 문제가 있습니다. 이러한 한계는 머신러닝 시스템에 대한 신뢰를 저해하고, 특히 헬스케어나 자율주행과 같은 미션 크리티컬 분야에서 실제 적용을 주저하게 만듭니다. 설명 가능한 AI(XAI) 기술은 머신러닝 모델의 설명 가능성과 해석 가능성을 높여 사용자가 의사결정의 근거를 파악하고 바람직하지 않은 동작을 방지할 수 있도록 돕습니다. 본 종합 연구는 내재적으로 해석 가능한 모델부터 대규모…
Performance analysis and deployment considerations of post-quantum cryptography for consumer Electronics
양자 컴퓨팅의 발전은 소비자 가전(CE)의 보안 기반을 위협하고 있으며, 이에 대비하기 위한 양자내성암호(PQC)의 성능 검증이 필수적입니다. 본 연구는 표준화된 PQC 키 캡슐화 메커니즘(KEM) 및 디지털 서명 방식의 성능을 기존 RSA/ECC와 비교 분석합니다. 크로스 플랫폼 환경에서 PQC의 실행 시간, 통신 및 저장 오버헤드를 평가했습니다. macOS/M4 및 Ubuntu/x86-64 데스크톱 플랫폼과 라즈베리 파이 4(리눅스 기반 CE 허브 및 게이트웨이 대리)를 활용했으며, NEON 및 AVX와 같은 벤더별 하드웨어 …
A Comprehensive Survey on Multimodal Recommender Systems: Taxonomy, Evaluation, and Future Directions
추천 시스템은 사용자-아이템 상호작용을 기반으로 선호도를 추론하여 개인화된 경험을 제공하는 데 핵심적인 역할을 합니다. 최근 다중 모드 정보의 확산에 따라, 다양한 양식의 데이터를 이해하고 해석할 수 있는 추천 시스템 개발의 중요성이 커지고 있습니다. 이러한 시스템은 단일 모드 또는 사용자-아이템 상호작용 데이터만 활용하는 기존 시스템이 간과할 수 있는 숨겨진 관계와 보완 정보를 포착합니다. 본 연구는 다중 모드 추천에 대한 최신 연구 동향을 종합적으로 검토합니다. 대부분의 추천 시스템이 채택하는 명확한 파이프라인을 제시하고, 각…
Agency in the age of generative AI: a critical review of educational implications
인공지능(AI)의 사회적 함의와 교육 통합에 대한 논의가 활발한 가운데, AI 기술 사용이 개인의 자율성 발휘 능력에 미치는 영향, 즉 주체성(agency)은 교육 맥락에서 중요하지만 상대적으로 미탐색된 주제입니다. 본 연구는 이 간극을 해소하고자 생성 AI(GenAI)와 교육 내 주체성 간의 관계를 탐구한 문헌들을 비판적 디지털 교육학(CDP) 관점에서 탐색적으로 검토합니다. 연구는 생성 AI와 교육 내 주체성 간의 관계를 다룬 기존 문헌들을 비판적 디지털 교육학의 렌즈를 통해 매핑하고 해석하는 주제별 검토 방식을 채택했습니다.…
Retrieval-augmented generation for natural language processing: a survey
거대 언어 모델(LLM)은 방대한 파라미터 기반의 지식 저장 능력을 통해 다양한 분야에서 뛰어난 성능을 보였지만, 환각 현상, 지식 업데이트의 어려움, 특정 도메인 전문성 부족 등의 한계를 지닌다. 외부 지식 기반을 활용하여 LLM을 보강하는 검색 증강 생성(RAG)은 이러한 제약을 완화하는 효과적인 대안으로 부상했다. 본 연구는 자연어 처리(NLP) 분야의 RAG 기술을 체계적으로 검토하며, 특히 검색기(retriever)와 검색 융합(retrieval fusion) 방식에 초점을 맞춘다. 질의 기반, 로짓 기반, 잠재적, 파라…
A generalist model for diverse text-guided medical image synthesis
심층 학습은 강력한 성능을 위해 방대한 데이터를 요구하지만, 환자 프라이버시 문제로 인해 의료 분야에서는 데이터 확보가 어려운 경우가 많습니다. 의료 영상 생성 모델을 통한 합성 데이터는 이러한 문제에 대한 해결책을 제시할 수 있으나, 기존 모델들은 특정 작업에 국한되거나 비공개 데이터셋으로 훈련되어 확장성과 재현성에 한계가 있었습니다. 본 연구는 이러한 한계를 극복하고자 공개 데이터만을 활용하여 훈련된 개방형 범용 텍스트 안내 잠재 확산 모델인 MediSyn을 제안합니다. MediSyn은 6개 의료 전문 분야와 10개 영상 모달…
Palette sparsification for graphs with sparse neighborhoods
그래프 색칠 문제에서, 최대 차수 Δ인 n-정점 그래프에서 각 정점당 Θ(log n)개의 색을 샘플링하면 적절한 색칠이 가능하다는 기존 연구가 있습니다. 삼각형 없는 그래프의 경우 O(Δ/log Δ) 색칠에 대한 유사한 결과도 도출되었습니다. 이러한 결과는 조합론적 중요성뿐만 아니라 다양한 계산 모델에서 그래프 색칠 알고리즘 설계에 응용됩니다. 본 연구는 국소적으로 희소한 그래프, 즉 희소한 이웃을 가진 그래프에 초점을 맞춥니다. k-국소적으로 희소한 그래프는 각 정점 v의 이웃 G[N(v)]가 최대 k개의 간선을 포함하는 그래프…
Flooding spread of manipulated knowledge in LLM-based multi-agent communities
대규모 언어 모델(LLM) 기반 다중 에이전트 시스템은 다양한 응용 분야에서 뛰어난 역량을 보여주지만, 조작된 지식 확산과 관련된 보안 취약성은 충분히 연구되지 않았습니다. 본 연구는 LLM 기반 다중 에이전트 시스템의 보안 취약점을 이해하고, 조작된 지식이 신뢰할 수 있는 제3자 플랫폼에 침투할 가능성을 탐구하는 것을 목표로 합니다. 이를 위해 설득력 주입(Persuasiveness Injection)과 조작 지식 주입(Manipulated Knowledge Injection)으로 구성된 새로운 2단계 공격 방법론을 설계했습니다…
In Search of a Name: Information Science and its Conceptual Antecedents
이 연구는 정보 과학(Information Science)이라는 학문 분야가 현재의 형태로 발전하기까지 사용된 핵심 개념들과 그 의미 변화를 역사적으로 고찰한다. 정보 과학의 발전 과정을 추적하며, 시대별로 주요 개념들이 어떻게 등장하고 진화해왔는지 분석한다. 연구 방법론은 역사적 문헌 분석에 기반을 둔다. 특히, 정보 과학 분야의 주요 거대 용어(macroterms)들의 출현 시기와 진화 단계를 연대기적으로 정리하고, 각 용어의 도입에 기여한 주요 학자들을 명시하는 포괄적인 연표를 부록으로 제시한다. 주요 발견으로는 정보 과학…
SpectralGuard: a Spectrally grounded λ-SHAP framework for XAI validity certification in pharmaceutical supply chain networks
SHAP과 같은 순열 기반 설명 가능(XAI) 방법론은 아프리카 사하라 이남 지역의 AI 기반 제약 공급망 규제 준수에 필수적입니다. 그러나 이 방법론의 유효성은 기존 프레임워크가 모니터링하지 않는 구조적 속성, 즉 공급 하이퍼그래프의 대수적 연결성(Fiedler 고유값 λ2로 정량화)에 따라 달라집니다. 본 연구는 λ2 → 0이 순열 기반 XAI 실패의 충분조건임을 증명하며, 네트워크 연결성이 붕괴되면 샘플링 노력 증대만으로는 유효성을 회복할 수 없음을 보였습니다. 본 연구는 λ-SHAP 프레임워크인 SpectralGuard를 …
On the adversarial robustness of spiking neural networks trained by local learning
최근 연구에 따르면 스파이킹 신경망(SNN)은 프레임 및 이벤트 기반 정보 환경에서 깨끗한 데이터와 거의 구별할 수 없는 적대적 예시에 취약합니다. 기존 연구들은 대부분 생물학적 타당성이 낮은 역전파(BPTT) 기반의 기울기 방식을 사용하여 적대적 예시를 생성하는 데 한계가 있었습니다. 반면, BPTT의 제약을 완화하는 지역 학습 방식은 적대적 공격 측면에서 충분히 탐구되지 않았습니다. 본 연구는 지역 학습 방식이 SNN의 신뢰성을 저해할 수 있는 적대적 취약점을 도입하는지 조사합니다. 이를 위해 네 가지 유형의 훈련 알고리즘 프…
Quantum-selected configuration interaction: Classical diagonalization of Hamiltonians in subspaces selected by quantum computers
본 연구는 노이즈가 있는 양자 장치에서 다전자 해밀토니안의 바닥 및 들뜬 상태 에너지를 계산하는 하이브리드 양자-고전 알고리즘인 양자 선택 컨피규레이션 상호작용(QS-CI)을 제안한다. QS-CI는 양자 컴퓨터로 근사 바닥 상태를 준비한 후, 계산 기저에서 상태를 샘플링하여 바닥 상태 재현에 중요한 전자 컨피규레이션을 식별한다. 이렇게 선택된 중요 컨피규레이션들로 구성된 부분 공간에서 해밀토니안을 고전 컴퓨터로 대각화하여 바닥 상태 에너지와 해당 고유 벡터를 얻는다. 들뜬 상태 에너지도 유사한 방식으로 도출 가능하다. 이 방법은…
Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys
의료 영상에서 혈관을 정확하게 분할하는 것은 연구 및 임상 적용에 필수적이지만, 기존 수동 방식은 시간과 비용이 많이 들고, 자동화된 계산 방식은 정확도에 한계가 있었습니다. 특히 새로운 3D 의료 영상 데이터셋의 대규모 혈관 분할을 위한 효율적인 알고리즘 개발이 시급한 과제였습니다. 이러한 문제를 해결하고자, 본 연구진은 HiP-CT(Hierarchical Phase-Contrast Tomography) 데이터셋에서 3D 혈관 분할을 위한 딥러닝 방법론 개발을 촉진하고자 글로벌 기계 학습 경쟁을 개최했습니다. 1,401명의 참가…
The hive mind is a single reinforcement learning agent
지능형 에이전트나 집단에게 의사 결정은 필수적인 속성이다. 자연계는 모방을 통한 집단 의사 결정과 단일 에이전트의 시행착오라는 두 가지 메커니즘을 통해 효과적인 전략에 수렴하는 것으로 알려져 있다. 본 연구는 이 두 패러다임 간의 등가성을 확립한다. 본 논문은 개체들이 단순하고 국소적인 모방 기반 규칙을 따를 때 나타나는 분산 인지(벌집 지능)가 다중 슬롯 머신의 여러 병렬 인스턴스에서 행동-가치 샘플을 집계하는 단일 온라인 강화 학습(RL) 에이전트와 같음을 보인다. 특히 꿀벌의 맹목적 모방 가중 투표 모델(waggle danc…
Fast construction of partitioned learned Bloom filter with theoretical guarantees
블룸 필터는 근사 멤버십 질의에 널리 사용되는 고전적인 자료구조입니다. 학습 블룸 필터는 기계 학습을 활용하여 메모리 효율성을 개선하며, 파티션 학습 블룸 필터(PLBF)는 가장 메모리 효율적인 변형 중 하나로 꼽힙니다. 그러나 PLBF는 구성 비용이 높다는 단점이 있으며, 그 시간 복잡도는 N과 k가 하이퍼파라미터일 때 O(N^3k)에 달합니다. 본 논문에서는 이러한 높은 구성 비용 문제를 해결하기 위해 fast PLBF, fast PLBF++, fast PLBF#의 세 가지 방법을 제안합니다. 이 방법들은 구성 복잡도를 각각 …
Reinforcement learning to disentangle multiqubit quantum states from partial observations
양자 상태의 부분적 지식만을 활용하여 다중 큐비트 얽힘을 제어하는 것은 양자 상태 준비, 압축, 제어 및 복잡성 분야의 난제를 해결할 잠재력을 가진 새로운 양자 상호작용 역학 분야의 미개척 영역입니다. 본 연구는 최대 16 큐비트 상태에 대한 짧은 분리 회로를 구성하기 위해 액터-크리틱 알고리즘을 사용하는 딥 강화 학습(RL) 접근 방식을 제시합니다. 본 연구의 에이전트는 두 큐비트 축소 밀도 행렬에만 접근하여 어떤 큐비트 쌍에 두 큐비트 게이트를 적용할지 결정합니다. 이러한 국소 정보만을 요구하는 방식은 현대 NISQ 장치에 직…
Nearly Tight Spectral Sparsification of Directed Hypergraphs by a Simple Iterative Sampling Algorithm
스펙트럼 그래프 희소화 기법을 하이퍼그래프에 확장하려는 시도가 최근 몇 년간 활발히 연구되어 왔습니다. 특히 무방향성 하이퍼그래프의 경우, 최적의 희소화 크기인 O*(n)을 달성하는 ε-스펙트럼 희소화기가 이미 증명되었습니다. 그러나 방향성 하이퍼그래프의 최적 희소화기 크기는 아직 알려지지 않은 상태였습니다. 본 연구는 가중치 방향성 하이퍼그래프에 대해 O*(n^2) 크기의 ε-스펙트럼 희소화기를 구성하는 최초의 알고리즘을 제안합니다. 이 알고리즘은 일반 그래프의 스패너 기반 희소화 기법에서 영감을 받은 반복 샘플링 접근 방식을 …
A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision–Language Tasks
본 조사는 이미지 캡셔닝, 시각 질의응답, 교차 모달 검색 등 시각-언어 작업을 중심으로 다중 모달 대규모 언어 모델(MLLM)에 대한 포괄적인 가이드를 제공한다. MLLM의 아키텍처, 훈련 파이프라인, 실제 적용 사례를 분석하며, 시각 인코더, 언어 모델 백본, 연결 모듈, 대조 사전 학습, 명령어 튜닝, 선호도 정렬 등을 다룬다. 정보 병목 현상, 데이터 처리 한계, 통계적 동시 발생 편향 등 아키텍처, 견고성, 평가에 영향을 미치는 근본적인 제약 조건을 조명한다. 시각-언어 시스템에 중점을 두며, 오디오 전용 모델이나 시각 …
Optimising Analysis Choices for Multivariate Decoding: Creating Pseudotrials Using Trial Averaging and Resampling
다변량 패턴 분석(MVPA)은 조건별 활성화 패턴을 구별하는 데 널리 사용되는 기법으로, 신경영상 데이터에서 통계적으로 유의미한 정보를 식별하여 단변량 방법으로는 놓칠 수 있는 부분을 포착합니다. 그러나 MVPA 디코딩 결과는 여러 분석 선택에 의해 영향을 받으며, 이러한 선택들의 복합적인 효과는 충분히 평가되지 않았습니다. 특히, MVPA 분류기 훈련 전 여러 시행(trial)의 데이터를 평균하는 접근법이 인기를 얻고 있으나, 평균화 정도에 대한 결정은 임의적이며 이 매개변수 변화의 효과는 문서화되지 않았습니다. 본 연구에서는 …
Validation of diagnostic artificial intelligence models for prostate pathology in a Middle Eastern cohort
인공지능(AI) 기반 암 진단 기술은 병리학 분야에서 빠르게 발전하고 있으나, 특정 인구 집단, 특히 중동 지역에서의 검증 연구는 부족합니다. 본 연구는 전립선암 진단 및 글리슨 등급 분류를 위한 AI 모델의 외부 유효성을 중동 코호트에서 최초로 검증했습니다. 연구팀은 이라크 쿠르디스탄 지역의 2013년부터 2024년까지 185명의 환자로부터 얻은 339개의 전립선 조직 유리 슬라이드를 디지털화했습니다. 각 슬라이드는 세 가지 다른 디지털 병리 스캐너로 스캔되어 총 1,017개의 전체 슬라이드 이미지(WSI) 데이터셋을 구축했습니…
State Transfer in Discrete-Time Quantum Walks via Projected Transition Matrices
본 연구는 조합론적 방법을 활용하여 양자 보행에서의 상태 전이를 분석한다. 특히, 이중 반사 이산 시간 양자 보행의 완전 상태 전이(perfect state transfer) 개념을 확장하여 '최고 상태 전이(peak state transfer)'라는 새로운 개념을 제안한다. 최고 상태 전이는 완전 상태 전이가 불가능할 때도 초기 상태와 목표 상태 간에 달성할 수 있는 가장 높은 수준의 상태 전이를 의미한다. 최고 상태 전이의 스펙트럼 특성화를 제시하고, 이를 통해 강정규 그래프 및 블록 설계의 결합 그래프(디자인의 한 점에서 시…
Advancing chemical reaction prediction in data-scarce drug discovery with active and geometric deep learning
생성형 분자 설계의 성공은 생성된 분자의 합성 가능성에 달려있지만, 현재 화학 반응 예측 모델은 참조 데이터 부족과 반응 위치 선택성 예측의 어려움으로 한계가 있습니다. 본 연구는 이러한 문제를 해결하기 위해 효율적인 반응 데이터 획득과 고정밀 딥러닝을 통합한 폐쇄 루프 워크플로우를 제안합니다. 가장 유익한 실험을 안내하기 위해 트리 기반 앙상블이 주도하는 능동 학습 전략을 개발했습니다. 이 실험 캠페인을 통해 C-H 보릴화 반응에 대한 다양하고 새로운 벤치마크 데이터셋을 구축했습니다. 이 맞춤형 데이터셋으로 기하 그래프 신경망을…
Magnitude homology of geodesic spaces
본 연구는 측지 거리 공간의 크기 호몰로지 군을 탐구합니다. 먼저 일반 거리 공간의 2차 크기 호몰로지를 특정 단체 복합체의 0차 호몰로지 군을 이용해 기술하고, 이를 측지 거리 공간에서는 측지선을 통해 해석합니다. 측지 거리 공간의 3차 크기 호몰로지 또한 단체 복합체로 기술될 수 있음을 보입니다. 특정 가정 하에, 이러한 단체적 기술은 3차 크기 호몰로지 클래스의 불변량을 교차수로 도입할 수 있게 합니다. 최종적으로, 특정 비분기 가정을 만족하는 측지 거리 공간의 모든 크기 호몰로지 군에 대한 완전한 기술을 제공합니다. 이 …
A Review of Off-Policy Evaluation in Reinforcement Learning
강화학습(RL)은 머신러닝 분야의 핵심 연구 영역으로, 최근 다양한 난제를 해결하는 데 적용되고 있습니다. 본 논문은 RL의 근본적인 주제 중 하나인 Off-Policy Evaluation(OPE)에 중점을 두어 고찰합니다. 최근 통계학 및 컴퓨터 과학 분야에서 여러 OPE 방법론이 개발되었습니다. 본 연구는 이러한 최신 OPE 방법론들의 통계적 특성과 효율성 한계를 심층적으로 논의합니다. 또한, 현재 활발히 탐구되고 있는 OPE 관련 연구 방향들을 포괄적으로 제시합니다. 이를 통해 OPE 분야의 현황과 미래 연구 가능성을 조망…
Bayesian model updating via streamlined Bayesian active learning cubature
본 논문은 베이즈 모델 업데이트를 위한 새로운 베이즈 능동 학습 방법인 '능률적인 베이즈 능동 학습 큐버처(SBALC)'를 제안한다. 이 방법의 핵심은 가우시안 프로세스(GP) 회귀를 사용하여 로그-우도 함수를 능률적인 방식으로 근사하는 것이다. 기존 방식과 달리, 후방 GP에서 많은 샘플을 생성하는 대신 평균 및 분산 함수만을 활용하여 모델 증거 추정기, 중단 기준 및 학습 함수를 구성한다. 구체적으로, 모델 증거 추정은 로그-우도 함수에 GP 사전 분포를 할당하는 베이즈 큐버처 문제로 다루어진다. GP의 후방 평균 함수를 기반…
Cross-Frequency Coupling as a Neural Substrate for Prediction Error Evaluation: A Laminar Neural Mass Modeling Approach
예측 코딩 프레임워크는 계층적 오류 최소화를 통한 신경 계산을 제안하지만, 그 신경학적 구현은 불분명합니다. 본 연구는 교차 주파수 결합(CFC)이 이 과정의 핵심 메커니즘임을 제안합니다. 우리는 층판 신경 질량 모델(LaNMM)을 사용하여 신호-엔벨로프 결합(SEC)과 엔벨로프-엔벨로프 결합(EEC)이 계층적 비교기 메커니즘을 구현함을 보였습니다. 특히, SEC는 상향식 진동 엔벨로프에서 하향식 예측을 차감하여 예측 오류 신호를 생성하며, EEC는 더 느린 시간 척도에서 정밀도 가중치 부여에 중요한 게이팅을 구현합니다. 이러한 C…
Pipeline Posterior Scoring Module for out-of-distribution detection via attachable uncertainty quantification
지능형 모니터링 모델은 파이프라인 건전성 모니터링에 효과적이지만, 학습되지 않은 샘플에 대한 과신 예측은 구조적 안전을 위협하며 분포 이탈(OOD) 감지의 필요성을 야기합니다. 기존 불확실성 정량화 방법은 재학습이나 운영 시스템 개입이 필요해 실용성이 제한됩니다. 본 논문은 딥러닝 기반 누출 감지 모델에 부착 가능한 Pipeline Posterior Scoring Module (PPSM)을 제안합니다. PPSM은 모델 파라미터 수정 없이 OOD 위험 식별 기능을 제공합니다. 이 모듈은 셀프 어텐션을 통해 신호 텍스처부터 결함 의미…
Multimodal foundation models exploit text to make medical image predictions
멀티모달 파운데이션 모델은 의료 영상 해석에서 주목할 만하지만 상충되는 성능을 보여왔으며, 이미지와 텍스트 등 다양한 데이터 양식을 통합하고 우선순위를 정하는 방식은 명확히 이해되지 않았습니다. 본 연구는 이러한 모델들이 의료 영상 예측에 텍스트를 어떻게 활용하는지 탐구합니다. 저자들은 8가지 독점 및 오픈소스 멀티모달 파운데이션 모델을 1,090개의 멀티모달 의료 사례에 적용하여 평가했습니다. 이 과정에서 모델이 다양한 정보 양식을 통합하는 방식을 면밀히 분석했습니다. 연구 결과, 이미지 예측은 주로 텍스트 정보에 의해 좌우되…
MergeRepair: An Exploratory Study on Merging Task-Specific Adapters in Code LLMs for Automated Program Repair
대규모 언어 모델(LLM)은 프로그램 복구, 문서화, 코드 리팩토링 등 다양한 소프트웨어 개발 관련 작업에서 뛰어난 성능을 보였습니다. 그러나 이러한 모델의 훈련에는 막대한 데이터와 상당한 컴퓨팅 자원이 필요합니다. 어댑터는 전체 모델을 재훈련할 필요 없이 특정 작업, 도메인 또는 애플리케이션에 맞춰 LLM을 효율적으로 미세 조정하기 위해 설계된 작고 특화된 모듈입니다. 모델 및 어댑터 병합은 최소한의 훈련 또는 훈련 없이 여러 작업을 수행할 수 있는 단일 모델을 개발하는 기술로 부상했습니다. 본 연구에서는 MergeRepair …
Spatial extension of parafoveal processing predicts reading speed gain during reading acceleration
빠르고 효율적인 독서는 현재 주시하는 단어뿐만 아니라 앞으로 나올 텍스트를 동시에 처리하는 것을 포함한다. 자연스러운 읽기에서 중심외 처리의 역할은 잘 알려져 있지만, 독서 가속화가 가져오는 이점에 대한 기여는 아직 탐구되지 않았다. 본 연구는 독서 가속화가 주변시 처리의 효율성과 공간적 범위에 영향을 미쳐 작용하는지 조사하고자 했다. 참가자들은 자연스러운 속도 또는 가속된 속도로 읽었으며, 주시점 너머의 첫 번째(N+1) 및 두 번째(N+2) 단어에 대한 주변시 정보 가용성이 독립적으로 조작되었다. 이는 무작위 문자 마스킹을 통…
Learning Nonlinear Finite Element Solution Operators Using Multilayer Perceptrons and Energy Minimization
본 연구는 편미분 방정식(PDE)으로 기술되는 비선형 문제의 해 연산자를 학습하는 방법론을 개발하고 평가합니다. 이 접근 방식은 유한요소 이산화를 기반으로 하며, 문제 데이터 변수를 입력으로 받아 유한요소 해를 예측하는 다층 퍼셉트론(MLP)을 통해 해 연산자를 표현합니다. 입력 변수는 경계 조건, 계수, 우변 등 입력 데이터의 매개변수화에 해당하며, 출력은 해당 유한요소 해의 근사치입니다. 손실 함수로는 PDE의 에너지 범함수를 활용하여 각 요소에서 에너지를 국부적으로 조립하는 효율적인 병렬 학습 알고리즘을 구현합니다. 대규모 …
Optimal estimation in private distributed functional data analysis
본 연구는 함수 데이터 분석(FDA)에서 차등 프라이버시(DP) 보존 문제를 체계적으로 탐구한다. 함수 평균 추정부터 변동 계수 모델 추정까지 폭넓게 다루며, 여러 서버가 각각 희소하게 관측된 함수들을 수집하는 분산 학습 프레임워크를 제안한다. 이 계층적 구조는 복합적인 프라이버시 개념을 도입한다. 각 함수 내에서는 사용자 수준의 차등 프라이버시가 적용되며, 서버 수준에서는 중앙 집중식 데이터 수집을 고려하여 중앙 차등 프라이버시가 적용된다. 서버 간에는 연합 차등 프라이버시 제약 조건을 준수하며 오직 비공개 정보만이 교환된다. …
The Past, Present, and Future of Formal Methods in Brazil
형식 방법론은 숨겨진 가정이나 간과된 요구사항을 밝혀낼 수 있는 수학 기반 접근법으로, 소프트웨어 및 시스템의 정밀한 명세, 설계, 검증을 가능하게 한다. 이 연구는 브라질 형식 방법론 커뮤니티에 대한 포괄적인 이해가 부족하다는 점에 주목하여, 그 역사적 궤적을 추적하고 지역 학술 문화, 정책, 자금 지원이 어떻게 이 분야를 형성했는지 분석한다. 본 연구는 브라질 형식 방법론 커뮤니티의 역사적 서사를 다양한 차원에서 제공한다. 과거 및 현재 연구 프로젝트, 연구 그룹, 교육 이니셔티브, 그리고 주요 학술 행사의 특징 등을 상세히 …
SpotMAX: A generalist framework for multidimensional automatic spot detection and quantification
현미경 기반 세포 생물학에서 스팟 구조 분석은 광범위한 작업이지만, 기존 솔루션은 특정 애플리케이션에 국한되며 5D 데이터셋의 다차원 정보를 활용하지 못해 수동 주석에 의존하는 경우가 많습니다. 본 연구는 이러한 한계를 극복하고자 AI 기반의 범용 스팟 자동 감지 및 정량화 프레임워크인 SpotMAX를 제안합니다. SpotMAX는 다차원 데이터셋의 모든 정보를 활용하며, 사용하기 쉬운 인터페이스와 세포 분할 및 추적을 위한 내장 프레임워크를 제공합니다. 이를 통해 기존 최첨단 도구는 물론, 일부 경우에는 숙련된 전문가의 수동 분석…
Model-Based Learning of Whittle indices
본 연구는 색인 가능(indexable)하고 통신하며 단일 체인(unichain) 마르코프 결정 과정(MDP)의 휘틀 지수(Whittle indices)를 학습하는 새로운 모델 기반 알고리즘인 BLINQ를 제안한다. BLINQ는 MDP의 경험적 추정치를 구축한 후, 기존 최첨단 알고리즘을 확장하여 휘틀 지수를 계산하는 방식으로 작동한다. 우리는 학습하려는 휘틀 지수로의 수렴 증명과 임의의 정밀도로 학습하는 데 필요한 시간 경계를 제공하며, 계산 복잡도를 분석한다. 수치 실험 결과, BLINQ는 정확한 근사치를 얻기 위해 필요한 …
A privacy-preserving data augmentation approach for credit card fraud detection
신용카드 사기는 매년 수십억 달러의 손실을 발생시키지만, 프라이버시 문제로 인해 은행 간 거래 데이터 공유가 어렵습니다. 이로 인해 연합 학습(Federated Learning, FL) 환경에서 사기 샘플 부족 문제가 발생하며, 이는 통일된 모델 훈련에 큰 제약이 됩니다. 본 연구는 이러한 문제를 해결하기 위해 연합 학습 합성 소수 오버샘플링 기법(FL-SMOTE)을 제안합니다. 이 기법은 부분 동형 암호화와 완전 동형 암호화의 장점을 결합하여 성능과 보안을 강화합니다. 특히, 유클리드 거리 합산, 암호문 비교, 프라이버시 보존 …
Interpretable distillation reveals that deep learning splicing models suffer from pervasive confounders and blind spots
유전체 서열로부터 RNA 스플라이싱을 예측하는 것은 유전자 조절 이해 및 유전 변이 해석에 필수적입니다. 최근 딥러닝 모델은 스플라이싱 예측에서 최첨단 성능을 달성했지만, 그 예측 메커니즘은 해석의 어려움으로 인해 여전히 불분명합니다. 본 연구는 모델 예측 논리를 설명하기 위한 해석 가능한 증류(interpretable distillation) 프레임워크를 개발했습니다. 이 프레임워크를 적용한 결과, RNA 스플라이싱 예측 모델들이 광범위한 교란 요인(confounders)과 사각지대(blind spots)로 인해 비참조 서열(n…
Data centers in the age of AI: A tutorial survey on infrastructure, sustainability, and emerging challenges
데이터센터는 클라우드 서비스와 디지털 플랫폼을 지원하며 디지털 경제의 중추 역할을 해왔습니다. 특히 대규모 언어 모델(LLM)의 등장으로 에너지 소비, 냉각 강도, 환경 영향이 급증하면서 지속가능성, 전력망 안정성, 운영 효율성에 대한 시급한 우려가 제기되고 있습니다. 본 튜토리얼은 현대 데이터센터의 분류, 아키텍처부터 전력 소비, 냉각 기술, 물 사용량 등 핵심 요소를 심층적으로 분석합니다. 전력 사용 효율(PUE), 물 사용 효율(WUE)과 같은 성능 지표 및 탄소 인지 운영이 지속가능한 관행을 어떻게 형성하는지 강조합니다. …
Hilbert’s tenth problem via additive combinatorics
본 연구는 정수환(ℤ) 위에서 유한하게 생성된 모든 무한환(R)에 대해 힐베르트의 10번 문제가 부정적인 답변을 가짐을 증명한다. 이는 특정 이차 확장(L/K)에서 랭크 증가가 없는 타원 곡선(E)을 구성함으로써 달성되었다. 이러한 결과를 무조건적으로 얻기 위해, 우리는 덧셈 조합론의 기법과 2-강하(2-descent) 방법을 결합하는 혁신적인 접근 방식을 도입했다. 이 두 분야의 시너지를 통해 기존에는 해결하기 어려웠던 문제에 대한 새로운 통찰력을 제공한다. 주요 발견은 타원 곡선의 랭크 거동이 힐베르트 10번 문제의 디오판투…
Towards end-to-end automation of AI research
인공지능(AI) 연구 분야에서 과학 프로세스 자동화는 오랜 목표였습니다. 개별 구성 요소 자동화에는 상당한 진전이 있었으나, 아이디어 구상부터 출판에 이르는 전체 연구 생명주기를 자율적으로 수행하는 시스템은 아직 미개발 상태였습니다. 본 연구는 이러한 격차를 해소하고자 과학 연구의 전 과정을 자동화하는 파이프라인인 'The AI Scientist'를 제안합니다. The AI Scientist는 연구 아이디어 생성, 코드 작성, 실험 수행, 데이터 분석 및 시각화, 과학 논문 작성, 그리고 자체 동료 평가까지 수행합니다. 이 시스템…
Exploring Code Analysis: Zero-Shot Insights on Syntax and Semantics with LLMs
코드 분석은 소프트웨어 공학에서 디버깅, 성능 최적화, 보안 평가 등 핵심적인 역할을 수행합니다. 기존 도구들은 언어 특정성, 복잡한 설정, 그리고 교차 언어 일반화의 한계가 있었습니다. 최근 대규모 언어 모델(LLM)이 다양한 코드 관련 작업에 유망하게 부상했지만, 근본적인 코드 분석 능력에 대한 탐구는 부족했습니다. 본 연구는 LLM의 코드 분석 능력을 평가하여, LLM 기반 프로그래밍 도구의 발전 가능성을 모색합니다. 인간 개발자의 코드 분석 방식(구문 분석, 정적 의미 추론, 동적 추론)에 맞춰 연구를 구성했습니다. C, …
Implicit regularization in AI meets generalized hardness of approximation in optimization: Sharp results for diagonal linear networks
신경망 구조와 경사 기반 최적화 방법이 부과하는 암묵적 정규화를 이해하는 것은 딥러닝 및 AI 분야의 핵심 과제입니다. 본 연구는 과매개화 회귀 설정에서 대각선 선형 신경망(DLN)의 경사 흐름이 유도하는 암묵적 정규화에 대한 명확한 결과를 제시하고, 이를 일반화된 근사 경도(GHA)의 상전이 현상과 연결합니다. GHA는 컴퓨터 과학의 근사 경도 개념을 연속 및 강건 최적화 등으로 확장합니다. 미세 초기화를 가진 DLN 경사 흐름의 L1-노름이 기저 추구(basis pursuit)의 목적 함수로 수렴한다는 것은 잘 알려져 있습니다…
YOLOv8 to YOLO11 Performance Benchmark and Comprehensive Architectural Comparative Review
딥러닝 기반 컴퓨터 비전 분야에서 YOLO는 혁신적인 모델이지만, 모든 YOLO 모델이 학술 논문이나 아키텍처 다이어그램을 제공하지 않아 모델 이해에 어려움이 있습니다. 기존 연구 또한 각 모델을 포괄적으로 다루지 못했습니다. 본 연구는 YOLOv8부터 YOLO11까지의 아키텍처를 심층적으로 비교 분석하여, 독자들이 각 모델의 작동 방식과 차이점을 신속하게 파악할 수 있도록 돕습니다. 각 YOLO 버전의 아키텍처는 관련 학술 논문, 공식 문서 검토 및 소스 코드 분석을 통해 분석되었습니다. 특히, YOLOv8부터 YOLO11까지의…
SW-SpeedDLM: Sliding Window Speculative Decoding for Diffusion Language Models Under Long Context Constraints
마스크 확산 언어 모델(MDLM)은 모든 디노이징 단계에서 양방향 어텐션을 사용하며, 이는 단계 수 T와 시퀀스 길이 n에 대해 O(Tn^2)의 높은 연산 비용을 발생시킵니다. 특히, 80억 매개변수 모델에서 n=8192, T=128일 경우 KV 캐시만 40GB를 초과하여 단일 GPU로는 긴 문서 생성이 어렵습니다. 본 연구는 이러한 한계를 극복하기 위해 사전 학습된 MDLM의 추론 래퍼인 SW-SpeedDLM을 제안합니다. SW-SpeedDLM은 세 가지 핵심 구성 요소로 이루어져 있습니다. 첫째, 분할 슬라이딩 윈도우 디노이징…
Model Context Protocol (MCP): Landscape, Security Threats, and Future Research Directions
모델 컨텍스트 프로토콜(MCP)은 AI 모델과 외부 도구 간의 양방향 통신 및 동적 검색을 위한 개방형 표준으로, 시스템 간 상호운용성 증진과 파편화 감소를 목표로 합니다. 본 연구는 MCP의 아키텍처 및 보안 관점에서 체계적인 분석을 수행합니다. MCP 서버의 전체 생명주기를 생성, 배포, 운영, 유지보수의 네 단계와 16가지 핵심 활동으로 정의했습니다. 이를 기반으로 악성 개발자, 외부 공격자, 악성 사용자, 보안 결함의 네 가지 공격자 유형에 따른 16가지 위협 시나리오를 포함하는 포괄적인 위협 분류 체계를 구축했습니다. 실…
Quantum State Preparation without Coherent Arithmetic
양자 상태 준비(Quantum State Preparation)는 양자 컴퓨팅의 핵심 요소로, 특정 함수에 의해 진폭이 결정되는 양자 상태를 효율적으로 생성하는 것이 중요합니다. 기존 방식들은 수작업으로 설계된 가역 산술 회로나 양자 테이블 조회(quantum table reads)를 통해 함수 값을 인코딩해야 하는 복잡성과 한계를 가졌습니다. 본 연구는 이러한 한계를 극복하기 위한 다목적 양자 상태 준비 방법을 제안합니다. 이 방법은 사인(sine) 함수의 저비용 블록 인코딩을 원하는 함수로 변환하기 위해 템플릿 양자 고유값 변…
Constructive S4 modal logics with the finite birelational frame property
직관주의 양상 논리 S4의 두 주요 변형인 CS4와 IS4는 오랫동안 유한 모델 속성(finite model property) 보유 여부가 미해결 문제였습니다. 본 연구는 이 중 CS4가 유한 프레임 속성(finite frame property)을 가짐을 증명하여 첫 번째 문제를 해결합니다. 또한, IS4와 밀접하게 관련된 세 가지 논리(GS4, GS4c, S4I)를 탐구합니다. GS4는 IS4에 괴델-덤멧 공리(Gödel–Dummett axiom)를 추가한 것으로, 기존의 실수 값 의미론 외에 이중 관계 의미론(birelatio…
Multimodal fusion on low-quality data: A comprehensive survey
멀티모달 융합은 여러 양식의 정보를 통합하여 예측 정확도를 높이는 기술로, 자율주행 및 의료 진단 등 다양한 분야에서 상당한 발전을 이루었습니다. 그러나 저품질 데이터 환경에서 멀티모달 융합의 신뢰성은 아직 충분히 탐구되지 않은 상태입니다. 본 연구는 실제 환경에서 저품질 데이터가 멀티모달 융합에 미치는 영향을 종합적으로 분석하고, 관련 도전 과제와 최신 연구 동향을 포괄적인 분류 체계로 제시합니다. 데이터 중심 관점에서 저품질 데이터가 멀티모달 융합에 제기하는 네 가지 주요 도전 과제를 식별했습니다. 이는 이질적인 노이즈로 오염…
Generalist foundation models from a multimodal dataset for 3D computed tomography
의료 AI, 특히 3D 영상 분야의 발전은 포괄적인 데이터셋 부족으로 제약을 받아왔습니다. 본 연구는 3D 의료 영상과 해당 텍스트 보고서를 결합한 공개 데이터셋인 CT-RATE를 소개합니다. CT-RATE는 21,304명의 환자로부터 얻은 25,692개의 비조영 흉부 CT 스캔과 방사선 보고서로 구성됩니다. CT-RATE를 활용하여, 특정 작업 훈련 없이 광범위하게 적용 가능한 CT 중심의 대조 언어-영상 사전 학습 프레임워크인 CT-CLIP을 개발했습니다. 또한, CT-CLIP의 비전 인코더와 사전 학습된 대규모 언어 모델을 …
Tapeworm foraging optimization algorithm: a novel approach to metaheuristic optimization of complex problems
본 연구는 기생충인 조충의 부착 및 생식 분절에서 영감을 받은 새로운 자연 모방 메타휴리스틱 탐색 프레임워크인 조충 채집 최적화(TFO) 알고리즘을 경험적으로 탐구합니다. TFO는 탐색적 확산을 위한 감쇠 가우시안 섭동과 지역적 활용을 위한 현재 전역 최적값으로의 역차이 벡터 변위를 확률적 전환 매개변수에 의해 결합합니다. TFO는 고전적인 단일 모드 및 다중 모드 벤치마크(F1–F16)와 인장/압축 스프링, 용접 빔, 10-바 캔틸레버 트러스, 감속기 설계의 네 가지 제약 조건 기계 공학 설계 문제에 대해 평가되었습니다. 기존 …
A Quantum-HPC Hybrid Workflow for Reaction-Center Electronic Dynamics: Application to a Cytochrome P450-Inspired Iron-Complex Model
다중 상태 반응 중심 화학에서 활성 상태 기반의 축소 해밀토니안 모델의 신뢰성을 검증하기 위해 개체군 전이 동역학을 실용적인 관찰 가능량으로 제안합니다. 전이 금속 시스템에서는 전체 스펙트럼이 잘 재현되더라도 누락된 결합이나 구성으로 인해 반응 경로를 따라 축소된 활성 공간 모델의 신뢰성이 저해될 수 있습니다. 본 연구에서는 사이토크롬 P450에서 영감을 받은 철 복합체 모델을 사용하여, 상태 평균 완전 활성 공간 자기 일관성 장(SA-CASSCF) 계산을 통해 반응 경로 의존적 유효 해밀토니안을 구축했습니다. 이를 현재 하드웨어…
Flagging urgent suspicion of lung cancer with AI CXR algorithms: optimising feature selection and performance
본 연구는 스코틀랜드 서부 지역에서 폐암 긴급 의심(USC)을 선별하기 위한 상용 흉부 X선(CXR) AI 알고리즘의 성능에 특징 선택 및 임계값 설정이 미치는 영향을 조사했습니다. 이를 위해 일반의 및 외래 환자 진료에서 수집된 2887개의 전향적 CXR 데이터셋과 983개의 후향적 검증 데이터셋을 활용했습니다. USC는 숙련된 영상의학과 전문의 패널의 블라인드 검토를 통해 도출된 참조 표준으로 사용되었습니다. 세 가지 특징 선택 접근 방식이 비교되었습니다: 임상 전문가가 선택한 특징에 상용 임계값을 적용하는 방식, 임상 전문가…
Interpretability-driven feature engineering enables compact and accurate multi-outcome risk stratification at hospitalization for chronic hepatitis B
임상 인공지능(AI)은 예측 성능과 해석 가능성 사이에서 종종 상충 관계를 보인다. 본 연구는 만성 B형 간염 입원 환자의 다중 결과 위험 계층화를 위한 해석 가능성 중심의 특징 공학 프레임워크를 개발했다. 22,001명의 환자로부터 얻은 36,024건의 입원 기록을 분석에 포함했다. SHAP(SHapley Additive exPlanations) 기반의 주 효과 및 상호작용 효과를 통합한 프레임워크를 활용하여 질병 비진행, 간경변증(LC), 간세포암종(HCC)을 분류하는 경량 머신러닝 모델을 구축했다. SHAP 주 효과는 각 결…
Inverse-IMPRESSION: A Graph-Based Platform for Molecular Structure Elucidation from Experimental NMR Spectroscopic Properties
본 연구는 실험 핵자기공명(NMR) 분광학적 정보로부터 분자 결합을 정확하고 신속하게 재구성하는 그래프 기반 플랫폼인 Inverse-IMPRESSION을 소개합니다. 이 플랫폼은 역 그래프 트랜스포머 네트워크인 IMPRESSION-G2를 기반으로 합니다. 플랫폼은 세 가지 상호 연결된 단계로 구성됩니다. 첫째, NMR 매개변수를 입력받아 원자 간의 결합 연결성을 예측하는 원샷(one-shot) 모델이 있습니다. 둘째, 예측된 구조에서 불확실한 결합을 제거하고 반복적으로 재할당하여 구조를 수정하는 단계가 포함됩니다. 셋째, 노이즈 …
Artificial Intelligence and the Internet of Things in Education: A Scientometric Mapping of Growth, Thematic Evolution, and Intellectual Structure in a Decade of Scopus-Indexed Research
인공지능(AI)과 사물 인터넷(IoT)의 융합은 적응형 학습 환경의 기술적 기반으로 주목받고 있으나, 관련 문헌의 구조와 성숙도에 대한 체계적인 분석은 부족했습니다. 본 연구는 2016년부터 2025년까지 Scopus에 등재된 824편의 문헌을 대상으로 서지계량학적 분석을 수행하여 이 분야의 성장, 주제 진화, 지적 구조를 매핑했습니다. 분석은 bibliometrix R 패키지(Biblioshiny)와 VOSviewer를 활용하여 수행되었습니다. 출처, 저자, 국가 분석, 키워드 동시 출현, 전략적 주제 지도, 세 기간에 걸친 주…
Derived operators on skew orthomodular and strong skew orthomodular posets
양자 역학 논리에서 논리합과 논리곱은 직교정렬 격자에서 각각 조인(join)과 미트(meet)로 표현될 수 있지만, 이는 원소들이 교환 가능할 때만 해당됩니다. J. Pykacz는 이러한 한계를 극복하기 위해 교환 가능한 원소에 대해서는 조인 및 미트와 일치하지만, 전체 직교정렬 격자에서 논리합 및 논리곱의 적절한 속성을 공유하는 ‘샤프(sharp)’ 및 ‘플랫(flat)’이라는 새로운 파생 연산자를 도입했습니다. 그러나 직교정렬 격자는 원소들이 비교 가능하지도, 직교하지도 않을 경우 조인이 정의되지 않을 수 있어 양자 역학의 논…
Generation of synthetic clinical text: a systematic review
합성 임상 텍스트 생성은 임상 자연어 처리(NLP) 분야의 데이터 희소성 및 개인 정보 보호 문제에 효과적인 해결책을 제시합니다. 본 연구는 합성 의료 자유 텍스트 생성에 대한 체계적인 문헌 검토를 수행했으며, 생성 목적, 활용 기술, 평가 방법에 대한 세 가지 연구 질문을 중심으로 정량적 분석을 수행했습니다. PubMed, ScienceDirect, Web of Science, Scopus, IEEE, Google Scholar, arXiv 등 주요 데이터베이스에서 합성 의료 비정형 자유 텍스트 생성 관련 문헌을 검색하여 총 1…
RankSetu AI: AI-Powered Smart Learning, Practice & Exam Readiness Platform
MHT-CET(Maharashtra Common Entrance Test) 응시자들은 분리된 학습 자료와 도구로 인해 수준별 맞춤형 연습 기회와 신뢰할 수 있는 피드백을 얻기 어렵다는 문제에 직면합니다. 이러한 한계는 학습 효율성을 저해하고 시험 준비 과정에서 학생들의 약점 파악 및 개선을 어렵게 만듭니다. 본 논문은 이러한 문제 해결을 위해 Flutter와 Firebase를 활용하여 개발된 모바일 우선 학습 및 시험 대비 플랫폼인 RankSetu AI를 소개합니다. 이 플랫폼은 연습, 평가, 분석 및 개선을 하나의 통합된 학습 …
Exploring Moroccan natural products as potential antidiabetic drugs: An in silico approach using molecular docking, ADMET, density functional theory and molecular dynamics simulations
당뇨병은 심각한 고혈당 질환으로, 현재 치료법은 부작용이 많아 새로운 치료제 개발이 시급합니다. 본 연구는 전통 의학에서 사용되는 모로코 약용 식물에서 유래한 104가지 식물화합물을 대상으로 가상 스크리닝을 수행하여, 혈당 조절 핵심 효소인 알파-글루코시다제 억제 가능성을 평가했습니다. 분자 도킹을 통해 표적 단백질과의 높은 결합 친화도를 보인 화합물들을 선별하고, ADMET 분석으로 약동학 및 약력학적 특성을 평가했습니다. 이후 밀도범함수이론(DFT)으로 전자적 특성을 분석하고, 분자 동역학 시뮬레이션 및 MM-GBSA 계산으로…
The Dynamic String-Averaging Algorithm for Inverse Strongly-Monotone Mappings with Nonsummable Errors
W. Takahashi와 M. Toyoda(2003)는 변분 부등식 문제 해결을 위한 반복 프로세스의 약한 수렴을 입증했습니다. 이 변분 부등식은 역강단조 사상과 관련이 있습니다. 최근 연구에서는 동일한 반복 프로세스의 대부분의 정확한 반복이 변분 부등식의 근사 해임을 보였습니다. 본 논문에서는 동적 문자열 평균화 알고리즘을 적용하여 비합산 계산 오차가 존재하는 상황에서 역강단조 사상에 의해 생성된 유한한 변분 부등식 문제군과 비확장 사상에 대한 유한한 고정점 문제군의 공통 해를 찾습니다. 이 방법은 계산 오차 시퀀스가 상수로 …
Random Shadows of Fixed Polytopes
폴리토프의 2차원 투영인 '그림자'의 꼭짓점 수를 추정하는 것은 선형 계획법 및 매개변수 최적화와 연관되어 다양한 응용 분야에서 핵심적인 도구로 활용됩니다. 본 연구는 고정된 폴리토프의 무작위 그림자에서 예상되는 꼭짓점 수에 대한 여러 상한을 증명합니다. 이 상한들은 기하학적 직경 및 모서리 길이, 최소 및 최대 여유(slack), 격자 폴리토프의 최대 좌표, 그리고 부분 행렬식의 최대 절댓값 등 기존 문헌의 다양한 매개변수를 기반으로 합니다. 이러한 매개변수들을 활용하여 보다 정교한 추정치를 제공합니다. 특히 기하학적 직경과 …
Spatial distribution and factors predicting perceived respondents’ satisfaction with confidentiality and protection of personal health information: an analysis of the 2014 Ghana demographic and health survey
의료 기관의 원활한 운영을 위해 개인 건강 정보의 기밀 유지 및 보호는 필수적입니다. 가나에서는 환자 피드백을 통해 의료 서비스 개선을 도모하며, 본 연구는 가나 의료 소비자의 개인 건강 정보 기밀 유지 및 보호(CPPHI) 만족도에 대한 지리적 분포와 영향 요인을 분석했습니다. 2014년 가나 인구통계 및 건강 조사(GDHS)의 2차 데이터를 활용하여 가나 10개 지역에서 총 9,777명의 참가자를 표본으로 추출했습니다. 로버스트 표준 오차를 적용한 조정 로지스틱 회귀 모델을 사용하여 CPPHI 만족도 예측 요인을 분석했습니다.…
Efficient multi-basis quantum position verification secure against generalized adversaries
양자 위치 검증(QPV)은 양자 통신과 물리적 가정을 활용하여 여러 검증자가 증명자의 위치를 인증하는 기술입니다. QPV의 실험적 구현이 점차 현실화됨에 따라, 프로토콜의 실용성과 보안을 향상시키는 것이 중요해지고 있습니다. 본 연구는 이 목표를 달성하기 위한 세 가지 핵심 기여를 제시합니다. 첫째, 채널 손실에 독립적인 검증자 상태 준비를 통해 실제 환경에서의 신뢰성을 높인 강력한 QPV 프로토콜을 제안합니다. 둘째, 기존 보안 분석 기법을 정교화하여 실험적 불완전성에 대한 프로토콜의 복원력을 강화합니다. 셋째, 기존 보안 분석…
Chatlaw: A Multi-Agent Legal Assistant based on a Role-Aligned Mixture-of-Experts Architecture
인공지능은 법률 서비스 분야에서 큰 잠재력을 가지고 있지만, 기존 대규모 언어 모델(LLM)은 중국 법률 시스템에 대한 제한된 지식과 환각 현상에 취약하다는 문제에 직면해 있습니다. 본 연구는 이러한 한계를 극복하기 위해 다중 에이전트 법률 비서인 Chatlaw를 제안합니다. Chatlaw는 실제 법률 사무소의 표준 운영 절차(SOP)를 모방하여 설계되었습니다. 법률 보조원, 연구원, 선임 변호사 등 다양한 역할이 사건을 협력하여 처리하는 구조를 반영하기 위해, 우리는 새로운 역할 정렬 전문가 혼합(RA-MoE) 아키텍처를 개발했…
Multi-scale LSTM forecasting with attention-based feature fusion for anomaly detection in multivariate monitoring data
전력 설비나 산업 공정 같은 엔지니어링 시스템은 다양한 시간 스케일에서 이상 징후가 나타나는 다변량 시계열 데이터를 통해 모니터링됩니다. 기존 단일 입력 윈도우 기반 탐지기는 특정 스케일에만 맞춰져 있어, 짧은 변동부터 전체 운영 주기 동안 지속되는 편차까지 다양한 이상 징후를 효과적으로 감지하기 어렵습니다. 본 논문은 이러한 한계를 극복하기 위해 MAF-LSTM(Multi-scale LSTM forecasting with attention-based feature fusion)이라는 예측 기반 이상 탐지 프레임워크를 제안합니다.…
Non-volatile, compact, and broadband multimode matrix vector multiplication for photonic neuromorphic computing
행렬-벡터 곱셈(MVM)은 인공신경망의 핵심 연산이지만, 기존 전자 방식은 속도와 에너지 효율성에서 한계가 있습니다. 본 연구는 이러한 병목 현상을 해결하기 위해 모드 분할 다중화(MDM)를 활용한 초소형(185 μm × 21 μm) 비휘발성 광학 MVM 엔진을 설계했습니다. 이 아키텍처는 다중 모드 간섭계 전력 분배기, 방향성 결합기 (디)멀티플렉서, 그리고 4개의 독립적으로 프로그래밍 가능한 경로로 구성된 가중치 코어를 통합합니다. 각 가중치 경로는 5개의 Ge2Sb2Se4Te1 (GSST) 상변화 셀을 직렬로 포함하여 총 2…
TSE-Net: Semi-supervised monocular height estimation from single remote sensing images
단안 높이 추정은 원격탐사 분야 3D 인식을 위한 핵심 기술로, 다중 시점 또는 LiDAR 기반 방식에 비해 비용 효율적인 대안을 제공합니다. 딥러닝 기술의 발전에도 불구하고, 기존 단안 높이 추정 모델들은 대규모의 레이블링된 데이터 확보의 어려움으로 인해 성능 및 일반화에 제약이 있었습니다. 고품질 주석 데이터의 부족은 모델의 잠재력을 충분히 발휘하지 못하게 하는 주요 원인입니다. 이러한 한계를 극복하고자, 본 연구에서는 대량의 레이블링되지 않은 데이터를 활용하는 준지도 학습 프레임워크인 TSE-Net(Teacher-Studen…
Evidence map of mixed reality as templates in orthognathic surgery: a scoping review
본 연구는 턱교정 수술에서 혼합현실(MR) 및 증강현실(AR)을 수술 중 내비게이션-전이 템플릿으로 활용하는 현황을 매핑하기 위한 범위 검토(scoping review)이다. 가상 수술 계획을 실제 수술 환경으로 정확하게 옮기는 것은 턱교정 수술의 핵심 과제이며, MR/AR 기술은 이 과정의 정밀도를 높일 잠재력을 가지고 있다. PubMed, Embase, Cochrane Library 데이터베이스를 2026년 9월 19일까지 검색하고 수동 및 인용 검색을 보완하여 총 364개의 기록을 식별했다. 두 명의 검토자가 독립적으로 스크…
Research on Exploring Practical Pathways for Integrating Vocational Skills into English Teaching in Higher Vocational Education
고등 직업 교육에서 직업 역량과 영어 교육의 심층적 통합은 인재 양성이라는 본질적 사명을 달성하고 고품질 기술 인력을 육성하는 데 필수적입니다. 본 연구는 역량 기반 교육, 특정 목적을 위한 영어(ESP), 상황 인지 이론을 바탕으로 직업 역량의 의미와 차원을 명확히 한 후, 현재 고등 직업 영어 교육이 직면한 과제들을 체계적으로 분석합니다. 커리큘럼과 직무 요구사항 간의 불일치, 평가에서 전문 역량 소홀, 교사의 실무 경험 부족 등이 주요 문제점으로 지적됩니다. 이러한 문제 해결을 위해 연구는 목표 통합, 내용 재구성, 방법 혁…
Explainable hybrid ensemble framework for lung cancer classification using deep CNNs and random forest
폐암은 전 세계적으로 주요 암 사망 원인이며, 흉부 CT 분류는 조기 진단 및 환자 관리에 중요합니다. 그러나 기존 딥러닝 기법은 대규모 주석 데이터셋과 높은 연산 자원을 요구하며, 해석 가능성이 부족하다는 한계가 있습니다. 본 연구는 DenseNet169와 MobileNetV2 두 가지 전이 학습 기반 딥 CNN 모델을 활용한 다중 클래스 폐암 분류를 위한 설명 가능한 하이브리드 앙상블 프레임워크를 제안합니다. 여러 앙상블 기법을 통해 각 모델의 클래스 확률 출력을 결합하고, 예측에 기여하는 이미지 영역을 시각적으로 설명하기 위…
Personal Health Data for Sale: Lessons from the European Union to Strengthen Canadian Privacy
개인 건강 데이터는 질병 관리 및 치료 발전과 수익성 있는 시장 통찰력 확보에 중요한 자산으로 인식되고 있습니다. 디지털 헬스 기술의 확산으로 데이터 가용성이 증가했지만, 캐나다에서는 공공 부문의 통합된 데이터 수집 접근 방식이 부재하여 잠재적 이점을 얻기 위해 민간 데이터 중개업체에 의존하는 경향이 있습니다. 이로 인해 제약회사가 개인 건강 데이터 시장의 주요 소비자가 되었습니다. 현재 캐나다의 개인 정보 보호법은 데이터 조작의 정교함에 대응하기에는 미흡한 구식 보호 메커니즘에 의존하고 있습니다. 본 연구는 이러한 규제 프레임워…
MatchCake: A Python Simulator for Non-Interacting Fermionic Quantum Circuits with Machine Learning Applications
이 초록은 MatchCake 파이썬 시뮬레이터의 최근 업데이트 및 개선 사항을 요약합니다. MatchCake는 비상호작용 페르미온 양자 회로 시뮬레이션에 특화되어 있으며, 머신러닝 응용 분야에 활용될 수 있습니다. 본 업데이트는 주로 소프트웨어의 안정성, 효율성, 문서화 및 사용자 경험 향상에 중점을 두었습니다. 주요 개선 사항으로는 다정밀도 부동소수점(mpf) 연산 최적화, Pfaffian 계산을 위한 청킹(chunking) 지원 추가, 확률 전략 디스패처 활용도 개선 등이 포함됩니다. 또한, PennyLane 개발 레지스트리 …
Knowledge-distilled decentralized federated learning for privacy-preserving medical image analysis
연합 학습(FL)은 분산된 의료 기관들이 데이터 프라이버시를 유지하며 모델 훈련에 협력할 수 있는 유망한 방법으로 주목받고 있습니다. 그러나 기존 연합 학습 방식은 중앙 집중식 집계와 빈번한 가중치 공유에 의존하여, 특히 비독립동일분포(non-IID) 조건에서 분류 및 분할을 포함하는 의료 영상 작업에서 확장성, 견고성, 프라이버시 문제를 야기합니다. 본 논문은 중앙 서버 없이 작동하며, 원시 가중치나 기울기 대신 공유된 공개 참조 데이터셋에서 계산된 온도 스케일링된 소프트 예측만을 전송하는 지식 증류 분산형 연합 학습(KD-DF…
Photonic Neuromorphic Processing With Coupled Spiking Silicon Microrings
뉴로모픽 광 아키텍처 확장을 위해서는 개별 네트워크 노드의 물리적 컴퓨팅 메커니즘 이해가 필수적입니다. 본 연구는 세 개의 동일한 마이크로링으로 구성된 SCISSOR(side-coupled integrated spaced sequence of resonators) 기반의 소형 수동형 비선형 광학 코어를 제안하고, 그 컴퓨팅 능력을 탐구합니다. 이 코어는 비선형성과 내부 피드백을 통해 주입 전력 및 파장 튜닝으로 아날로그, 스파이킹, 쌍안정 응답을 구현합니다. 시간 다중화된 리저버 컴퓨팅에서 단일 비선형 노드로 구현된 SCISSOR…
Malware classification in mobile Android platforms: background, concepts and traditional methods
모바일 기기는 현대 사회의 필수품이 되었으며, 사용자의 민감한 정보를 다수 포함하고 있습니다. 이러한 기기들은 데스크톱 컴퓨터와 유사하게 악성코드 위협에 노출될 수 있어, 사용자 보호를 위한 악성코드 분류의 중요성이 커지고 있습니다. 본 조사는 시장 점유율 70% 이상을 차지하는 안드로이드 운영체제 기반 모바일 기기의 악성코드 분류 문제에 초점을 맞춥니다. 이 조사는 안드로이드 플랫폼 및 관련 악성코드에 대한 배경 정보를 제공하고, 악성코드 분석 방법을 개괄적으로 제시합니다. 특히, 정적, 동적, 하이브리드 분석을 활용한 전통적인…
Faculty and administrative perspectives on artificial intelligence tool integration in higher education using cultural historical activity theory
본 연구는 Zayed University–Abu Dhabi의 College of Technological Innovation에서 고등교육 내 인공지능(AI) 도구 통합에 대한 교수진과 행정직원의 인식을 Cultural-Historical Activity Theory(CHAT)를 통해 분석합니다. 특히 학생 참여 및 학습과 관련하여 AI 도구 통합의 기회와 도전을 탐색했습니다. 반정형화된 인터뷰를 통해 교수진과 고위 행정직원의 AI 활용에 대한 인식된 이점, 위험 및 기관의 기대치를 조사했습니다. 연구는 AI가 개인 맞춤형 학습을 …
DATA PRODUCT STRATEGY FOR SCALABLE MICROSERVICE ARCHITECTURES
분산 및 데이터 중심 애플리케이션이 증가함에 따라 마이크로서비스 아키텍처에서 확장 가능한 데이터 관리가 필수적입니다. 기존 솔루션은 데이터 일관성, 스키마 변경, 도메인 간 조정 등에서 복잡성과 병목 현상을 야기하는 경향이 있습니다. 도메인 모듈성과 상호 운용성을 유지하면서 데이터 제품 기반 아키텍처 모델은 데이터 검색 및 소유권을 향상시킬 수 있습니다. 본 논문은 도메인 지향 설계, 메타데이터 기반 거버넌스, 셀프 서비스 데이터 플랫폼을 포함하는 개념적 설계와 참조 아키텍처를 제안합니다. 이 모델은 데이터 제품을 중심으로 데이터…
Gray langurs optimizer: a multi-group bio-inspired optimization algorithm
다수의 결정 변수와 제약 조건을 포함하는 복잡한 실제 문제들은 최적화가 필수적입니다. 이러한 문제 해결을 위해 메타휴리스틱 알고리즘이 도입되었으며, 이는 합리적인 시간 내에 최적의 해를 탐색합니다. 본 연구는 이러한 알고리즘의 중요성을 바탕으로 회색 랑구르 최적화(GLO)라는 새로운 메타휴리스틱 최적화 알고리즘을 제안합니다. GLO는 자연에서 관찰되는 회색 랑구르의 집단 행동에 착안했습니다. 회색 랑구르는 단일 수컷, 다중 수컷, 전체 수컷 집단으로 나뉘며, GLO는 이 세 집단의 행동과 사회적 계층을 수학적으로 모델링합니다. 또…
Identification of a natural product inhibitor of SARS-CoV-2 Mpro through integrated virtual screening, DFT, and molecular dynamics simulations
백신 내성 SARS-CoV-2 변이의 출현으로 인해 주요 단백질분해효소(Mpro)와 같은 보존된 바이러스 단백질을 표적으로 하는 새로운 항바이러스제 개발이 시급합니다. 본 연구는 신약 개발을 가속화하기 위해 다양한 전산 도구를 통합하는 컴퓨터 지원 약물 설계(CADD) 접근 방식을 활용하여 천연물 데이터베이스에서 잠재적인 Mpro 저해제를 식별하는 것을 목표로 했습니다. 연구 방법론은 가상 스크리닝, 밀도범함수이론(DFT) 계산 및 분자 동역학(MD) 시뮬레이션을 통합했습니다. ZINC15 천연물 데이터베이스의 224,205개 분…
QUBO sampling for mixed binary quadratic programming without continuous variable binarization
양자 어닐링 및 관련 조합 최적화 방법은 주로 QUBO(Quadratic Unconstrained Binary Optimization) 문제를 입력으로 받지만, 실제 모델에는 제약 조건과 연속 변수가 포함되는 경우가 많습니다. 기존 QUBO 변환 방식은 연속 변수를 이산화하여 이진 변수 차원을 증가시키고, 이는 낮은 에너지 상태의 실현 가능한 해를 샘플링하기 어렵게 만듭니다. 본 연구는 연속 변수를 이산화하지 않고 분리 가능한 MBQP(Mixed-Binary Quadratic Program) 클래스에 대한 라그랑주 승수 기반 방법…
A new image similarity metric for a perceptual and transparent geometric and chromatic assessment
기존의 PSNR, SSIM과 같은 전체 참조 영상 품질 평가(IQA) 지표는 질감 및 형태 왜곡에 대한 인간의 지각 판단과 일치하지 않는다는 한계가 있습니다. LPIPS와 같은 딥러닝 기반 지각 지표는 이러한 격차를 크게 줄였지만, 특정 영상 영역에 점수를 귀속하기 어려운 불투명한 결과를 생성하여 인공지능 규제 요구사항에 부합하지 못합니다. 본 연구는 지각적 비유사성을 두 가지 해석 가능한 항으로 분해하는 화이트박스 전체 참조 IQA 지표인 EDOKS(Earth mover’s Distance and Oklab Similarity)…
Realisation of a protected cat-qutrit manifold via engineered quantum tunnelling
위상 공간에서 양자 터널링을 제어하는 기술은 잡음 내성을 갖춘 논리 큐비트 매니폴드를 구현하는 유망한 방법으로 부상하고 있습니다. 특히 커(Kerr) 비선형성과 다중 광자 구동을 결합한 커 매개변수 발진기(KPO)는 이러한 목적에 적합한 시스템입니다. 본 연구에서는 3광자 KPO를 구현하고, 이를 보호된 보손 큐트릿으로서의 잠재력을 탐구했습니다. 3광자 라비 진동을 통해 양자 결맞음을 확인했으며, 위그너 함수 측정을 통해 3성분 캣 상태의 형성을 직접 관찰했습니다. 결정적으로, 구동되는 양자 시스템의 특징인 위상 공간에서의 '숨…
Towards the automated identification of data constraints in software documents
데이터 제약은 소프트웨어 시스템에서 허용되거나 요구되는 데이터 값을 명시하는 중요한 비즈니스 규칙이지만, 주로 자연어 텍스트 형태로 소프트웨어 아티팩트에 기술됩니다. 본 연구는 자연어 소프트웨어 문서에서 데이터 제약을 자동으로 식별하는 과제에 초점을 맞춥니다. 이를 위해 9개 소프트웨어 시스템의 자연어 아티팩트에 기술된 546개 데이터 제약을 분석하여, 이해관계자들이 자연어로 데이터 제약을 기술할 때 사용하는 9가지 언어적 담화 패턴을 발견하고 문서화했습니다. 이 패턴들을 활용하여 제약 식별 및 추출 문제를 텍스트 매칭 및 분류 …
Tensor Products of Multimatroids and a Brylawski-Type Formula for the Transition Polynomial
브릴라우스키(Brylawski)의 텐서곱 공식은 두 그래프나 매트로이드의 텐서곱에 대한 투트(Tutte) 다항식을 텐서 인자에서 파생된 투트 다항식으로 표현합니다. 표면에 내장된 그래프의 볼로바스-리오단(Bollobás–Riordan) 및 전이 다항식에 대해서도 유사한 텐서곱 공식이 알려져 있습니다. 본 연구는 이러한 공식들이 멀티매트로이드에 대한 보다 일반적인 결과의 특정 사례임을 보입니다. 이를 위해 멀티매트로이드 전이 다항식에 대한 텐서곱 공식을 제시합니다. 이 공식이 브릴라우스키의 원래 공식과 그 위상학적 유사 공식들을 포…
NLTS Hamiltonians from Good Quantum Codes
프리드먼과 헤이스팅스가 제안한 NLTS(No Low-Energy Trivial State) 추측은 낮은 에너지 상태가 비자명한 복잡성을 지닌 해밀토니안 계열이 존재함을 주장합니다. 여기서 복잡성은 상태를 준비하는 양자 회로의 깊이로 측정됩니다. 본 연구는 양자 정보 과학 분야의 오랜 난제였던 이 NLTS 추측을 증명합니다. 구체적으로, 일정한 비율과 선형 거리를 갖는 qLDPC(quantum Low-Density Parity-Check) 코드 계열이 NLTS 국소 해밀토니안에 해당함을 보였습니다. 이러한 결과는 특정 양자 코드의…
An adaptive federated deep learning approach for efficient DDoS detection in IoT edge networks
사물 인터넷(IoT)의 급증은 네트워크 공격 표면을 확장하며, 자원 제약적인 환경에서 DDoS 및 봇넷 활동을 정확하게 탐지할 필요성을 증대시켰습니다. 기존 중앙 집중식 침입 탐지 시스템(IDS)은 프라이버시, 확장성, 이질성 문제로 인해 IoT 환경에 부적합합니다. 본 연구는 이러한 한계를 극복하고자 IoT 엣지 네트워크를 위한 연합 학습 기반 침입 탐지 시스템(FL-IDS)을 제안합니다. 제안된 FL-IDS는 각 클라이언트가 하이브리드 CNN-LSTM 모델을 로컬에서 훈련하고, 중앙 서버는 연합 평균화(FedAvg)를 통해 클…
Seeing through others’ eyes in immersive VR: insights from a user study
협업 가상현실(VR)이 교육 현장에서 점차 활용되고 있으나, 교사는 학생들이 동일한 시점을 공유하며 정보를 제대로 인지하는지 확인하는 데 어려움을 겪습니다. 특히 가상 환경에서 특정 영역을 지시하고 설명할 때, 학생이 교사와 같은 시점을 보는 것이 중요합니다. 본 연구는 이러한 문제 해결을 위해 기존의 시점 공유 방식들을 분석하고, 새로운 방식인 '모델 이동(Model Movement, MM)' 기법을 제안합니다. 본 연구는 텔레포트, 2D 뷰(연속 스트리밍 유무 포함) 등 기존 문헌에서 흔히 사용되는 시점 공유 방법들을 검토하고…
Train-Free Segmentation in MRI with Cubical Persistent Homology
본 연구는 위상 데이터 분석(Topological Data Analysis)에 기반한 무학습(train-free) MRI 분할 프레임워크를 탐구합니다. 이 파이프라인은 세 단계로 진행됩니다. 먼저 자동 임계값 설정을 통해 분할할 전체 객체를 식별하고, 다음으로 위상이 미리 알려진 특징적인 부분 집합을 감지하며, 마지막으로 분할의 다양한 구성 요소를 추론합니다. 핵심 요소는 퍼시스턴스 다이어그램(persistence diagram)에서 근사 대표 주기(approximate representative cycle)를 추출하는 것입니다.…
A sequential hybrid framework for medical feature selection using population transfer
의료 머신러닝에서 데이터셋은 종종 중복되거나 관련 없는 특징을 포함하므로, 특징 선택은 필수적인 전처리 단계입니다. 래퍼 기반 특징 선택에 메타휴리스틱 알고리즘이 유망한 결과를 보였지만, 조기 수렴 및 탐색 불안정성으로 인해 효과가 제한될 수 있습니다. 본 연구는 개체군 전이 전략을 기반으로 하는 의료 특징 선택을 위한 순차적 하이브리드 프레임워크를 제안합니다. 제안된 프레임워크는 세 가지 탐색 지향 메타휴리스틱(PSO, HHO, BSO)과 이진 Al-Biruni Earth Radius(bABER) 알고리즘을 통합합니다. 최적화 …
Is K-fold cross validation the best model selection method for machine learning?
기계 학습은 복잡한 패턴을 효과적으로 표현하며, 다중 소스 및 이종 정보 융합 시나리오에서 예측 추론에 큰 잠재력을 가집니다. K-겹 교차 검증(CV)은 기계 학습 결과가 우연에 의해 생성될 가능성을 평가하는 가장 일반적인 접근 방식이며, 종종 기존 가설 검정보다 우수한 성능을 보입니다. 이는 정확도와 같이 모수적 설명이 없는 기계 학습 분류에서 직접 얻은 측정치에서 비롯됩니다. 융합 지향 기계 학습 파이프라인 내에서 빈도주의적 분석에 접근하기 위해, 순열 검정 또는 데이터 분할(즉, 폴드)의 간단한 통계를 추가하여 신뢰 구간을 …
Cryptanalysis and Improvement of a Video Cryptosystem via Chaos and S-Box
최근 카오스 기반 멀티미디어 암호 시스템은 초기 조건 민감성 및 장기 예측 불가능성 등 비선형 특성으로 인해 암호학적 혼돈 및 확산 요구사항과 부합하여 주목받고 있습니다. 그러나 많은 시스템이 표준화 부족과 보안 설계 원칙 위반으로 실제 취약점을 노출하고 있습니다. 본 연구는 널리 인용되는 비디오 암호 시스템에 대한 포괄적인 암호 분석을 제시합니다. 이 시스템은 12D 카오스 맵 또는 이케다 지연 미분 방정식(DDE)에서 파생된 S-박스 치환과 CBC(Cipher Block Chaining) 확산 방식을 결합합니다. 암호화 구조 분…
Revisiting long-term time series forecasting: an investigation on affine mapping
장기 시계열 예측(LTSF)은 최근 큰 주목을 받고 있으며, 다양한 특화 모델들이 제안되었음에도 불구하고 단순 선형 레이어가 경쟁력 있는 성능을 보이는 연구 결과들이 발표되었습니다. 본 연구는 최신 LTSF 접근법의 본질적인 효과를 탐구하고, 아핀 매핑(affine mapping)의 핵심적인 역할을 규명합니다. 시뮬레이션 및 실제 데이터셋을 활용한 광범위한 실험을 통해 최신 모델들의 구성 요소를 분석했습니다. 특히 주기 신호 예측에서 아핀 매핑의 작동 메커니즘을 설명하는 이론적 분석을 제공하며, 가역 정규화(reversible n…
Petri Nets-based Methods on Automatically Detecting for Concurrency Bugs in Rust Programs
Rust는 소유권 및 생명주기 시스템을 통해 메모리 안전성을 보장하지만, 동시성 버그는 여전히 발생합니다. 기존 정적 분석기는 문맥 무감각성과 높은 오탐율 문제를 겪으며, 동적 분석기는 기하급수적인 경로 탐색으로 인해 막대한 런타임 비용을 초래하는 한계가 있습니다. 본 연구는 Rust 프로그램의 동시성 버그를 자동으로 탐지하기 위한 페트리 넷 기반의 새로운 방법을 제안합니다. 이 방법은 Rust 컴파일러의 MIR(Mid-level Intermediate Representation)을 활용하며, 세 가지 핵심 요소로 구성됩니다. 첫…
Controlling the Latent Diffusion Model for Generative Image Shadow Removal via Residual Generation
대규모 생성 모델은 다양한 시각 작업에서 놀라운 발전을 이루었지만, 이미지 그림자 제거 분야에서는 여전히 어려움이 있습니다. 기존 모델들은 사실적인 디테일을 생성하지만 이미지 콘텐츠의 정밀한 보존이라는 그림자 제거의 핵심 요구사항을 충족하지 못하고, 종종 충실도보다는 다양성에 치중하는 경향이 있습니다. 본 연구는 그림자 없는 이미지를 처음부터 재생성하려던 기존 접근 방식과 달리, 확산 모델을 활용하여 이미지 잔차를 생성하고 정제하는 새로운 전략을 제안합니다. 이 방법은 그림자 진 이미지에 내재된 상세 정보를 최대한 활용하여 그림자…
Locking Down Science Gateways with Landlock and Seccomp
최신 리눅스 커널에 도입된 Landlock은 Seccomp와 유사하게 실행 중인 프로세스가 특정 시스템 자원(네트워크, 파일 시스템 등)에 대한 접근 권한을 선택적으로 포기할 수 있게 하는 보안 기능입니다. Landlock은 Seccomp의 후속이라기보다는 상호 보완적인 기능을 제공합니다. 본 논문은 사용자 입력(종종 비정제된)을 파싱하고 처리해야 하는 과학 게이트웨이의 보안을 강화하기 위해 Landlock과 Seccomp(Landlock/Seccomp) 조합의 적용 가능성을 평가합니다. 저자들은 세 가지 성숙한 과학 코드에 La…
Edge Multiway Cut and Node Multiway Cut are Hard for Planar Subcubic Graphs
가중치 에지 다중 절단(Edge Multiway Cut) 문제는 최대 차수 3의 평면 그래프에서 NP-완전임이 알려져 있습니다. 반면, 비가중치 버전은 최대 차수 11의 평면 그래프에서만 NP-완전성이 증명되었으며, 최대 차수 3 그래프에서의 복잡성은 20년 이상 미해결 과제로 남아 있었습니다. 본 연구는 비가중치 에지 다중 절단 문제가 최대 차수 3의 평면 그래프에서도 NP-완전임을 증명하여, 기존의 복잡성 간극을 해소했습니다. 가중치 에지 다중 절단이 최대 차수 2 이하 그래프에서 다항 시간 내에 해결 가능함을 고려할 때, 이…
Neural dynamics of reconstructing knowledge structure from temporally disordered inputs
인간은 파편화된 경험을 통합하여 일관된 내적 모델을 형성하는 놀라운 능력을 지녔지만, 시간적으로 무질서한 입력으로부터 구조를 재구성하는 신경 역학은 아직 명확히 밝혀지지 않았습니다. 본 연구는 지식 재구성이 지연된 2단계 신경 궤적을 따른다는 것을 보여줍니다. 두 독립적인 코호트가 행동 테스트 또는 기능적 자기공명영상(fMRI) 스캔 동안 뒤섞인 비디오 강의를 통해 복잡한 물리학 개념을 학습했습니다. 무질서한 입력을 받은 학습자들은 내적 모델이 전문가가 정의한 구조와 일치하기까지 충분한 정보 축적 시간이 필요했습니다. 후대상피질…
Enhancing security in LLM applications: a performance evaluation of early detection systems
프롬프트 주입(PI) 공격, 특히 프롬프트 유출은 LLM 기반 애플리케이션에 심각한 기밀성 위협을 초래하며, 기존 방어 체계는 이를 정확히 식별하지 못하고 우회될 수 있어 LLM의 광범위한 도입을 저해합니다. 현재 PI 탐지 도구의 실제 효과에 대한 실증적 연구가 부족하며, 기존 도구의 탐지 정밀도와 개선 방안에 대한 실질적인 지식이 부재합니다. 본 연구는 초기 프롬프트 주입 탐지 시스템의 역량을 평가하기 위해 여러 오픈소스 솔루션에 구현된 탐지 기법의 성능에 초점을 맞추었습니다. 컨텍스트 무시 및 컨텍스트 조작과 같은 널리 사용…
The equivalence of quantum deletion and insertion errors on permutation-invariant codes
양자 동기화 오류는 양자 시스템 내 큐비트 수를 변화시키는 오류 유형입니다. 고전적 동기화 오류 정정은 삽입-삭제 등가성을 포함하여 반세기 이상 활발히 연구되었으나, 양자 오류 정정 분야에서는 이에 상응하는 양자 삽입-삭제 등가성에 대한 진전이 미미했습니다. 본 연구는 순열 불변 코드에서 양자 삽입-삭제 등가성이라는 오랜 문제를 다루며, 이러한 코드가 t-삽입 오류를 정정할 수 있는 조건을 상세히 규명합니다. 이러한 조건들을 양자 삽입-삭제 오류로 확장하여, 순열 불변 코드가 (t, s)-삽입-삭제 오류를 정정할 수 있는 보다 엄…
EDAFNet: efficient dual attention fusion network via multi-exposure image for HDR reconstruction
다중 노출 저명도 범위(LDR) 이미지로부터 고명도 범위(HDR) 이미지를 재구성하는 것은 움직임 및 노출 불일치 상황에서 밝고 어두운 영역의 세부 사항을 보존하며 넓은 휘도 범위를 복원하는 것을 목표로 합니다. 그러나 높은 재구성 충실도는 종종 계산 복잡도 증가를 수반하며, 이는 실제 적용에 있어 주요 제약이 됩니다. 본 논문은 효율적인 이중 주의 융합 네트워크(EDAFNet)를 제안합니다. 이 네트워크는 CBAM 기반 초기화, 교차 노출 정렬 및 융합을 위한 계층적 지역 및 전역 주의 메커니즘, 그리고 깊이별 분리 컨볼루션을 …
A novel real-time integrated adaptive stable offloading (RIASO) algorithm in multi-access edge computing
사물 인터넷(IoT) 기기는 제한된 연산 능력과 배터리 수명으로 인해 모바일 엣지 컴퓨팅(MEC) 환경에서 연산 오프로딩(MCO)을 통해 인접한 고성능 서버의 자원을 활용합니다. 이러한 태스크를 사용자 기기 또는 엣지 서버에서 실행할지 결정하는 과정은 딥러닝(DRL)과 같은 인공지능 기법으로 최적화될 수 있습니다. 본 연구는 리아푸노프 최적화(LO), 다중 출력 학습(MOL), 그리고 DRL을 기반으로 하는 실시간 통합 적응형 안정 오프로딩(RIASO) 알고리즘을 제안합니다. RIASO는 훈련 시작 시간을 조절하는 새로운 훈련 정…
Perceived digital competence following virtual reality-supported physics learning in junior secondary schools
가상현실(VR) 기반 물리 학습은 학생들의 과학 이해와 디지털 역량을 동시에 강화할 수 있는 유망한 접근 방식으로 주목받고 있습니다. 본 연구는 4개 중학교 학생들을 대상으로 VR 기반 태양계 학습 참여 후 학생들이 인지하는 디지털 역량 수준을 탐색했습니다. 양적 사후 개입 설계를 활용하여 총 144명의 학생(각 학교 36명)이 참여했으며, 25개 문항으로 구성된 자기 보고형 설문지(ADI-S)를 통해 디지털 기술 활용, 정보 문해력, 디지털 학습, 콘텐츠 생성 및 평가, 디지털 소통 및 출판 역량을 측정했습니다. 전반적인 평균…
Extremal trees with prescribed burning numbers
그래프 버닝은 소셜 영향력 확산 모델에서 파생된 개념으로, 버닝 넘버는 확산 속도를 측정합니다. 본 연구는 주어진 버닝 넘버에 대해 차수(order) 측면에서 극단적인 그래프의 특성을 규명하는 자연스러운 문제에 주목합니다. 연결 그래프의 버닝 넘버는 해당 그래프의 신장 트리 중 하나에 의해 결정되므로, 극단 트리에 대한 연구는 이 문제 해결에 중요한 통찰을 제공합니다. 이에 따라 본 연구는 주어진 버닝 넘버를 갖는 극단 트리를 그래프 동형(homeomorphism)까지 식별하는 데 중점을 둡니다. 이를 위해 동형적으로 기약 불가능…
Positive solutions of singular elliptic problems with unbounded exponents and unbounded convection term
본 연구는 특이점과 대류 항을 포함하는 디리클레 문제의 양의 해의 존재 및 비존재 여부를 탐구한다. 특히, 유계의 매끄러운 영역 $\Omega$에서 $-\Delta_p u = \frac{\lambda}{u^{\alpha}} + f(x,u,\nabla u)$ 형태의 디리클레 문제에 대한 양의 해의 존재성을 다룬다. 이 문제의 대류 항은 $u$와 $\nabla u$ 모두에서 상한이 없는 지수를 포함하는데, 이는 기존 문헌에서 다루지 않았던 드문 경우이다. 따라서 본 연구는 기존 연구의 범위를 넘어서는 광범위한 문제들을 해결한다. 문…
Stability of a Degenerate Thermoelastic Equation
본 연구는 균질 열탄성 막대에서 발생하는 선형 모델을 다룬다. 이 시스템은 구간 (0, 1)에서 열 방정식과 파동 방정식이 결합된 형태로, 외부 경계에서는 디리클레 경계 조건이 적용된다. 특히, x=0 지점에서 포물선형 성분이 퇴화하는 특성을 보인다. 연구는 약한 퇴화와 강한 퇴화의 두 가지 모델을 고려한다. 두 시스템의 잘 정의됨(well-posedness)과 점근적 안정성을 규명하는 것을 목표로 한다. 이를 위해 C0-반군 이론의 기법들을 활용하며, Prüss의 잘 알려진 결과에 기반한 주파수 영역 접근 방식을 사용한다. 승…
Constructing edge-disjoint Steiner trees in Cartesian product networks
카테시안 곱 네트워크는 두 네트워크의 속성을 결합하여 새로운 네트워크를 구성하는 데 활용됩니다. 이 연구는 그래프 F의 정점 부분집합 S를 연결하는 스타이너 트리의 개념과, S-스타이너 트리의 최대 에지-분리 개수를 나타내는 일반화된 국소 에지-연결도 λ(S)를 다룹니다. 또한, 그래프 F의 k개 정점 부분집합에 대한 최소 λ(S) 값인 일반화된 k-에지-연결도 λ_k(F)를 정의합니다. 본 논문에서는 두 그래프 G와 H의 카테시안 곱인 G□H에서 λ_k(G□H)에 대한 날카로운 상한과 하한을 제시합니다. 이는 G와 H가 가진 고…
A Survey on Retrieval-Augmented Text Generation for Large Language Models
거대 언어 모델(LLM)은 정적인 정보에 국한된다는 한계를 지닌다. 검색 증강 생성(RAG)은 정보 검색(IR) 기술과 딥러닝을 결합하여 LLM이 최신 외부 정보를 동적으로 통합할 수 있도록 함으로써 이러한 한계를 극복한다. 이 방법론은 주로 텍스트 영역에 초점을 맞추며, LLM이 생성하는 그럴듯하지만 부정확할 수 있는 응답에 대한 비용 효율적인 해결책을 제공하여 실제 데이터를 통해 출력의 정확성과 신뢰성을 향상시킨다. RAG는 성능에 영향을 미칠 수 있는 여러 개념을 통합하며 복잡성이 증가하고 있다. 본 논문은 RAG 패러다임을…
Blockchain-enabled wireless body area networks security from DDoS attacks using soft computing algorithms
본 논문은 블랙홀 및 분산 서비스 거부(DDoS) 공격으로부터 무선 신체 영역 네트워크(WBAN)의 보안을 강화하기 위한 블록체인 최적화 네트워크(BON) 프로토콜을 제안한다. 제안하는 접근 방식은 블록체인과 소프트 컴퓨팅 기술을 통합한다. 동적 클러스터링에는 Dragonfly 알고리즘을, 혼잡 제어 및 전송률 최적화에는 Grey Wolf 기반 퍼지 추론 시스템(GW-FIS)을 활용한다. 기존 블록체인 솔루션과 달리, 모든 노드가 아닌 선택된 클러스터 헤드만 블록체인에 참여시켜 경량화를 달성한다. 블록체인에는 노드 ID, 키 해시…
Preliminary validation of Cogniclear: a virtual reality cognitive screening tool for older adults against the Montreal Cognitive Assessment
가상 현실(VR)은 몰입감 있고 생태학적으로 타당한 과제 수행 및 지속적인 행동 모니터링을 통해 인지 평가에 새로운 가능성을 제공합니다. 그러나 VR 기반 평가의 성과가 상호작용 관련 요인보다는 실제 인지 기능에 반영되는지는 불분명했습니다. 본 연구는 몬트리올 인지 평가(MoCA)와의 관계를 조사하여 VR 기반 인지 평가 환경의 유효성을 평가하는 것을 목표로 했습니다. 40명의 고령자를 모집하여 38명이 두 가지 평가를 모두 완료하고 분석에 포함되었습니다. MoCA를 사용하여 인지 상태를 독립적으로 평가했으며, 시스템 상호작용 로…
From detection to action: Using LLM agents for Fault-Tolerant Control
본 연구는 플랜트별 지식을 기반으로 고장 감지 결과를 제약 조건을 고려한 복구 조치로 전환하는 능동형 내고장 제어(FTC)를 위한 에이전트 기반 대규모 언어 모델(LLM) 프레임워크를 제안한다. 이 프레임워크는 모니터링, 계획, 조치 합성, 시뮬레이션, 검증, 재프롬프팅 등 운영자 역할을 분해하는 다중 에이전트 워크플로우를 포함한다. 또한, 플랜트 데이터, 모델 및 사전 실행 테스트를 위한 시뮬레이션 서비스를 제공하는 디지털 공정 플랜트 트윈(DPPT)과 CPSMod 온톨로지를 기반으로 플랜트 지식을 그래프로 구성하는 그래프 검색…
Chaos-Enhanced Prototypical Networks for Few-Shot Medical Image Classification
신경방사선학 분야에서 데이터 부족은 소량 학습(Few-shot learning)의 주요 과제이며, 프로토타입 네트워크(ProtoNets)는 이를 해결하는 데 기여합니다. 그러나 기존 ProtoNets는 높은 클래스 내 분산과 MRI 아티팩트로 인해 프로토타입 드리프트 및 기하학적 불안정성에 취약합니다. 본 연구는 이러한 문제를 해결하면서도 모델 복잡도를 최소화하는 새로운 접근 방식을 제안합니다. 이를 위해 미세 조정된 ResNet-18 백본과 결정론적 로지스틱 카오스 모듈(Logistic Chaos Module, LCM)로 구성된…
DeMa: dual-path delay-aware Mamba for efficient multivariate time series analysis
교통 예측, 산업 유지보수 이상 감지, 건강 모니터링을 위한 궤적 분류 등 다양한 지능형 애플리케이션에서 정확하고 효율적인 다변량 시계열(MTS) 분석의 중요성이 커지고 있습니다. 기존에는 쌍별 의존성 포착 능력이 뛰어난 트랜스포머가 주로 사용되었으나, 이차적인 계산 복잡도와 높은 메모리 오버헤드로 인해 장기적이고 대규모 MTS 모델링에 한계가 있었습니다. 최근 선형 시간 복잡도를 가지면서도 표현력이 뛰어난 맘바(Mamba)가 유망한 대안으로 부상했습니다. 하지만 바닐라 맘바를 MTS에 직접 적용할 경우, 명시적인 변수 간 모델링…
UAV path planning based on improved Whale Optimization Algorithm in multi-obstacle scenarios
기존 고래 최적화 알고리즘(WOA)이 3D 무인항공기(UAV) 경로 계획에서 수렴 성능이 저조하고 지역 최적해에 빠지기 쉬운 문제를 해결하고자, 본 연구는 RRT* 알고리즘을 통합한 개선된 고래 최적화 알고리즘(R*WOA)을 제안한다. R*WOA는 RRT*를 활용하여 고품질 초기 모집단을 생성함으로써 모집단 다양성과 전역 탐색 능력을 향상시킨다. 또한, 선형 수렴 인자를 구분별 비선형 코사인 수렴 인자로 대체하여 반복 과정 전반에 걸쳐 탐색과 활용의 균형을 맞춘다. 마지막으로, 아크탄젠트 비선형 관성 가중치를 도입하여 위치 업데이트…
Unveiling the role of AI tools in language learning: a bibliometric study
인공지능(AI) 도구는 언어 교육, 학습, 피드백 및 상호작용 방식에 점차 큰 영향을 미치고 있습니다. 본 연구는 언어 학습 분야에서 AI 도구 연구의 발전 양상, 지적 구조, 그리고 새롭게 부상하는 주제들을 매핑하기 위해 서지 계량 분석을 수행했습니다. 연구 데이터는 Web of Science Core Collection에 등재된 2,036편의 동료 심사 저널 논문으로 구성됩니다. 기술 통계 분석, 서지 결합 분석, 그리고 동시 출현 단어 분석을 통해 연구 동향을 파악했습니다. 분석 결과, 2020년 이후 출판물 수가 현저히 …
Regularisation of regression trees by summation of p values
CART 회귀 트리의 복잡도를 결정하는 표준 방식은 교차 검증을 통해 미지의 데이터에 잘 일반화되는 예측 모델을 얻는 것입니다. 그러나 폴드 선택의 무작위성은 최종 트리 모델을 비결정론적으로 만들고, 교차 검증 절차는 시간이 오래 걸리며 훈련 데이터의 비효율적인 사용으로 이어질 수 있습니다. 본 연구는 노드별 통계 테스트를 기반으로 CART 회귀 트리의 성장을 멈추는 간단하고 결정론적인 인샘플(in-sample) 방법을 제안합니다. 이 테스트 절차는 변화점 탐지(change point detection)와의 연관성을 통해 도출되었…
Dynamics-informed machine learning for recovering extensive missing systems dynamics
관측 시계열 데이터의 결측치는 다양한 분야에서 복잡계 시스템의 신뢰할 수 있는 데이터 기반 모델링을 방해하는 주요 요인입니다. 특히 대부분의 변수가 광범위한 시계열 내 결측치와 변수 간 결측치를 동시에 보이는 고차원 시스템에서는 결측치 복원이 필수적이지만 매우 어렵습니다. 본 연구에서는 동역학 정보를 활용한 결측치 보간 프레임워크인 FPRM(Full-Partial Reconstruction Mapping)을 제안합니다. FPRM은 시계열 상호 의존성을 직접 학습하는 기존 방식과 달리, 상태 공간 재구성을 통해 내재된 동역학적 사전…
AC/DC: Automated Compilation for Dynamic Circuits
동적 양자 회로는 중간 회로 측정(MCM) 및 피드포워드 연산을 포함하며, 양자 정보 조작에 필수적입니다. 이는 양자 오류 수정, 양자 순간이동, 특정 상태 준비, 장거리 얽힘 게이트 구현 및 양자 알고리즘의 자원 오버헤드 감소 등 다양한 분야에서 활용됩니다. 본 논문은 이러한 동적 양자 회로를 자동 컴파일하는 새로운 프레임워크인 AC/DC를 제안합니다. AC/DC는 수치 최적화 기반 회로 합성 방법을 활용하여 임의의 유니터리 연산자나 상태를 준비하는 동적 양자 회로를 생성합니다. 주요 기여는 MCM 및 피드포워드 연산을 통합한 …
Real-time measurement error mitigation for one-way quantum computation
본 연구는 단일 큐비트 측정 오류를 완화하기 위한 양자 오류 완화 기법을 제안하며, 특히 단방향 양자 컴퓨팅에 적합하다. 기존 회로 기반 양자 컴퓨팅의 오류 완화 방법이 회로를 여러 번 실행해야 하는 것과 달리, 본 방법은 단방향 계산에서 측정 처리 중 실시간으로 측정 오류를 완화할 수 있다. 이를 위해 측정될 큐비트와 보조 큐비트 레지스터를 얽히게 한 후 추가로 측정한다. 모든 측정 결과에 대한 투표 프로토콜을 사용하여 단방향 계산이 계속되는 동안 발생하는 측정 오류를 실시간으로 완화할 수 있다. 오류율과 보조 큐비트 수에 따른 …
Trends and challenges in authorship analysis: a review of ML, DL, and LLM approaches
저작자 분석은 법의학 언어학, 학술 연구, 사이버 보안, 디지털 콘텐츠 인증 등 다양한 분야에서 중요한 역할을 수행합니다. 본 논문은 저작자 귀속(Authorship Attribution)과 저작자 검증(Authorship Verification)이라는 두 가지 핵심 하위 작업을 중심으로 2015년부터 2024년까지의 연구를 체계적으로 검토합니다. 이 연구는 전통적인 머신러닝(ML) 방식부터 딥러닝(DL) 모델, 그리고 대규모 언어 모델(LLM)에 이르는 최신 방법론들을 탐구하며, 이들의 발전 과정, 강점, 그리고 한계를 조명합니…
Time-optimal self-stabilizing leader election in population protocols
본 연구는 표준 개체군 프로토콜 모델에서 자가 안정 리더 선출 문제의 시간 복잡도를 최초로 탐구한다. 이 모델은 구별 불가능하고 익명인 에이전트들이 균일 무작위 스케줄링에 따라 쌍으로 상호작용하며, 프로토콜은 어떤 초기 구성에서도 단일 리더 에이전트로 수렴해야 한다. 기존의 유일한 프로토콜은 예상 병렬 시간 Θ(n²)이 소요되며 n개의 상태를 사용한다. 기존 프로토콜은 에이전트 상태 변화가 멈추는 '사일런트(silent)' 특성을 가지는데, 사일런트 프로토콜은 Ω(n)의 예상 병렬 시간을 요구한다. 본 연구는 최적의 O(n) 병렬…
Graph Neural Networks for Graphs With Heterophily: A Survey
최근 그래프 신경망(GNN)은 다양한 그래프 분석 태스크와 애플리케이션에서 빠르게 발전해왔습니다. 대부분의 GNN은 동일한 클래스에 속하는 노드들이 연결될 가능성이 높다는 동질성(homophily) 가정을 기반으로 합니다. 그러나 실제 시나리오에서 흔히 나타나는 이질성(heterophily), 즉 다른 레이블을 가진 노드들이 연결되는 경향은 기존 GNN의 성능을 크게 제한합니다. 이러한 문제에 대응하기 위해, 이 연구는 이질성 그래프를 위한 GNN에 대한 포괄적인 조사를 제공합니다. 기존 이질성 GNN 모델들을 체계적으로 분류하고…
Modality-aware differentially private federated learning for partially observed multimodal healthcare prediction
다중 모드 헬스케어 예측은 정형화된 전자의무기록, 의료 영상, 그리고 관련 메타데이터를 통합하여 정확도를 높일 수 있습니다. 그러나 이러한 모달리티들은 환자별로 불완전하게 관측되거나 임상 현장마다 불균등하게 분포하는 문제가 있습니다. 연합 학습은 환자 기록을 중앙 집중화하지 않고도 협력적인 모델 훈련을 가능하게 하지만, 클라이언트별 모달리티 가용성, 업데이트 신뢰성, 데이터 분포의 이질성으로 인해 프라이버시를 보존하는 최적화는 여전히 어렵습니다. 본 연구는 부분적으로 관측된 다중 모드 헬스케어 예측을 위한 모달리티 인지 차등 프라…
Differentially private and explainable machine learning for vasovagal syncope detection: a feasibility study of homomorphic encryption for secure inference
미주신경성 실신(VVS)은 흔한 일시적 의식 소실의 원인이지만 진단에 어려움이 있습니다. 표준 진단법인 기립경 검사(HUTT)는 민감도가 제한적이며, 인공지능(AI) 기반 도구는 프라이버시 및 해석 가능성 문제로 도입이 지연되고 있습니다. 본 연구는 HUTT에서 얻은 생체 신호를 활용하여 VVS 탐지를 위한 프라이버시 보호 개념 증명 프레임워크를 탐색합니다. 총 137명의 참가자(VVS 양성 54명, 음성 83명) 데이터를 분석하여 심전도(ECG) 및 혈압 신호에서 54개 특징을 추출했습니다. 차등 프라이버시 확률적 경사 하강법(…
Not your average podcaster: turn-taking timings and conversational role behavior in AI-generated dialogues
인공지능(AI)이 생성한 팟캐스트가 얼마나 자연스럽게 느껴지는지, 그리고 현재 어떤 한계가 있는지 탐색하는 연구가 진행되었습니다. 인간 대화의 핵심 요소인 턴 주고받기 타이밍과 상황에 적절한 역할 행동을 중심으로, Google의 NotebookLM 오디오 개요 기능으로 생성된 팟캐스트와 실제 인간이 제작한 팟캐스트를 비교 분석했습니다. 인간은 이전 화자의 발언 종료 시점을 정확히 예측하여 최소한의 중첩이나 공백으로 대화에 참여하며, 대화의 흐름 속에서 불필요한 반복을 피하고 관련 정보를 제공하는 등 사회적으로 적절한 행동 규칙을 …
Aligning Marine Spatial Data Infrastructures and Open Science for FAIR and sustainable ocean knowledge systems
해양 공간 데이터 인프라(MSDI)와 오픈 사이언스(OS)는 해양 데이터 관리, 공유, 재사용 방식을 혁신했지만, 그동안 별개의 영역으로 발전했습니다. 본 통합 연구는 이 두 분야의 연계가 FAIR(찾기 쉽고, 접근 가능하며, 상호운용 가능하고, 재사용 가능한)하고 지속 가능한 해양 지식 시스템을 어떻게 발전시킬 수 있는지 탐구합니다. 연구는 광범위한 공간 데이터 인프라(SDI) 및 OS 문헌에 대한 정량적 서지 분석과 54개 해양 관련 자료(PRISMA 선별 41개, 스노우볼링 13개)에 대한 정성적 통합 분석을 결합했습니다. …
ML-driven large-scale heterogeneous music-traffic data analysis
개인 맞춤형 음악 추천 시스템은 사용자의 과거 행동을 기반으로 선호 모델을 구축하여 관심 음악을 추천합니다. 사용자 선호는 장단기적으로 구분되며, 머신러닝과 컴퓨팅 기술 발전은 사용자 선호도 분석 및 추천 시스템 효율성 증진에 기여합니다. 그러나 대규모 이종 음악-교통 데이터의 정보 과부하와 데이터 희소성 문제는 여전히 존재하며, 데이터 가치를 극대화하기 위한 효과적인 통합이 주요 과제입니다. 이러한 문제를 해결하기 위해, 본 연구는 먼저 장단기 선호 모델링 기반의 음악 추천 모델을 제안합니다. 다음으로, 대규모 이종 음악-교통 …
Decentralized microphone pair selection for steered response power based localization in wireless acoustic sensor networks
분산 마이크 어레이에서 음원 위치 추정(SSL) 시 모든 마이크를 사용하면 계산 복잡성이 크게 증가한다. 무선 음향 센서 네트워크(WASN) 환경에서는 마이크 신호나 중간 특징 교환에 필요한 에너지와 대역폭 문제로 네트워크 수명까지 단축될 수 있다. 본 연구는 대규모 분산 마이크 어레이에서 SRP(Steered Response Power) 기반 SSL을 위한 세 가지 마이크 쌍 선택 방법을 제안한다. 첫 번째 방법은 지연 시간이 0일 때 강한 상호 상관 피크를 보이는 마이크 쌍을 선택한다. 이는 음원이 마이크 쌍의 광대역 방향에 …
On spaces of Euclidean triangles and triangulated Euclidean surfaces
본 연구는 정규화된 면적을 가진 유클리드 삼각형 공간에 비대칭 거리 함수를 도입하고, 이 거리 함수의 여러 속성을 탐구한다. 이 함수는 고전적인 톰슨 거리(Thompson distance)의 비대칭 버전으로 밝혀졌으며, 측지선(geodesics)을 기술하고 핀슬러(Finsler) 구조임을 증명하며 무한소 핀슬러 구조에 대한 공식을 제시한다. 나아가, 고정된 삼각분할(triangulation)에 적합한 곡면 상의 특이 유클리드 구조 공간에 핀슬러 계량(metric)을 도입하고, 그 측지선과 무한소 핀슬러 구조를 분석한다. 이는 곡면…
Toward the Rational Design of Molecular Field-Coupled Nanocomputing Candidates
분자장 결합 나노컴퓨팅(MolFCN)은 전하 수송 대신 정전기적 상호작용으로 정보를 전달하는 차세대 컴퓨팅 패러다임으로, 초저전력 논리 회로 구현 가능성을 제시합니다. 그러나 안정적인 논리 상태와 신뢰할 수 있는 정보 전파를 갖는 분자를 식별하는 것은 여전히 어려운 과제입니다. 이 연구에서는 MolFCN 분자 후보 물질의 합리적인 설계 및 검증을 위한 프레임워크인 LUFFY(Layered Unified Framework for MolFCN systematic analYsis)를 소개합니다. LUFFY는 합성 가능한 32개 분자에서…
Compression-Aware GPU Buffer Management
PCIe로 연결된 GPU와 같은 하드웨어 가속기는 자체적인 바이트 주소 지정 가능한 장치 메모리를 제공합니다. 데이터베이스 시스템이 이러한 메모리를 전역 버퍼 풀에 통합할 때, 전체 처리량과 대역폭을 극대화하기 위해 압축된 데이터와 관련 연산자를 최적의 장치에 배치해야 합니다. 본 논문은 SSD, RAM, GPU 장치 메모리에 걸쳐 인코딩된 페이지를 관리하는 3계층 버퍼 관리자를 제시합니다. 이 시스템은 코덱별 연산자를 통해 압축 해제, 선택, 조인 및 집계를 융합합니다. 이 접근 방식은 CPU(RAM의 비압축 데이터)와 GPU(…
Glider snake optimizer (GSO): a nature-inspired metaheuristic algorithm for global and engineering optimization problems
복잡한 공학 및 실제 최적화 문제 해결을 위해 효율적이고 적응성이 뛰어난 메타휴리스틱 알고리즘 개발이 필수적입니다. 본 연구에서는 나무 위 뱀의 활공 및 뱀형 이동 패턴에서 영감을 받은 새로운 자연 모사 알고리즘인 활공 뱀 최적화(GSO)를 제안합니다. 이는 해 탐색 및 수렴 제어 능력을 향상시킵니다. GSO 알고리즘은 다중 세그먼트 이동 메커니즘, 유연한 활공 경로 생성기, 엘리트 안내 모델을 통합하여 탐색과 활용 간의 효과적인 균형을 보장합니다. 이를 통해 전역 최적화 문제에서 강력한 성능을 발휘합니다. 23개의 고전 벤치마…
Robustness of SAM: Segment Anything Under Corruptions and Beyond
Segment Anything Model(SAM)은 객체 분할 능력과 제로샷 전이 학습 성능으로 주목받지만, 다양한 손상 조건에서의 견고성은 충분히 탐구되지 않았습니다. 특히 SAM이 형태보다 질감에 편향되어 있다는 기존 연구 결과가 있습니다. 본 연구는 SAM의 견고성을 종합적으로 평가하고 취약점의 근원을 분석합니다. 본 연구는 스타일 전이, 15가지 일반적인 손상, 로컬 패치 가림, 그리고 적대적 패치 공격에 대한 SAM의 견고성을 체계적으로 평가했습니다. 또한, 인간이 인지하기 어려운 전역 적대적 공격에 대한 취약성을 조사하…
Bias in Large Language Models: Origin, Evaluation, and Mitigation
거대 언어 모델(LLM)은 자연어 처리 분야에 혁신을 가져왔지만, 편향에 취약하다는 중대한 문제가 있습니다. 본 종합 리뷰는 LLM 편향의 발생 원인부터 현재의 완화 전략까지 포괄적으로 탐구합니다. 편향을 내재적 및 외재적 범주로 나누고, 다양한 자연어 처리(NLP) 작업에서 나타나는 양상을 분석합니다. 또한, 데이터 수준, 모델 수준, 출력 수준 접근 방식을 포함한 다양한 편향 평가 방법을 비판적으로 검토하여 연구자들에게 견고한 편향 탐지 도구 키트를 제공합니다. 완화 전략은 모델 이전, 모델 내, 모델 이후 기술로 분류하여 …
Artificial Intelligence and LGBTQI+phobia: Algorithms of Exclusion or Tools of Inclusion?
인공지능(AI) 시스템이 온라인 소통을 중재하며 디지털 공론장에서 성소수자(LGBTQI+) 커뮤니티의 가시성, 참여, 인정을 형성하고 있습니다. 그러나 AI 기반 콘텐츠 중재는 지속적인 동성애 혐오 및 트랜스젠더 혐오가 존재하는 맥락에서 작동하며, 편향, 배제, 그리고 유해 콘텐츠로부터의 불균등한 보호에 대한 우려를 제기합니다. 본 연구는 사회기술적 거버넌스 관점에서 AI 기반 성소수자 혐오 담론 중재에 대한 최신 학술 문헌을 분석합니다. PRISMA 2021 프레임워크에 따라 서지계량 및 사회기술적 매핑 방식을 활용했습니다. S…
Texture attention-guided adaptive LSB steganography with U-Net model and optional GA tuning integrated with ablation study
이미지 스테가노그래피는 디지털 커버 이미지 내에 비밀 이미지를 숨기는 기술로, 일반 사용자에게는 보이지 않아야 합니다. 기존 스테가노그래피 방식은 페이로드 용량(PC)이 높을수록 시각적 비탐지성이 저하되고, 탐지 및 이미지 왜곡에 대한 저항력이 감소하는 근본적인 한계에 직면합니다. 본 연구는 이러한 트레이드오프를 극복하고자 합니다. 제안하는 프레임워크는 커버 이미지에서 텍스처 맵을 추출하고, 어텐션 맵을 생성하며, 유전 알고리즘(GA) 최적화를 선택적으로 활용하여 내용 적응형 및 텍스처 어텐션 기반 방식으로 최대의 비인지성과 견고…
A Novel Three-Layered Security Framework for Enhancing Data Confidentiality in Cloud Storage Environments
클라우드 데이터 기밀성 확보를 위해 단일 암호화 알고리즘의 연산 강도를 높이는 기존 방식은 보안 수준에 비례하여 처리 시간과 암호문 크기를 증가시키는 문제를 안고 있습니다. 본 연구는 단일 암호화 방식의 한계를 극복하고, 가벼운 세 가지 변환을 순차적으로 적용하여 보안 강도를 분산함으로써 낮은 연산 및 저장 오버헤드로 높은 기밀성을 달성하는 것을 목표로 합니다. 이를 위해 Word-based Magic Rectangle Alphanumeric Data Obfuscation (WMRADO), 행렬 기반 스크램블링, 단일 키 이진 X…
Secure and scalable client pre-filtering and authentication framework for federated learning systems
분산화를 강조하는 연합 학습 시스템은 데이터의 개인 정보 보호 및 보안을 보장하며 협력적인 모델 훈련을 가능하게 합니다. 이러한 분산 시스템에서 클라이언트 인증은 무단 접근을 방지하고, 모델 준비 과정에서 승인되지 않은 사용자가 예외적이거나 관련 없는 사실을 추가하여 모델을 약화시키거나 오염시키고 일관성을 해치는 것을 막는 중요한 요소입니다. 본 연구는 이러한 문제를 해결하기 위한 새로운 2단계 클라이언트 검증 파이프라인을 제안합니다. 제안하는 프레임워크는 1단계에서 확률적 자료 구조를 활용한 경량 사전 필터를 도입합니다. 정적 …
Uncovering hidden factors in traffic crashes through text mining of Ohio police narratives
교통사고는 공중 보건에 심각한 위협을 가하지만, 기존 사고 데이터는 광범위한 분류에 의존하여 중요한 세부 사항을 간과합니다. 본 연구는 오하이오 사고 데이터셋 내의 모호한 범주인 “기타 부적절한 행동”과 “식별 불가”로 인해 발생하는 정보 격차를 해소하고자 합니다. 2020년부터 2024년까지의 67,000건 이상의 자유 텍스트 사고 기록에 대해 기술 통계, N-그램 분석, 잠재 디리클레 할당(LDA) 토픽 모델링을 결합한 다각적인 분석 프레임워크를 적용했습니다. 이를 통해 기존 분류에 가려져 있던 잠재적 기여 요인을 밝혀냈습니다…
Multilingual large language models do not comprehend all natural languages to equal degrees
대규모 언어 모델(LLM)은 정보 접근의 핵심 역할을 하지만, 대부분의 벤치마크가 서구권 고자원 언어에 집중되어 있어 LLM의 언어 이해 능력에 대한 이해는 제한적입니다. 영어는 LLM 성능이 가장 우수한 언어로 가정되며, 저자원 언어는 신뢰도가 낮다는 인식이 있지만, 최신 다국어 모델에서도 이러한 가정이 유효한지는 불분명합니다. 본 연구는 LLM의 언어 이해 능력 변화를 추적하기 위해 3가지 인기 모델을 인도유럽어족, 아프리카아시아어족, 튀르크어족, 중국티베트어족, 일본어족을 대표하는 12개 언어로 평가했습니다. 이 방법론을 통…
Towards secure distributed medical diagnosis: a blockchain-driven MCAU-Net and MAA-Bi-LSTM framework
폐암은 치사율이 높은 암으로, 조기 진단이 효과적인 치료의 핵심입니다. 딥러닝(DL) 기술은 의료진의 진단 부담을 줄일 수 있지만, 기존 모델들은 정확도와 확장성 문제로 질병 탐지 성능이 저하되는 한계가 있었습니다. 이러한 문제 해결을 위해 병원 간의 협력을 통해 더 나은 질병 탐지 성능을 제공하는 연합 학습(FL) 기반의 전역 데이터 학습 질병 탐지(GDTDD) 모델이 제안되었습니다. 본 연구에서는 먼저 각 병원의 폐 CT 이미지 데이터를 중앙값 필터링으로 전처리한 후, MCAU-Net(multi-Convolutional lay…
Traffic-Aware Imbalance Learning Network for Lightweight IoT Intrusion Detection
사물 인터넷(IoT) 네트워크의 급증은 이질적인 트래픽 특성, 대규모 연결성, 그리고 심하게 불균형한 공격 분포로 인해 사이버 보안 위험을 크게 증가시켰습니다. 기존 침입 탐지 방식은 주로 계산 비용이 높은 딥러닝 아키텍처나 합성 과표집 기법을 통해 전반적인 탐지 성능을 향상시키는 데 초점을 맞추지만, 트래픽 특징 간의 의미론적 관계를 간과하고 계산 복잡성을 증가시키며 소수 공격 패턴 학습 능력이 제한적이라는 한계가 있습니다. 본 논문은 경량의 불균형 학습 기반 IoT 침입 탐지를 위한 트래픽 인식 불균형 학습 네트워크(TAIL-…
ToxBench: a leakage-audited multi-task benchmark for predictive toxicology with calibration, uncertainty, and applicability domain analysis
독성 예측 머신러닝 모델은 무작위 분할로 인해 과대평가된 성능을 보고하는 경향이 있습니다. 이는 구조적으로 유사한 화합물이 훈련 및 테스트 세트에 동시에 나타나기 때문입니다. 본 연구는 이러한 과대평가를 정량화하고, 모델의 보정(calibration), 불확실성(uncertainty), 적용 영역(applicability domain) 분석을 통합한 엄격한 벤치마크의 필요성을 제기합니다. 저자들은 누출 감사(leakage-audited) 벤치마크인 ToxBench를 제안합니다. 이는 Tox21, ClinTox, SIDER 세 가지…
Unconditional and exponentially large violation of classicality
수십 년간 양자 역학 예측 검증은 주요 실험적 과제였습니다. 최근 기술 발전으로 특정 계산 작업을 통해 비고전성을 입증하는 시연이 있었으나, 복잡성 이론 가정 의존, 하드웨어 노이즈 취약성, 비효율적인 검증 등의 한계로 확장성에 대한 의문이 제기되었습니다. 본 연구는 보완 샘플링 기반 게임을 통해 비고전성을 검증하는 새로운 방법을 제안합니다. 이 게임은 입력과 출력이 확률 분포 샘플을 나타낼 때 양자 및 고전 계산 간에 가능한 가장 큰 분리를 달성하며 효율적으로 검증 가능합니다. 특히, 번스타인-바지라니 문제에서 영감을 받은 입…
nsEVDx: A Python Library for Stationary and Non-Stationary Extreme Value Modeling
본 논문은 정상 및 비정상 극단값 모델링을 위한 파이썬 라이브러리 nsEVDx의 최신 버전에 대해 다룬다. 이 버전은 이전 v0.2.7과 기능적으로 유사하며, 소프트웨어의 주요 변경 사항은 없다. 주요 업데이트는 JOSS(The Journal of Open Source Software) 심사 과정에서 제기된 의견을 반영하는 데 중점을 두었다. 여기에는 사소한 수정 사항, 논문에 제시된 결과의 재검증, 그리고 패키지 제목, 설명 및 문서화 개선이 포함된다. 이러한 개선은 라이브러리의 신뢰성과 사용 편의성을 높이는 데 기여한다. 특…
Het-node2vec: second-order random walk sampling for heterogeneous graph embedding
많은 실제 문제들은 노드와 엣지가 다양한 유형의 개체와 관계를 나타내는 이종 그래프로 자연스럽게 모델링됩니다. 기존 이종 그래프 표현 학습 모델들은 특정 사용자 정의 경로 계산에 의존하거나, 대규모의 확장성 없는 딥러닝 아키텍처를 사용하는 경향이 있었습니다. 본 연구는 node2vec 알고리즘을 확장한 Het-node2vec을 제안합니다. 이 방법은 2차 랜덤 워크 과정에 간단한 확률적 노드 유형 전환 전략을 도입하여, 그래프의 위상 및 구조적 특성과 노드 및 엣지 유형에 내재된 의미론적 정보를 동시에 포착함으로써 이종 그래프를 …
How Do We Cook Up Artificial Intelligence With Optimization Algorithms?
인공지능(AI) 개발은 복잡한 요리 레시피를 만드는 과정과 유사합니다. 과학자들은 수십억 개의 명령어를 조합하여 AI가 패턴을 인식하고, 문제를 해결하며, 인간처럼 추론할 수 있도록 만듭니다. 그러나 최적의 명령어 조합을 미리 알아내는 것은 거의 불가능합니다. 이러한 난제를 해결하기 위해 최적화 알고리즘이 핵심적인 역할을 합니다. 최적화 알고리즘은 AI의 성능을 평가하고, 문제점을 파악하며, 레시피를 개선하는 '유능한 셰프'와 같습니다. 이들은 AI가 더 스마트하고 강력해질 때까지 레시피의 더 나은 버전을 발견하도록 돕습니다. …
A Survey on 3D Gaussian Splatting
3D 가우시안 스플래팅(GS)은 최근 래디언스 필드 분야에 혁신을 가져온 기술로 주목받고 있습니다. 기존의 암시적 신경망 모델과 달리, 3D GS는 수백만 개의 학습 가능한 3D 가우시안을 활용하여 명시적인 장면 표현을 가능하게 합니다. 이는 미분 가능한 렌더링 알고리즘과 결합되어 실시간 렌더링과 탁월한 편집 용이성을 제공하며, 3D 재구성 및 표현 분야의 판도를 바꿀 잠재력을 지니고 있습니다. 본 연구는 3D GS의 최근 발전과 핵심 기여를 체계적으로 조망하는 최초의 포괄적 개요를 제공합니다. 3D GS의 근본 원리와 등장 배경…
A Novel Multi-Dimensional U-Convolutional Neural Network (MDU-CNN) based Segmentation and Advanced Deep Learning based Classification Algorithm
흑색종은 가장 흔한 피부암 중 하나로, 전이 속도가 빨라 진단이 매우 복잡하며 전문 지식을 요구합니다. 전 세계적으로 피부암 발병률이 증가함에 따라 의료진의 신속하고 정확한 진단을 돕는 자동화된 시스템의 필요성이 커지고 있습니다. 본 연구는 다단계 프레임워크를 제안합니다. MuGIF(Mutually Guided Image Filtering)를 통해 노이즈를 줄여 이미지 품질을 향상하고, 제안하는 MDU-CNN(Multi-Dimensional U-Convolutional Neural Network)으로 병변 영역을 분할합니다. 이후…
Squeezed‐State Semi‐Device‐Independent Quantum Randomness Generation
본 논문은 신뢰할 수 있는 이진 순수 상태 소스와 신뢰할 수 없는 이진 검출기를 활용하여 준-장치 독립 양자 무작위성 생성을 탐구한다. 검출기의 부가 정보는 고전적인 것으로 가정한다. 우리는 두 소스 상태의 신뢰할 수 있는 그램 중첩과 관측된 대칭 오차 확률에만 의존하는 닫힌 형태의 섀넌율 표현식을 도출했다. 완전한 이진 큐비트 POVM(Positive Operator-Valued Measure) 최적화에는 투영 전용 처리에서 누락되었던 두 결정론적 극단점을 포함해야 한다. 이들을 포함하면 인증된 무작위성 비율이 상당히 낮아지고 …
Neural Probabilistic Circuits: Enabling Compositional and Interpretable Predictions Through Logical Reasoning
최근 딥러닝 모델은 다양한 분야에서 뛰어난 성능을 보이지만, 그 작동 원리가 불투명하여 해석 가능성이 부족하다는 비판을 받습니다. 사후 설명 기법들은 이러한 문제를 해결하려 하지만, 블랙박스 모델을 정확히 반영하지 못해 오해를 불러일으키거나 불완전한 설명을 제공하는 한계가 있습니다. 본 연구는 이러한 문제를 극복하기 위해 본질적으로 투명한 모델 아키텍처인 신경 확률 회로(Neural Probabilistic Circuits, NPC)를 제안합니다. NPC는 속성 인식 모델과 확률 회로 기반의 태스크 예측기로 구성됩니다. 속성 인식…
Tailoring cellular automata for physically-based generation of periodic microstructures in powder bed fusion processes
적층 제조 금속의 유효 기계적 반응을 예측하려면 주기적 미세구조를 정확하게 표현하는 것이 필수적입니다. 기하학적 미세구조 생성 방식은 주기성을 쉽게 구현하지만, 응고의 방향성 및 이력 의존성 때문에 물리 기반 모델에서 주기적 도메인을 얻는 것은 어렵습니다. 본 연구는 316L 스테인리스강 레이저 기반 분말 적층 용융(PBF) 공정에서 주기적 미세구조를 생성하도록 맞춤화된 셀룰러 오토마타(CA) 프레임워크를 제안합니다. 레이저와 함께 움직이는 기준 프레임에서 용융 풀이 준정상 상태에 도달할 때 온도장의 스캐닝 방향 공간 불변성을 활…
A Machine-based Decision-maker Toward Benchmarking Interactive Multi-criterion Decision-making Procedures
대화형 다기준 의사결정(iMCDM) 절차는 의사결정자(DM)가 선호도를 제공하여 대안 솔루션을 반복적으로 생성, 비교하고 최종적으로 가장 선호하는 파레토 최적(PO) 솔루션에 도달하게 합니다. 일부 iMCDM 절차는 DM이 현재 솔루션의 목표를 개선, 완화, 무관심 또는 만족을 위한 다양한 범주로 명확하게 분류하도록 요구하며, 다른 접근 방식은 DM이 경쟁하는 두 개 이상의 솔루션을 비교하고 가장 선호하는 것을 지시하도록 합니다. 사전 정의되거나 무작위 PO 솔루션으로 시작하여, iMCDM 절차는 인간 DM의 안내에 따라 적절한 …
Integrating Particle Swarm Dynamics into Federated Learning: A Promising Hybrid to Counter Client Drift under Non-IID Conditions
연합 학습(FL)은 원본 데이터를 중앙 집중화하지 않고 분산 모델 훈련을 가능하게 하여 프라이버시에 민감한 IoT 환경에 적합합니다. 그러나 기존 FL 알고리즘은 통계적으로 이질적인(non-IID) 데이터 분포에서 클라이언트 드리프트로 인해 수렴 속도가 느려지고 성능이 저하되는 문제가 있습니다. 본 논문은 이러한 문제를 해결하기 위해 확률적 경사 하강법의 클라이언트 업데이트 규칙에 파티클 군집 최적화(PSO) 역학(속도 평활화, 개인 최적 기억, 전역 최적 조정)을 통합한 하이브리드 연합-군집 최적화(HFSO) 알고리즘을 제안합니다…
Towards an open registry of Earth observation instruments
지구 관측(EO)은 지구 시스템 이해에 필수적이며, 행성 특성을 측정 가능한 변수로 변환하여 분석, 비교, 모델링을 가능하게 합니다. 최근 EO 역량은 급격히 성장했으며, 이에 따라 EO 장비의 수와 다양성도 빠르게 증가했습니다. 그러나 위성, 항공, 지상 시스템에 배포된 수많은 장비에도 불구하고, 사용자들은 장비의 존재와 주요 특성을 설명하는 단일하고 신뢰할 수 있는 출처가 부족합니다. 기존 데이터 카탈로그는 데이터 제품 검색을 개선했지만, 장비 자체에 대한 영구적이고 선별된 메타데이터는 제공하지 못했습니다. 이 연구는 EO 장…
NB-Net: A Biologically-Inspired Framework for Neural Network Width Expansion
딥러닝은 다양한 분야에서 놀라운 성공을 거두었지만, 대부분의 연구는 네트워크 깊이 증가에 집중되어 너비 확장에 대한 체계적인 탐색은 부족했습니다. 생물학적 신경계 구조에서 영감을 받아, 신경망 너비를 확장하면 특징 공간의 해상도를 높여 더 풍부하고 미세한 시각적 특징을 포착할 수 있습니다. 본 연구는 생물학적 뉴런의 수상돌기와 축삭 형태 구조에서 영감을 받은 새로운 아키텍처인 NB-Net(Neuron Bundle Network)을 제안합니다. NB-Net은 혁신적인 듀얼 1x1 컨볼루션 융합 메커니즘을 통해 다중 브랜치 특징 통합…
Sonification of entanglement dynamics in many-qubit systems
양자 얽힘은 양자 역학에서 시청각 표현에 상당한 어려움을 제기한다. 소니피케이션(데이터의 청각적 표현)은 기존 시각화 기법을 보완하는 유망한 접근법이다. 이 연구는 다중 큐비트 시스템에서 얽힘의 동적 생성에 적용되는 소니피케이션 방법을 위상 공간 표현과 얽힘 측정값을 결합하여 탐구한다. 연구팀은 단일 축 비틀림 모델과 규칙적 및 양자 혼돈 행동을 보이는 양자 킥 로터 모델이라는 두 가지 모델에 의해 제어되는 동적 프로토콜 하에서 다중 큐비트 시스템의 얽힘 생성 동역학을 연구했다. 다중 큐비트 양자 상태의 위상 공간 표현과 폰 노이…
Intrinsic volumes of the quantum state space and mutually unbiased bases
유한 수준 양자 시스템의 상태 공간에 대한 기하학적 연구는 그 부피와 표면적을 밝혀냈습니다. 본 연구는 이러한 선행 연구를 바탕으로, 두 가지 추가적인 내재적 부피량에 대한 명시적 공식을 도출합니다. 차원 d에서 상호 비편향 기저(MUB)의 완전한 집합이 존재하는지 여부는 특정 볼록 다면체를 d-수준 양자 시스템의 상태 공간 내에 내접시킬 수 있는지 여부와 동등하게 해석될 수 있습니다. 본 연구의 동기 중 하나는 상태 공간의 내재적 부피가 해당 다면체의 내재적 부피보다 작을 경우, 이러한 내접이 불가능하다는 가설을 검증하는 것이었…
Synthesis of functional unknown input observers for MIMO systems with arbitrary relative degree
본 논문은 다중 입출력(MIMO) 선형 시불변 시스템을 위한 기능적 미지 입력 관측기(functional unknown input observer) 설계 문제를 다룬다. 기존 접근 방식들과 달리, 제안하는 방법은 임의의 상대 차수(arbitrary relative degree)를 갖는 시스템에 적용 가능하여, 적용 가능한 시스템의 범위를 크게 확장한다. 관측기 존재 조건과 상태 변수의 재구성 가능한 선형 조합을 정의하는 행렬 선택을 위한 명시적인 대수적 조건이 도출되었다. 이를 바탕으로 체계적인 합성 절차가 개발되었다. 제안된 …
Estimating lower bound functions in surrogate optimization
최적화 문제에서 하한(lower bound)은 탐색 방향 제시, 해의 품질 향상, 최적성 간극 정량화에 필수적입니다. 그러나 고비용 블랙박스 설정에서 함수의 거동이 도메인에 따라 변하면 립시츠 기반 추정 하한의 품질이 저하될 수 있습니다. 본 연구는 이 한계를 극복하고자 대리 모델 예측과 비선형 거리 측정법을 결합한 새로운 대리 기반 하한 프레임워크를 제안합니다. 제안하는 방법론은 함수 평가가 희소하게만 가능한 상황에서 더 유익한 하한 추정치를 제공하도록 설계되었습니다. 횔더(Hölder) 유형 구성에서 초선형, 선형, 아선형 거…
Immersive Web Virtual Environment for Language Learning: Multimodal Interaction and Error Correction Based on Speech, Gesture and Eye Tracking
기존 웹 기반 언어 학습 도구는 단일 상호작용 방식, 지연된 오류 교정 피드백, 불충분한 주의 감지 등의 한계를 지닌다. 본 연구는 이러한 문제 해결을 위해 음성, 제스처, 시선 추적을 통합한 다중 모드 몰입형 웹 가상 환경 최적화 방안을 설계하고 검증했다. 핵심 방법론으로, 고변동 상호작용 시나리오(음성 단절, 제스처 가림, 주의 분산 등)에서 기존 고정 임계값 방식의 오류 교정 실패 문제를 해결하는 ‘주의 가중치+동적 임계값’ 이중 메커니즘 적응형 융합 알고리즘을 제안한다. 또한, 지각-결정-피드백-조정의 4단계 폐쇄 루프 제…
Integrated technologies of care: proof-of-concept study on an integrated physiological and activity monitoring system to enhance independence and care
본 연구는 통제된 가정 환경에서 일상 행동을 검증하고 생리적 이상을 감지하는 다중 센서 활동 모니터링 시스템을 제안한다. 독립 생활 환경(1인 가구)에 최적화된 이 시스템은 7명의 참여자를 대상으로 일상생활 활동(ADL) 스크립트에 따라 개념 증명 평가를 수행했다. 이 과정에서 순차적이고 비동시적인 활동을 통해 센서 간 중첩을 배제하고 단일 참여자 조건에서 데이터를 수집했다. 시스템은 생리적 수분 공급 수준 및 호흡률을 측정하는 센서와 카메라, 접촉, 동작, 압력 센서를 활용하여 활동 유발 이벤트를 포착한다. 수집된 센서 데이터는…
Machine learning survival models for colorectal cancer: advantages of random survival forests over classification algorithms
대장암은 전 세계적으로 암 관련 사망의 주요 원인이며, 정확한 예후 모델 개발의 중요성이 커지고 있다. 기존 연구에서는 생존 예측 시 시간-대-사건(time-to-event) 데이터를 이진 변수로 변환하여 일반 분류 알고리즘을 적용하는 경우가 많았다. 이는 데이터의 시간적 특성과 중도 절단(censoring)을 무시하는 방법론적 한계를 내포한다. 본 연구는 이러한 관행의 문제점을 비판하고, 중도 절단을 적절히 처리하며 해석 가능한 생존 분석 전용 기계 학습 방법론의 필요성을 강조한다. 브라질 상파울루주 대장암 환자 데이터를 활용하…
Multi-Bin Batching for Increasing LLM Inference Throughput
대규모 언어 모델(LLM)의 활용이 증가함에 따라, 추론 시스템의 효율성 개선이 중요해지고 있습니다. 서버(예: GPU)에서 추론 작업을 스케줄링할 때 배치(batching)는 여러 요청을 병렬로 처리하여 처리량을 극대화하는 핵심 단계입니다. 그러나 요청별 생성 길이의 편차가 커서 하드웨어 자원 활용도가 저하되는 문제가 발생합니다. 이는 배치 내 가장 긴 요청이 완료될 때까지 다음 배치를 처리할 수 없기 때문입니다. 본 연구는 이러한 문제를 큐잉 이론 관점에서 정형화하고, 정적 배치(static-batching) 프레임워크 내에서…
Enhancing self-supervised representation learning through lightweight learnable data augmentation
자기 지도 학습에서 데이터 증강은 학습된 표현의 품질과 다양성에 큰 영향을 미치므로 핵심적인 역할을 한다. 그러나 기존 자기 지도 학습 방식 대부분은 고정된 확률적 증강 파이프라인에 의존하며, 적응형 대안들은 정책 탐색, 적대적 학습 또는 추가 최적화 절차에 따른 높은 비용을 요구한다. 본 논문에서는 자기 지도 시각적 표현 학습을 위한 ELM(Extreme Learning Machines) 기반의 경량 학습형 증강 프레임워크를 제안한다. 제안된 모듈은 이미지 의존적 변환 매개변수를 예측하고 이를 미분 가능한 증강 연산자를 통해 적…
Personalized federated recommendation via long-horizon local optimization and regularized knowledge guidance
연합 추천(FedRec)은 사용자 기기에서 원시 상호작용 데이터를 공유하지 않고 모델을 훈련하여 개인 정보 보호를 강화한 추천 시스템입니다. 그러나 개인화된 FedRec은 개인화와 자원 효율성 사이에서 여전히 상충 관계에 직면해 있습니다. 본 연구는 지역 최적화 관점에서 개인화를 재조명합니다. 충분히 긴 지역 최적화가 사용자별 아이템 구조를 형성할 수 있지만, 잦은 동기화나 전체 교체는 이를 방해할 수 있음을 발견했습니다. 이러한 관찰을 바탕으로, 본 연구는 모델 불가지론적 프레임워크인 FedRKG를 제안합니다. FedRKG는 장…
Developing trustworthy AI for climate services at scale
생성형 AI는 증가하는 수요에 맞춰 기후 서비스 규모를 확장하는 데 기여할 수 있습니다. 본 연구는 기후 데이터 접근성 향상, 의사결정 지원, 효율성 증대를 목표로 하는 두 가지 프로토타입 AI 시스템을 통해 이러한 접근 방식을 설명합니다. 연구 과정에서 AI 결과물의 책임, 품질, 신뢰성에 대한 주요 우려 사항들이 식별되었습니다. 이는 AI 시스템 개발 및 활용에 있어 중요한 고려사항입니다. 사용자 요구와 사회적 가치에 부합하도록 시스템을 구축하기 위해, 시스템 개발의 최신 모범 사례들을 현저성(salience), 신뢰성(cr…
A carbon aware job scheduling framework for data center sustainability using deep learning training
최근 딥러닝 워크로드의 급증은 데이터센터의 에너지 소비와 탄소 배출량 증가로 이어지고 있습니다. 기존의 탄소 추적 및 정적 스케줄링 시스템은 실제 머신러닝 운영 과정에서 탄소 인식을 구현하기에 역량이 부족하다는 한계가 있습니다. 본 논문에서는 실시간 및 예측 탄소 집약도를 AI 학습 프로세스에 통합하는 탄소 인지 스케줄링 프레임워크인 EcoSchedAI를 제안합니다. 이 시스템은 '탄소 기회 창(carbon opportunity windows)' 개념을 도입하여 저탄소 기간 동안 학습 작업을 선제적으로 스케줄링합니다. 또한, 작업…
Jailbreak and Guard Aligned Language Models With Only Few In-Context Demonstrations
대규모 언어 모델(LLM)은 다양한 분야에서 뛰어난 성능을 보이지만, 악의적인 공격에 취약하다는 문제가 있습니다. 특히, LLM은 유해하거나 비윤리적인 출력을 유도하는 '탈옥(jailbreaking)' 공격에 노출되기 쉽습니다. 본 연구는 LLM의 In-Context Learning(ICL)이 가진 독특한 효과와 확장성에 주목하여, 이를 LLM의 안전성 정렬(safety alignment)을 조절하는 데 활용할 가능성을 탐구합니다. 구체적으로, 본 연구는 유해한 예시를 통해 LLM의 안전 기능을 무력화하는 In-Context At…
Secure and fair outsourced decryption service of attribute-based ciphertext using blockchain
사물 인터넷(IoT) 시대에 자원 제약적인 기기가 증가함에 따라, 데이터 프라이버시 보호와 유연한 데이터 공유를 위한 속성 기반 암호화(ABE)의 복호화 연산을 강력한 프록시에 아웃소싱하는 것이 필수적입니다. 그러나 사용자-프록시 간의 내재된 불신은 보안 및 공정성 문제를 야기합니다. 사용자는 프록시가 데이터 기밀성을 침해하지 않고 복호화를 정직하게 수행하는지 우려하며, 프록시는 약속된 보상을 받을 수 있을지 걱정합니다. 본 연구는 이러한 문제를 해결하기 위해 블록체인 기반의 안전하고 공정한 속성 기반 암호문 아웃소싱 복호화 서비…
Factors affecting the effectiveness of massive open online course in health professional education: an updated rapid review
본 연구는 2020년 팬데믹 초기 보건의료 교육을 위한 MOOC(온라인 공개 강좌)의 효과 요인 및 장벽을 요약한 기존 신속 검토를 업데이트한다. 팬데믹 기간 동안 축적된 증거를 반영하고, 취약 계층을 대상으로 하거나 취약성을 콘텐츠로 다루는 MOOC의 역량에 대한 정보가 부족하다는 문제의식에서 출발했다. 연구는 이전 신속 검토를 갱신하여 보건의료 전문가 대상 MOOC 연구 현황을 기술하고, MOOC 효과에 영향을 미치는 요인들을 업데이트하며, 취약 계층을 교육 대상 또는 콘텐츠로 다루는 MOOC 사례를 조사하는 것을 목표로 했다…
From Intelligence to Delegation in Human-Agent Teams in Software Development
인공지능(AI) 에이전트가 소프트웨어 개발 팀에 깊이 통합되면서, 개발자들은 AI를 단순한 도구가 아닌 협력적인 팀원으로 인식하기 시작했습니다. 이러한 변화는 개발자들이 AI 에이전트를 얼마나 신뢰하고, 코드 생성, 디버깅, 시스템 설계와 같은 중요한 작업을 언제 위임할 의향이 있는지에 대한 중요한 질문을 제기합니다. 기존 연구는 AI를 도구로 다루는 경향이 있었으나, 현대 AI 에이전트는 요구사항 해석, 코드 생성 및 정제, 아키텍처 제안 등 복잡한 역할을 수행하며 불확실성 속에서 최적의 결과를 추구합니다. 본 연구는 인간-AI…
Robust joint estimation of galaxy redshift and spectral templates using online dictionary learning
이 연구는 온라인 사전 학습 알고리즘의 비선형 확장을 활용하여 천문 스펙트럼 탐사 데이터를 분석하는 새로운 접근 방식을 제시한다. SPHEREx와 같은 현재 및 향후 탐사는 수백만 은하의 적색편이를 추정하여 우주의 3D 지도를 구축할 예정이다. 기존 알고리즘은 수동으로 선별된 외부 템플릿에 의존하며, 모델 불일치 오류로 인해 성능이 제한적이다. 이러한 한계를 해결하기 위해, 본 연구는 전체 데이터셋에 공통적으로 나타나는 스펙트럼 특징과 각 은하의 적색편이를 동시에 추정하는 새로운 알고리즘을 개발했다. 기존 온라인 사전 학습 알고리…
A Selective Class Resampling Strategy for Robust Intrusion Detection Systems Under Severe Class Imbalance
사물 인터넷(IoT) 인프라에서 생성되는 대규모 정보 시스템 데이터는 심각한 클래스 불균형 문제를 내포하며, 이는 드물지만 치명적인 보안 위협을 탐지하는 침입 탐지 시스템(IDS)의 성능을 저하시킵니다. 기존의 오버샘플링 기법은 소수 클래스 데이터를 합성하여 불균형을 완화하지만, 상당한 계산 오버헤드를 발생시켜 시스템 효율성과 확장성을 저해합니다. 이는 모델의 효과성과 실제 IS 인프라에서의 배포 가능성 사이의 중요한 격차로 작용합니다. 본 연구는 이러한 한계를 극복하기 위해 계산 효율적인 클래스 리샘플링 전략을 제안합니다. 이 …
Comprehensive and reproducible grading of the Updated Sydney System in gastric biopsies using artificial intelligence: multi‐pathologist validation and a reader study
업데이트된 시드니 시스템은 위염 조직 등급 분류에 널리 사용되지만, 일상적인 위 조직 검사에서 모든 속성을 완전하게 분류하는 것은 시간이 많이 소요되며 병리학자 간의 편차가 발생합니다. 본 연구는 이러한 문제를 해결하기 위해 위 조직 검사에서 시드니 시스템의 5가지 속성을 포괄적이고 재현성 있게 분류하는 인공지능(AI) 시스템을 개발했습니다. 개발된 SydneyMTL은 50,765개의 전체 슬라이드 이미지로 학습된 약지도 다중 작업 다중 인스턴스 학습 프레임워크입니다. 이 모델은 단핵 세포 침윤, 호중구 활동, 선 위축, 장 상피…
Noise protected logical qubit in an open chain of superconducting qubits with ultrastrong interactions
내결함성 양자 컴퓨터 구현을 위해서는 큐비트의 결맞음 시간 증대가 필수적이다. 본 연구는 XX 및 YY 초강력 상호작용이 교대로 나타나는 초전도 큐비트 개방 사슬 시스템을 이론적으로 탐구한다. 이 시스템의 두 최저 에너지 고유 상태를 논리 큐비트로 활용하여, 개별 물리 큐비트보다 결맞음이 현저히 향상됨을 입증했다. 구체적으로, 논리 큐비트의 순수 위상 어긋남 시간과 이완 시간이 개별 물리 큐비트를 넘어 확장됨을 확인했다. 상호작용 강도 또는 사슬 내 물리 큐비트 수를 증가시킬 경우, 논리 큐비트의 순수 위상 어긋남 속도는 0으로 …
Repurposing Simple Educational Robots for Secondary Schools
본 논문은 Bee-Bot, Ozobot, Dot과 같은 간단한 교육용 로봇을 활용하여 중등 학습자와 예비 교사를 위한 수학 활동 3가지를 제시한다. 이 연구는 단순 로봇이 더 정교한 도구보다 본질적으로 우월하다고 주장하기보다는, 교수 설계, 과제 구조, 교사 지도가 수학 수업에서 로봇 활용의 동기 부여 가치를 어떻게 형성하는지 보여준다. 연구는 동기 부여, 교육용 로봇, 수학 학습에 관한 전문 문헌에 기반을 두고 있으며, 자율성, 역량, 관계성, 자기 효능감, 게임적 도전이라는 간결한 설계 관점을 통해 활동들을 해석한다. 각 활동…
Fast, unconditional reset and leakage reduction in fixed-frequency transmon qubits
양자 컴퓨팅에서 큐비트 상태의 온디맨드 초기화는 필수적인 전제 조건이다. 본 연구는 표면 코드 아키텍처와 호환되는, 튜너블 커플러로 쌍으로 연결된 고정 주파수 트랜스몬 큐비트 장치에서 이러한 초기화 프로토콜을 시연한다. 제안하는 방법론은 튜너블 커플러를 활용하여 원치 않는 큐비트 여기(excitation)를 큐비트의 판독 공진기로 전송하고, 이 여기는 다시 피드라인으로 감쇠된다. 이 과정은 다단계 큐비트 초기화, 누설 감소, 그리고 커플러 초기화를 포함하며 총 88나노초 만에 완료된다. 본 초기화 방식은 빠르고 무조건적이며, 9…
Recent Advances in Intelligent Data Analysis and Its Applications, 3rd Edition
인공지능, 빅데이터, 사물 인터넷의 급격한 발전은 데이터의 규모, 출처, 활용 시나리오를 전례 없이 확장시켰습니다. 이에 따라 데이터는 고차원성, 이질성, 동적 특성, 다중 모드와 같은 복잡한 양상을 띠게 되었으며, 이는 기존 데이터 분석 방식으로는 처리하기 어려운 새로운 도전 과제를 제시합니다. 본 연구는 이러한 복잡한 데이터 환경에 대응하기 위한 최신 지능형 데이터 분석 기법들을 종합적으로 탐구합니다. 특히, 딥러닝, 강화 학습, 전이 학습 등 인공지능 기반의 고급 분석 방법론들이 다양한 데이터 유형과 시나리오에 어떻게 적용될…
AI: Claude Code Model Comparative Study in MAPI
Claude Code는 개발 환경과 통합되어 코드 생성 및 문제 해결을 지원하는 에이전트 도구입니다. 이 도구는 여러 파일을 읽고 처리하여 정확한 결과물을 도출하며, 무료 및 유료 모델을 포함한 다양한 버전을 제공합니다. 본 연구는 Claude Code 모델 중 Sonnet-4.6, Opus3, Opus 4.6, Opus 4.7, Opus 4.8, Haiku를 사용하여 .Net C# 콘솔 애플리케이션에서 MAPI(Messaging Application Programming Interface)의 MAPISend 및 MAPISave 이…
The Integrated Decision Model in Emergency Dispatch Management and It's Implications for Design
본 논문은 여러 자연주의적 의사결정(NDM) 모델들을 검토하고, 이들 모델의 핵심 특징들이 동일한 자연주의적 의사결정 과정을 다양한 관점에서 나타냄을 확인한다. 이러한 특징들을 통합하여 '통합 의사결정 모델(Integrated Decision Model)'을 제안한다. 모델의 유효성을 검증하기 위해 응급 관제사들을 대상으로 연구를 수행했다. 비판적 의사결정 방법론(CDM) 기반 연구를 통해 모델이 자연주의적 환경에 얼마나 잘 부합하는지 평가했다. 연구 결과, 응급 관제 관리 과정에서 통합 의사결정 모델의 제안을 뒷받침할 충분한 …
Retrieval-Augmented Generation for AI-Generated Content: A Survey
인공지능 생성 콘텐츠(AIGC)는 모델 알고리즘 발전, 대규모 기반 모델 성장, 고품질 데이터셋 접근성 향상에 힘입어 빠르게 발전했습니다. 하지만 AIGC는 지식 업데이트, 롱테일 데이터 처리, 데이터 유출 완화, 높은 훈련 및 추론 비용 관리 등 여러 난관에 직면해 있습니다. 이러한 문제 해결을 위해 최근 검색 증강 생성(RAG) 패러다임이 부상했습니다. RAG는 정보 검색 과정을 도입하여 관련성 높은 객체를 데이터 저장소에서 검색함으로써 생성 정확도와 견고성을 향상시킵니다. 본 서베이 논문은 AIGC 시나리오에 RAG 기술을 통…
A Survey on Vision--Language--Action Models for Embodied AI
체화 인공지능(Embodied AI)은 물리적 세계에서 로봇이 작업을 수행하도록 제어하는 것을 포함하기에 인공 일반 지능(AGI)의 핵심 요소로 주목받고 있습니다. 최근 대규모 언어 모델(LLM)과 시각-언어 모델(VLM)의 성공을 기반으로, 언어 조건부 로봇 작업을 처리하고 행동을 생성하는 시각-언어-행동(VLA) 모델이 새로운 다중 모드 모델로 부상했습니다. 이처럼 빠르게 발전하는 VLA 모델 분야를 체계적으로 정리하기 위한 포괄적인 연구의 필요성이 증대되고 있습니다. 본 연구는 체화 인공지능을 위한 VLA 모델에 대한 최초의…
Trilhas metodológicas para a revisão narrativa: orientações pragmáticas para sua elaboração
과학 연구에서 신뢰성과 목표 달성을 위해 연구 방법론은 필수적이며, 문헌 검토는 지식 통합의 핵심 도구입니다. 특히 내러티브 리뷰와 같은 비체계적 검토의 엄격성과 품질을 보장하기 위한 구조화의 중요성이 강조됩니다. 이 연구는 내러티브 리뷰 수행을 위한 체계적인 방법론적 조직을 제안하는 것을 목표로 합니다. 내러티브 리뷰는 변수 조작 없이 2차 자료를 통해 지식을 종합하는 기술적, 횡단적 설계입니다. 이는 주관적인 조직과 임의적인 자료 선택을 특징으로 하며, 재현성보다는 이론적 관련성을 우선시합니다. 엄격한 방법론적 구조는 없지만,…
Smart and transparent grid stability prediction for efficient energy management using explainable AI
현대 전력 시스템은 재생에너지 및 스마트 그리드의 통합으로 인해 안정성 예측에 어려움을 겪고 있습니다. 기존 시스템은 동적인 전력 사용량과 재생에너지 공급의 불가피한 변동성을 실시간으로 추적하지 못하며, 예측 과정의 불투명성으로 인해 운영자가 의사결정 과정을 이해하기 어렵다는 한계가 있습니다. 이러한 불투명성은 신뢰 구축과 정보에 기반한 의사결정을 저해하는 주요 요인입니다. 본 연구에서는 이러한 문제 해결을 위해 투명하고 스마트한 설명 가능한 인공지능(XAI) 모델을 제안합니다. 특히, LIME(Local Interpretable…
Reinforcement learning for single-agent to multi-agent systems: from basic theory to industrial application progress, a survey
인공지능과 제어 과학이 융합된 강화 학습(RL)은 최적 제어 분야의 핵심 연구 주제로 부상하고 있습니다. 본 논문은 RL의 발전 맥락을 체계적으로 검토하며, 특히 단일 에이전트 강화 학습(SARL)과 다중 에이전트 강화 학습(MARL) 간의 본질적인 연관성에 주목합니다. 연구는 RL의 형성 및 발전 과정부터 시작하여, 다른 기계 학습 패러다임과의 유사점 및 차이점을 설명하고 주요 분야를 소개합니다. SARL의 기본 지식과 핵심 아이디어를 바탕으로 다중 에이전트 시스템(MAS)의 협업 제어로 확장하여, 이론적 프레임워크와 알고리즘 …
A Primer on Bayesian Neural Networks: Review and Debates
신경망은 다양한 문제 영역에서 뛰어난 성능을 보였지만, 예측의 과신, 해석력 부족, 적대적 공격 취약성 등 내재적 한계로 인해 광범위한 적용에 제약이 있었습니다. 이러한 문제 해결을 위해 불확실성 추정 기능을 통합한 베이즈 신경망(BNN)이 기존 신경망의 강력한 확장으로 부상하고 있습니다. 본 입문서는 신경망과 베이즈 추론의 기본 개념을 체계적으로 소개하고, BNN 개발을 위한 두 분야의 시너지적 통합을 명확히 설명합니다. 베이즈 방법에 익숙하지만 딥러닝 전문성이 부족한 통계학자, 또는 딥러닝에 능숙하지만 베이즈 통계 지식이 제한…
Scaffolding Generative AI as a Tutor: A Quasi-Experimental Study of Learning Outcomes and Motivational, Cognitive and Metacognitive Processes
고등 교육에서 생성형 인공지능(AI)은 수동적인 정보 도구를 넘어 상호작용적인 튜터 파트너로 활용이 증가하고 있습니다. AI는 학습 지원에 기회를 제공하지만, 인지적 부담 경감, 참여도 저하, 비반성적 사용에 대한 우려도 상존합니다. 복잡한 학습을 지원하는 데 스캐폴딩(비계 설정)이 효과적인 설계 원리임에도 불구하고, AI 기반 환경에서 인지 및 메타인지 과정에 미치는 역할은 충분히 탐구되지 않았습니다. 본 준실험 사전-사후 연구는 AI 튜터링 학습에서 스캐폴딩 수준이 학습 성과와 동기, 인지, 메타인지 과정에 미치는 영향을 조사…
The MVTec AD 2 Dataset: Advanced Scenarios for Unsupervised Anomaly Detection
최근 MVTecAD 및 VisA와 같은 기존 이상 감지 벤치마크에서 분할 AU-PRO 성능이 포화 상태에 이르러, 최첨단 모델 간의 변별력이 저하되고 있습니다. 이는 모델 비교를 어렵게 하고, 특히 머신러닝 결과의 확률적 특성을 고려할 때 분야 발전을 저해하는 요인으로 작용합니다. 본 연구는 이러한 한계를 극복하고자 MVTecAD2 데이터셋을 제안합니다. 이 데이터셋은 8개 객체 범주에서 8,000개 이상의 고해상도 이미지를 포함하며, 투명 및 중첩 객체, 암시야 및 역광 조명, 높은 분산의 정상 데이터, 극히 작은 결함 등 기존…
Graph Transformers: A Survey
그래프 트랜스포머는 그래프 구조 데이터 처리를 위한 새로운 신경망 모델로, 트랜스포머와 그래프 학습의 시너지를 통해 다양한 그래프 관련 태스크에서 뛰어난 성능을 보인다. 본 조사는 그래프 트랜스포머 연구의 최근 발전과 당면 과제를 심층적으로 검토한다. 이 연구는 그래프 및 트랜스포머의 기본 개념부터 시작하여, 그래프 귀납 편향과 그래프 어텐션 메커니즘을 트랜스포머 아키텍처에 통합하는 설계 관점을 탐구한다. 또한, 깊이, 확장성, 사전 학습 전략을 기준으로 그래프 트랜스포머를 분류하는 분류 체계를 제안하고, 효과적인 모델 개발을 위…
Artificial Intelligence agents and autonomous decision-making in business: a review
자율 의사결정 능력을 갖춘 인공지능(AI) 에이전트가 비즈니스 프로세스와 경영 의사결정 구조를 혁신하고 있지만, 관련 연구는 파편화되어 비즈니스 맥락에서 에이전트 AI가 어떻게 개념화되고 적용되며 관리되는지에 대한 통합적 이해가 부족합니다. 본 연구는 이러한 간극을 해소하고자 2020년부터 2025년까지 발표된 문헌을 대상으로 체계적인 스코핑 리뷰를 수행했습니다. 주요 학술 데이터베이스에서 총 875편의 연구를 수집하여 정량적 매핑 및 주제 분석에 활용했으며, 이 중 대표적인 일부를 선정하여 심층적인 질적 합성을 진행했습니다. 이…
Leveraging explainable AI for sustainable agriculture: a comprehensive review of recent advances
최근 인공지능(AI)은 방대한 데이터 분석과 정보 기반 의사결정 능력을 통해 전 세계 산업을 혁신하는 파괴적인 기술로 부상했습니다. 농업 분야 또한 생산성, 효율성, 지속가능성 향상을 위해 AI 기술을 도입하며 혁명적인 변화를 겪고 있습니다. 그러나 AI 모델의 투명성 부족은 특히 의학 및 농업과 같은 중요 산업에 적용될 때 신뢰성에 대한 의문을 제기합니다. 이러한 문제를 해결하기 위해 2017년 초부터 설명 가능한 인공지능(XAI) 연구가 활발해졌습니다. LIME, SHAP, Grad-CAM과 같은 도구들은 복잡한 AI 모델의 내…
A comprehensive review of explainable artificial intelligence in healthcare methods, evaluation, and clinical integration
설명 가능한 인공지능(XAI)은 의료 분야에서 신뢰 확보에 필수적임에도 불구하고, XAI 기술과 실제 임상 적용 사이에는 상당한 격차가 존재합니다. 본 연구는 이러한 격차를 해소하기 위해 임상 통합을 세 가지 상호보완적인 관점에서 접근합니다. 첫째, XAI 접근 방식을 특정 임상 작업에 매칭하는 실질적인 가이드 역할을 하는 3차원 XAI 분류 프레임워크(속성, 의존성, 범위)를 제시합니다. 둘째, 충실도와 같은 기술적 견고성과 워크플로우 정렬 및 임상의 신뢰도와 같은 임상적 유용성 측정을 균형 있게 고려하는 통합 평가 시스템을 제…
Deepfake Generation and Detection: A Benchmark and Survey
딥페이크 기술은 사실적인 얼굴 이미지 및 비디오 합성을 목표로 하며, 엔터테인먼트, 영화 제작, 디지털 휴먼 모델링 등 광범위한 응용 잠재력을 지닌다. 최근 확산 모델의 등장으로 생성 품질이 크게 향상되며 연구의 새로운 물결을 일으켰다. 그러나 딥페이크의 오용 가능성(프라이버시 침해, 피싱 공격 등)에 대응하기 위해 탐지 기술 또한 지속적으로 발전하고 있다. 본 연구는 딥페이크 생성 및 탐지 분야의 최신 발전을 종합적으로 검토한다. 먼저, 태스크 정의를 통일하고, 데이터셋 및 평가 지표를 포괄적으로 소개하며, 기반 기술을 요약한다…
Explainable AI-Driven Quality and Condition Monitoring in Smart Manufacturing
제조 분야에서 인공지능(AI)은 자동 검사, 예측 유지보수, 상태 모니터링 등에 활발히 활용되고 있습니다. 그러나 많은 AI 모델의 불투명한 '블랙박스' 특성은 산업 현장의 신뢰, 수용, 규제 준수에 큰 걸림돌이 됩니다. 본 연구는 AI 모델의 성능 최적화나 비교보다는, 제조 분야에 배포된 AI 시스템의 내부 추론 과정을 체계적으로 해석하고 설명하기 위해 설명 가능한 인공지능(XAI) 기술을 어떻게 활용할 수 있는지 탐구합니다. 이를 위해 설명 가능성 중심의 통합 프레임워크를 제안하고, 이종 데이터 양식과 학습 패러다임을 포함하는…
Interpretable Clustering: A Survey
최근 클러스터링 알고리즘 연구는 정확성과 효율성 향상에 집중하며 해석 가능성을 간과하는 경향이 있었습니다. 그러나 헬스케어, 금융, 자율 시스템과 같은 고위험 분야에서 클러스터링 적용이 확대됨에 따라, 투명하고 해석 가능한 결과에 대한 요구가 증대되고 있습니다. 이는 사용자 신뢰 확보뿐만 아니라 해당 분야의 윤리적, 규제적 요구사항을 충족시키기 위해 필수적입니다. 본 논문은 이러한 필요성에 부응하여 해석 가능한 클러스터링 알고리즘의 현황을 포괄적이고 체계적으로 검토합니다. 다양한 방법론을 구별하기 위한 핵심 기준을 제시하며, 연구…
Federation Opacity and the Promise of Federated Learning in Healthcare
연합 학습(FL)은 여러 장치나 기관이 로컬 데이터를 공유하지 않고도 기계 학습(ML) 모델을 공동으로 훈련할 수 있게 하는 접근 방식입니다. 이는 환자 건강 데이터를 활용한 의료 ML 모델 훈련의 윤리적 난제를 극복할 유망한 방법으로 주목받고 있습니다. 본 연구는 헬스케어 분야에서 FL의 잠재력을 윤리적 관점에서 탐구합니다. 의료 FL은 '연합 불투명성'이라는 새로운 형태의 불투명성을 야기한다고 주장합니다. 이는 이해관계자들이 모델 훈련에 사용된 데이터에 접근, 분석 또는 관리할 수 없게 만듭니다. 이러한 불투명성은 의료 ML의…
Training large language models on narrow tasks can lead to broad misalignment
대규모 언어 모델(LLM)의 확산은 안전성과 정렬에 대한 중요한 질문을 제기한다. 기존 안전 연구는 유해한 고정관념 강화나 위험한 정보 제공과 같은 개별적인 바람직하지 않은 행동에 주로 초점을 맞췄다. 본 연구는 이전 작업에서 관찰된 예상치 못한 현상, 즉 LLM을 불안정한 코드 작성이라는 협소한 작업에 미세 조정할 경우 코딩과 무관한 광범위한 우려 행동이 발생하는 현상을 분석한다. 이러한 현상을 '긴급 오정렬(emergent misalignment)'이라 명명한다. 이는 OpenAI의 GPT-4o와 Alibaba Cloud의 Q…
Data-Centric Foundation Models in Computational Healthcare: A Survey
파운데이션 모델(FM)의 등장은 계산 보건 분야에 새로운 기회를 제공하고 있습니다. 사전 학습 데이터와 인간의 지시를 통해 상호작용하는 이 모델들은 데이터 특성 분석, 품질, 규모를 강조하는 데이터 중심 AI 패러다임을 촉발했습니다. 하지만 의료 AI 분야에서 고품질 임상 데이터를 확보하고 처리하는 것은 데이터 양, 주석 처리, 환자 프라이버시, 윤리적 문제 등 오랜 도전 과제였습니다. 본 조사는 FM 시대(모델 사전 학습부터 추론까지)에 걸쳐 의료 워크플로우를 개선하기 위한 광범위한 데이터 중심 접근 방식을 탐구합니다. 특히 A…
Participant-Aware Model Validation for Repeated-Measures Data: Comparative Cross-Validation Study
생체역학 및 디지털 헬스 분야의 반복 측정 데이터는 참가자별로 상관관계가 있는 여러 시행 데이터를 포함한다. 이때 교차 검증(CV)이 이러한 데이터 구조를 무시하면, 훈련 데이터에서 테스트 데이터로 정보가 유출되어 모델 성능이 과대평가되고 임상적 신뢰성이 저해될 수 있다. 본 연구는 이러한 문제 인식을 바탕으로 참가자 인지(participant-aware) 검증 전략이 반복 측정 분류 작업에서 모델 신뢰성에 미치는 영향을 평가했다. 전방 십자인대 재건술(ACLR) 후 재부상 두려움 예측을 사례 연구로, 72명의 ACLR 환자로부터…
SureDistrib: Verifying Almost-Sure Termination of Composite Asynchronous Byzantine Protocols
블록체인을 포함한 많은 분산 시스템에서 합의 알고리즘은 핵심적인 역할을 수행합니다. 실용적인 합의 알고리즘은 부분 동기 모델에 기반하지만, 메시지 전달 지연이 불확실할 때 활성 상태를 유지할 수 없습니다. 비동기 프로토콜은 유한한 지연 시간에 의존하지 않고 활성 상태를 유지하지만, 여러 계층의 알고리즘으로 구성되어 이해하고 구현하기가 훨씬 어렵습니다. 또한, FLP 불가능성 정리로 인해 확률적 활성 보장만을 제공하며, 이로 인해 비동기 프로토콜의 정확성 검증은 매우 어렵습니다. 실제로 이러한 프로토콜에서 수년간 발견되지 않은 활성 …
Quantum Convolutional Neural Networks are Effectively Classically Simulable
양자 컨볼루션 신경망(QCNN)은 양자 머신러닝(QML) 분야에서 유망한 모델로 주목받고 있습니다. 본 연구는 가장 널리 사용되는 QCNN 변형들을 분석하며, 이들의 경험적 성공이 두 가지 요인에 기인함을 밝힙니다. 첫째, 무작위 초기화 시 QCNN은 입력 상태의 낮은 차원 측정 정보만을 처리합니다. 둘째, QCNN이 벤치마킹되는 데이터셋은 이러한 낮은 차원 관측값으로도 분류 가능한 '국소적으로 쉬운' 특성을 가집니다. 이러한 통찰을 바탕으로, QCNN의 동작은 낮은 차원 부분 공간에서 효율적으로 고전적으로 시뮬레이션될 수 있다고…
Towards Robust and Secure Embodied AI: A Survey on Vulnerabilities and Attacks
체화 인공지능(Embodied AI) 시스템은 대규모 시각-언어 모델(LVLM) 및 대규모 언어 모델(LLM)을 물리적 액추에이터 및 센서와 통합하여 실제 환경에서 인지, 인식, 작동 간의 복잡한 상호작용으로 인해 고유한 강건성 및 보안 문제에 직면합니다. 본 연구는 이러한 취약점과 관련 공격 표면에 대한 체계적인 분석을 제공합니다. 저자들은 근본적, 통합적, 맥락적 위험을 포함하는 세 가지 취약점 분류 체계를 제안합니다. 근본적 취약점은 현재 AI 아키텍처 및 훈련 패러다임의 내재적 한계에서 발생하며, 통합적 취약점은 사이버-물…
Generative AI offers more, but students revise less: comparing the effects of teacher and AI feedback on student essay revisions
학생 글쓰기에 대한 고품질 피드백 제공은 중요하지만, 학급 규모 증가와 교육 역량 한계로 점차 어려워지고 있습니다. 생성 AI(GenAI)는 유망한 대안으로 부상하고 있으나, 기존 교사 피드백과의 효과 비교, 특히 다양한 프롬프팅 기법 적용 시의 효과는 불확실합니다. 본 연구는 70명의 대학원생을 대상으로 무작위 배정된 3개 그룹 실험 설계를 통해 교사 피드백과 두 가지 프롬프팅 기법(제로샷, CoT)으로 생성된 GenAI 피드백의 효과를 비교했습니다. 학생들은 논증 에세이를 작성한 후 받은 피드백을 바탕으로 수정했으며, 피드백 …
A Survey on Uncertainty Quantification Methods for Deep Learning
심층 신경망(DNN)은 컴퓨터 비전, 자연어 처리 등 다양한 분야에서 탁월한 성능을 보이지만, 예측의 정확도와 무관하게 과신하는 경향이 있어 자율주행, 의료 진단 등 고위험 응용 분야에서 심각한 문제를 야기할 수 있습니다. 이러한 문제 해결을 위해 DNN 예측의 신뢰도를 평가하는 불확실성 정량화(UQ) 연구의 중요성이 커지고 있습니다. 기존 UQ 연구들은 주로 신경망 아키텍처나 베이지안 공식에 따라 방법론을 분류하여, 각 방법이 다루는 불확실성 원천을 간과함으로써 실제 적용 시 적절한 기법 선택에 어려움이 있었습니다. 본 연구는 …
Human-Centric Artificial Intelligence Pedagogy (HCAP) framework developed from TPACK through integration of artificial intelligence literacy and competency
교육 분야에서 인공지능, 특히 생성형 AI의 부상은 기존 TPACK(기술-교수-내용 지식) 프레임워크의 한계를 드러내고 있습니다. AI의 자율성, 인식론적 복잡성, 윤리적 측면을 고려할 때, 진화된 교육 모델이 필수적입니다. 본 연구는 이러한 격차를 해소하고자 AI-기술, AI-내용, AI-교수, 인간-AI 협업, 윤리 지식의 다섯 가지 영역을 통합한 I-TPACK(Intelligent-TPACK) 프레임워크를 제안합니다. 교사 관점에서 I-TPACK 영역별로 요구되는 지식과 기술을 정의하기 위해, 다양한 과목의 교사 30명을 대…
Agentic AI Security: Threats, Defenses, Evaluation, and Open Challenges
대규모 언어 모델(LLM) 기반의 자율 AI 에이전트 시스템은 계획 수립, 도구 사용, 기억, 자율성 기능을 통해 자동화를 위한 강력하고 유연한 플랫폼으로 부상하고 있습니다. 이러한 시스템은 웹, 소프트웨어, 물리적 환경 전반에서 작업을 자율적으로 실행할 수 있어, 기존 AI 안전 및 소프트웨어 보안과는 다른 새롭고 증폭된 보안 위험을 야기합니다. 이 연구는 자율 AI 에이전트에 특화된 위협 분류 체계를 제시하고, 최신 벤치마크 및 평가 방법론을 검토합니다. 또한, 기술적 관점과 거버넌스 관점 모두에서 방어 전략을 논의합니다. …
Mixed-State Topological Order and the Errorfield Double Formulation of Decoherence-Induced Transitions
이 연구는 아벨 위상 질서(Abelian topological order)를 가진 양자 상태와 양자 정보 보호 능력에 대한 디코히어런스(decoherence)의 영향을 설명하는 효과적인 장 이론을 제시한다. 디코히어런스는 손상되지 않은 순수 밀도 행렬을 기술하는 이중 위상 양자장 이론(double topological quantum field theory)에서 시간적 결함으로 나타나며, 임계 결합 강도에서 애니온 응축(anyon condensation)을 포함하는 경계 상전이를 유도한다. 디코히어런스로 유도되는 상(phase)과 …
Computation-efficient deep learning for computer vision: A survey
지난 10년간 딥러닝 모델은 시각 인지 과제에서 인간 수준을 넘어서는 성능을 보이며 자율주행, 모바일 기기, 로봇 공학 등 실제 응용 분야에 대한 관심을 높였습니다. 그러나 최첨단 모델들은 막대한 연산 자원을 요구하여 전력 소비, 지연 시간, 탄소 배출량 측면에서 실용적이지 않다는 문제가 있습니다. 이러한 효과성과 효율성 간의 상충 관계는 추론 시 연산 비용을 최소화하면서 만족스러운 성능을 달성하는 '연산 효율적인 딥러닝'이라는 새로운 연구 분야를 촉발했습니다. 본 연구는 빠르게 발전하는 이 분야를 네 가지 핵심 영역으로 분석합니…
Prompt Injection Attacks in Large Language Models and AI Agent Systems: A Comprehensive Review of Vulnerabilities, Attack Vectors, and Defense Mechanisms
대규모 언어 모델(LLM)은 인공지능 응용 분야를 혁신했지만, 실제 시스템 통합 과정에서 프롬프트 주입 공격이라는 심각한 보안 취약점을 드러냈습니다. 본 연구는 2023년부터 2025년까지의 연구 45건, 산업 보안 보고서, 실제 공격 사례를 종합적으로 분석하여 이 문제를 다룹니다. 직접적인 탈옥(jailbreaking)과 외부 콘텐츠를 통한 간접 주입을 포함한 프롬프트 주입 기술의 분류 체계를 검토했습니다. AI 에이전트 시스템과 모델 컨텍스트 프로토콜(MCP)의 등장은 공격 표면을 크게 확장하여 도구 오염 및 자격 증명 탈취와…
From language to action: a review of large language models as autonomous agents and tool users
인간 수준의 인공지능(AI)을 향한 노력은 자율 에이전트와 대규모 언어 모델(LLM)의 발전을 크게 촉진했습니다. LLM은 지시 해석, 순차적 작업 관리, 피드백을 통한 적응 능력 덕분에 의사결정 에이전트로 널리 활용되고 있습니다. 본 리뷰는 자율 에이전트 및 도구 사용자로서 LLM의 최신 개발 동향을 7가지 연구 질문을 중심으로 분석합니다. 2023년부터 2025년 사이에 A* 및 A 등급 학술대회와 Q1 저널에 게재된 논문만을 사용했습니다. LLM 에이전트의 아키텍처 설계 원칙을 단일 및 다중 에이전트 시스템으로 나누어 구조적…
Real time detection of deepfakes using the efficient Swin attention network with global and local facial features
최근 딥페이크 생성 기술의 급속한 발전은 기존 탐지 방법론의 한계를 드러내고 있습니다. 특히 다양한 데이터셋에서 높은 탐지 정확도와 실시간 효율성을 동시에 달성하기 어렵다는 문제가 제기됩니다. 본 연구는 이러한 간극을 해소하고자, 지역 및 전역 얼굴 특징을 동시에 활용하는 하이브리드 딥러닝 프레임워크인 Efficient-Swin Attention Network (ESANet)를 제안합니다. ESANet은 경량의 EfficientNet-B0를 통해 지역 특징을 추출하고, Swin Transformer로 계층적 전역 얼굴 관계를 모델…
Multimodal learning with next-token prediction for large multimodal models
텍스트, 이미지, 비디오 등 다양한 양식(modality)을 아우르는 통합 학습 및 생성 알고리즘 개발은 인공지능 분야의 오랜 난제였습니다. 대규모 언어 모델(LLM)에서 혁신을 이끈 차세대 토큰 예측(next-token prediction) 방식은 멀티모달 영역으로의 확장에 한계가 있었으며, 이미지 및 비디오 합성에 주로 사용되는 확산 모델(diffusion model)이나 비전 인코더와 언어 모델을 통합하는 복합 프레임워크가 여전히 지배적이었습니다. 본 연구는 차세대 토큰 예측 방식만으로 학습된 멀티모달 모델인 Emu3 제품군…
Conceptualizing the Impact of AI on Teacher Knowledge and Expertise: A Cognitive Load Perspective
인공지능(AI)은 적응형 플랫폼, 지능형 튜터링 시스템, 생성형 도구를 통해 교육에 빠르게 통합되고 있습니다. 이러한 기술은 효율성과 개인화를 약속하지만, 동시에 교사의 교수 역량 저하, 자율성 감소, 윤리적 위험에 대한 우려를 낳고 있습니다. 본 논문은 인지 부하 이론(CLT)을 통해 AI가 교사의 전문성과 교수 설계를 어떻게 변화시킬지 개념화합니다. 이 연구는 AI가 내재적, 외재적, 본질적 인지 부하 관리에 미칠 수 있는 영향을 개념화하는 것을 목표로 합니다. AI가 내재적 부하를 효과적으로 지원하고 외재적 방해를 줄일 수 …
Unveiling interaction patterns between students and generative AI teachable agent: Focusing on students' agency and AI agents' authority
인공지능(AI)의 교육 분야 통합이 가속화됨에 따라, 대화형 AI 에이전트가 학생 학습 지원에 널리 활용되고 있습니다. 본 연구는 AI 교육 에이전트와의 상호작용이 학생의 주도성(agency)과 시간적으로 어떻게 연관되며, 이러한 연관성이 학습 성과에 미치는 영향을 탐구합니다. 7,188개 토론 스레드(117,000개 이상의 텍스트 발화 포함)를 분석하여, 분류 및 회귀 모델을 통해 AI의 권위(authority)와 학생 주도성 간의 관계를 조사했습니다. 연구 결과, AI의 권위는 후속 학생 주도성 수준과 유의미하게 연관되지만,…
Vulnerability of Large Language Models to Prompt Injection When Providing Medical Advice
대규모 언어 모델(LLM)이 헬스케어 분야에 통합되고 있으나, 악의적인 프롬프트 주입 공격에 대한 체계적인 평가가 부족했습니다. 본 연구는 상용 LLM이 안전하지 않은 의료 조언을 유도할 수 있는 프롬프트 주입 공격에 얼마나 취약한지 평가하고, 중간자(man-in-the-middle) 및 클라이언트 측 주입이 현실적인 공격 벡터임을 검증하는 것을 목표로 합니다. 2025년 1월부터 10월까지 표준화된 환자-LLM 대화를 사용한 시뮬레이션 연구를 수행했습니다. GPT-4o-mini, Gemini-2.0-flash-lite, Clau…
Load-aware predictive auto-scaling framework for cloud environments
클라우드 컴퓨팅은 확장성, 유연성, 비용 효율성 덕분에 널리 활용되는 패러다임입니다. 클라우드 솔루션의 경쟁력을 높이려면 탄력성을 최대로 활용하여 유입되는 워크로드에 맞춰 클라우드 리소스를 시기적절하게 동적으로 조정하는 것이 중요합니다. 본 논문은 워크로드 변화를 예측하고 동시에 클라우드 리소스의 목표 활용률을 보장하는 부하 인지 예측형 오토스케일링 프레임워크를 제안합니다. 이를 위해 미래 워크로드를 예측하고, 해당 워크로드 수요를 처리하는 데 필요한 클라우드 리소스 양을 산정합니다. 제안된 프레임워크는 CloudSim 툴킷 기…
LeF‐MTP: Prioritizing GNN Test Cases by Fusing Model Uncertainty and Feature‐Space Confusability
그래프 신경망(GNN)은 3D 컴퓨터 비전 분야에서 널리 활용되지만, 대규모 테스트 데이터 레이블링 비용으로 인해 신뢰성 검증에 어려움이 있습니다. 기존 딥러닝 테스트 케이스 우선순위 기법들은 단일 차원 휴리스틱이나 뮤테이션 기반 분석에 의존하여 결함 다양성이 제한되거나 막대한 계산 오버헤드를 초래하는 문제가 있었습니다. 본 논문은 이러한 한계를 극복하기 위해 다차원 테스트 우선순위 프레임워크인 LeF-MTP를 제안합니다. LeF-MTP는 계산 집약적인 외부 뮤테이션 대신 모델의 내부 인지 상태를 직접 활용합니다. 예측 불확실성과…
Cross-dataset video deepfake detection using Transformer and CNN architectures
딥페이크 생성 기술의 발전은 디지털 미디어의 신뢰성을 위협하며, 사생활 침해, 보안 문제, 허위 정보 유포 등 심각한 위험을 초래하고 있습니다. 딥러닝(DL) 기반 탐지 방법론이 유망하지만, 적용의 일관성 부족, 표준화된 파이프라인 부재, 그리고 데이터셋 간 일반화 능력의 한계로 인해 실제 환경에서의 신뢰성 있는 배포가 어렵습니다. 본 연구는 비디오 딥페이크 탐지를 위해 트랜스포머 및 CNN 기반 아키텍처를 종합적으로 평가합니다. 여러 벤치마크 데이터셋과 새롭게 구축된 얼굴 재연(facial-reenactment) 데이터셋을 활용…
Concept-based Explainable Artificial Intelligence: A Survey
설명 가능한 인공지능(XAI) 분야는 모델의 투명성과 신뢰성 요구에 부응하여 발전해 왔습니다. 그러나 최근 연구들은 원시 특징(raw features)을 활용한 설명의 한계를 지적하며, 사용자 이해도를 높이는 설명의 필요성을 강조하고 있습니다. 이러한 문제의식 아래, 개념 기반 설명 가능한 인공지능(C-XAI) 방법론에 대한 연구가 활발히 진행되고 있으나, 아직 통일된 분류 체계와 명확한 분야 정의는 부재합니다. 본 연구는 C-XAI 접근 방식에 대한 포괄적인 검토를 통해 이러한 간극을 메웁니다. 다양한 개념과 설명 유형을 식별하…
An Adaptive Multi-Agent Architecture with Reinforcement Learning and Generative AI for Intelligent Tutoring Systems: A Moodle-Based Case Study
지능형 튜터링 시스템(ITS)은 고등 교육에서 개인 맞춤 학습 및 학업 모니터링을 지원하며 그 활용이 증가하고 있습니다. 그러나 기존 시스템은 정적 아키텍처와 경직된 규칙 기반 메커니즘에 의존하여 확장성이 제한되고, 이질적인 학습자, 변화하는 학습 행동 및 실제 교육 환경에 효과적으로 적응하기 어렵다는 한계가 있습니다. 본 논문은 실제 환경에 배포된 지능형 시스템의 자율적 의사 결정을 위해 강화 학습(RL) 기반의 자기 적응형 다중 에이전트 아키텍처를 제안합니다. 이 아키텍처는 사용자 상태, 행동, 상호작용 패턴을 고려하여 전문 …
Graph Learning in Bioinformatics: A Survey of Graph Neural Network Architectures, Biological Graph Construction and Bioinformatics Applications
그래프 신경망(GNN)은 생물학적 시스템 모델링에 필수적인 방법론으로 부상했습니다. 단백질 상호작용 네트워크, 유전자 조절 회로, 분자 그래프 등 생물학 데이터의 관계적 특성은 기존 딥러닝 방식으로는 포착하기 어려운 복잡한 의존성을 GNN이 효과적으로 파악하게 합니다. 그러나 생물정보학에서 GNN의 효율성은 모델 설계뿐만 아니라 생물학적 그래프의 구축, 매개변수화 및 훈련 방식에도 크게 좌우됩니다. 본 연구는 생물정보학 분야에서 GNN을 이해하고 적용하기 위한 체계적인 프레임워크를 제공합니다. 이는 크게 세 가지 핵심 차원으로 구…
A Comprehensive Review of Neuro-symbolic AI for Robustness, Uncertainty Quantification, and Intervenability
의료, 자율 시스템, 금융 등 고위험 분야에서 인공지능(AI) 시스템의 활용이 증가함에 따라, AI의 신뢰성 확보가 매우 중요해지고 있습니다. 본 논문은 신경망의 학습 능력과 기호 AI의 추론 강점을 결합한 하이브리드 패러다임인 신경-기호 AI를 신뢰성, 불확실성 정량화(UQ), 개입 가능성이라는 세 가지 핵심 차원에서 종합적으로 탐구합니다. 순수 데이터 기반의 '블랙박스' 모델이 분포 변화, 모호한 입력, 인간 감독 처리에서 한계를 보이는 반면, 신경-기호 시스템은 향상된 해석 가능성, 검증 가능성, 제어 능력을 제공하여 실제 …
Efficient multimodal large language models: a survey
최근 멀티모달 대규모 언어 모델(MLLM)은 시각 질의응답 및 시각 이해·추론 분야에서 뛰어난 성능을 보였습니다. 그러나 방대한 모델 크기와 높은 학습 및 추론 비용은 학계와 산업 전반에 걸친 MLLM의 광범위한 적용을 저해하는 요인으로 작용했습니다. 특히 엣지 컴퓨팅 환경에서 효율적이고 경량화된 MLLM 연구의 잠재력은 매우 큽니다. 본 연구는 효율적인 MLLM의 현재 상태를 포괄적이고 체계적으로 검토합니다. 구체적으로 대표적인 효율적 MLLM의 발전 과정, 구조 및 전략에 대한 연구 현황, 그리고 다양한 응용 사례를 요약하여 …
Why we do need explainable AI for healthcare
최근 의료 분야에서 인공지능(AI) 도구의 활용이 증가하면서, AI 채택에 대한 논의가 활발해지고 있습니다. 특히 AI 시스템의 투명성과 신뢰성을 높이는 것을 목표로 하는 설명 가능한 AI(XAI)에 대한 관심이 커지고 있습니다. 그러나 일부 전문가들은 XAI 기술의 신뢰성에 의문을 제기하며, 의료 가이드라인 및 표준에 XAI를 포함하는 것에 우려를 표하고 있습니다. 본 논문은 이러한 비판적 시각을 재검토하고, XAI의 유용성에 대한 균형 잡힌 관점을 제시합니다. 특히 AI의 임상 적용이 갖는 특수성을 강조하며, 이를 의료 개입의…
Explainable AI in healthcare: to explain, to predict, or to describe?
설명 가능한 인공지능(XAI)은 AI 모델의 예측 과정을 이해하기 위한 정보를 제공하도록 설계되었습니다. 의료 분야에서는 XAI가 환자부터 의료 전문가, AI 개발자에 이르기까지 다양한 이해관계자에게 모델 작동 방식에 대한 정확하고 관련성 높은 정보를 제공할 것이라는 기대가 큽니다. 그러나 이해관계자마다 '관련성 있는 정보'의 기준이 크게 다를 수 있어, 이러한 기대에 부응하는 것은 쉽지 않은 과제입니다. 많은 이해관계자에게는 인과적 설명이 중요하지만, 현재의 XAI 방법론은 이러한 인과적 정보를 제공하는 데 한계가 있습니다. 본…
Spatio-Temporal Coordinated Operation Strategy of Data Centers Considering Virtual Storage System via Two-Stage Distributionally Robust Optimization
최근 데이터센터의 에너지 소비량이 급증함에 따라 경제적이고 유연한 운영 전략의 필요성이 커지고 있습니다. 본 연구는 가상 스토리지 시스템(VSS)을 고려한 데이터센터의 시공간 협응 운영 전략을 2단계 분포론적 강건 최적화(two-stage distributionally robust optimization)를 통해 제안합니다. 먼저, 건물의 동적 열 네트워크와 클라우드 사용자의 차등화된 수요를 기반으로 VSS를 포함하는 포괄적인 운영 모델을 구축합니다. 이어서 데이터센터의 일반 부하 수요 및 외부 온도 불확실성을 고려하여, 과거 데…
Explaining Random Forest and XGBoost with Shallow Decision Trees by Co-clustering Feature Importance
기계 학습 모델의 투명성은 해석 가능한 모델과 설명 가능한 결과를 촉진하는 중요한 비기능적 요구사항입니다. 그러나 선형, 규칙 기반, 의사결정나무와 같은 해석 가능한 분류 모델은 딥러닝이나 앙상블 방법론과 같은 더 정확하지만 복잡한 학습 패러다임에 의해 성능이 저해되는 경향이 있습니다. 특히 표 형식 데이터 분류에서는 랜덤 포레스트나 XGBoost 같은 트리 앙상블 기반 모델이 딥러닝 모델과 비교하여 여전히 경쟁력이 있으며 종종 선호되지만, 학습된 모델의 복잡성으로 인해 예측 설명 가능성 문제가 발생합니다. 기존 해결책은 특성 중…
GAN-Based Cross-Modality Brain MRI Synthesis: Paired Versus Unpaired Training and Comparison with Diffusion and Transformer Models
임상 환경에서 불완전한 MRI 시퀀스는 AI 기반 분석을 저해하며, 기존 GAN과 최신 확산 및 트랜스포머 모델 간의 임상적 유용성에 대한 비교 연구는 부족했습니다. 본 연구는 BraTS 2019 뇌종양 데이터셋을 활용하여 T1-T2 교차 양식 MRI 합성을 평가하고, 쌍 및 비쌍 CycleGAN 모델을 조건부 DDPM 및 트랜스포머 강화 GAN과 비교했습니다. 동일한 데이터 분할 및 전처리 파이프라인을 사용하여 모델들을 평가했습니다. 양식 간 상관관계를 분석하여 달성 가능한 유사성 수준을 추정했으며, 합성 과정을 누락된 정보를 …
Enhancing supply chain visibility with knowledge graphs and large language models
오늘날 세계화된 경제에서 효과적인 위험 관리를 위해 포괄적인 공급망 가시성은 필수적이지만, 파트너 간 제한된 정보 공유로 인해 이를 달성하기 어렵습니다. 본 논문은 이해관계자 정보 공유에 직접 의존하지 않고 지식 그래프(KG)와 대규모 언어 모델(LLM)을 활용하여 공급망 가시성을 향상시키는 새로운 프레임워크를 제안합니다. 제안하는 제로샷(zero-shot) LLM 기반 프레임워크는 공개된 소스에서 다양하고 도메인 특화된 공급망 정보를 자동으로 추출합니다. 이를 통해 공급망 주체, 지리적 위치, 소유 구조, 제품 흐름 전반에 걸쳐…
From System 1 to System 2: A Survey of Reasoning Large Language Models
인간 수준의 지능을 달성하려면 빠르고 직관적인 시스템 1 사고에서 느리고 신중한 시스템 2 추론으로의 전환을 고도화해야 한다. 기존 대규모 언어 모델(LLM)은 빠른 의사결정에 능하지만, 복잡한 추론을 위한 단계별 분석 능력인 시스템 2 사고는 부족했다. 이는 편향을 줄이고 정확한 판단을 내리는 데 필수적인 논리적 추론 역량의 한계를 드러냈다. 최근 OpenAI의 o1/o3, DeepSeek의 R1과 같은 추론형 LLM은 수학, 코딩 등 전문 분야에서 전문가 수준의 성능을 보이며 시스템 2의 신중한 추론과 유사한 인지 능력을 입증…
Generative adversarial networks: A comprehensive survey
적대적 생성 신경망(GAN)은 암묵적 생성 모델 학습과 고품질 합성 데이터 생성의 핵심 프레임워크로 자리매김했지만, 학습 과정의 불안정성과 설계 공간의 급격한 확장은 여전히 과제로 남아있습니다. 본 조사는 GAN 분야의 주요 발전을 아키텍처, 목적 함수, 정규화, 최적화, 안정화 기법, 평가 방식별로 체계화하여 방법론 중심의 종합적인 분석을 제공합니다. 초기 모델부터 최근의 대규모 트랜스포머 기반 변형에 이르기까지 대표적인 모델들을 요약하고, 설계 선택이 안정성, 충실도, 다양성, 계산 비용에 미치는 영향을 조명합니다. 또한, 방…
CTI-Thinker: an LLM-driven system for CTI knowledge graph construction and attack reasoning
사이버 위협 인텔리전스(CTI)는 지능형 지속 위협(APT) 방어에 필수적이지만, 기존 CTI 데이터는 비정형성, 단편성, 수동 의존성, 그리고 공격 기법과의 제한적인 의미 매핑으로 인해 하위 추론 작업의 정확도를 저해합니다. 또한, 전통적인 정보 추출 방식은 문맥 인지 및 프롬프트 변화에 대한 민감성 부족으로 인해 교차 문단 의존성, 신규 위협, 저자원 샘플 시나리오에서 일반화에 어려움을 겪습니다. 이러한 한계를 극복하고자, 본 연구는 대규모 언어 모델(LLM)과 ATT&CK 프레임워크 기반의 의미 정렬을 통합한 CTI 지식 그…
StyleDiffusion: Prompt-Embedding Inversion for Text-Based Editing
사전 학습된 확산 모델의 뛰어난 이미지 편집 능력 활용에 대한 연구가 활발합니다. 기존 접근 방식들은 모델 미세 조정 또는 잠재 공간에서의 이미지 역전을 사용하지만, 선택 영역의 불만족스러운 결과와 비선택 영역의 예상치 못한 변화, 그리고 입력 이미지의 모든 시각적 객체를 포함해야 하는 텍스트 프롬프트 편집의 어려움이라는 두 가지 문제에 직면합니다. 본 연구는 이러한 문제를 해결하기 위해 두 가지 개선 방안을 제안합니다. 첫째, 교차-어텐션 레이어의 값 선형 네트워크 입력만을 최적화하는 것으로 실제 이미지 재구성에 충분한 성능을 …
Graph Neural Networks in Medical Imaging: Methods, Applications and Future Directions
그래프 신경망(GNN)은 비유클리드 도메인으로 딥러닝을 확장하여 의료 영상 내 공간적, 구조적, 기능적 관계 모델링에 강력한 프레임워크를 제공합니다. 본 논문은 순환, 합성곱, 어텐션 기반, 오토인코딩, 시공간 설계 등 GNN 아키텍처의 최신 발전을 검토합니다. 이러한 GNN 모델들이 분할, 분류, 정합, 재구성, 다중 모드 융합과 같은 핵심 의료 영상 작업에 어떻게 적용되었는지 분석합니다. 또한, 의료 영상에 GNN을 적용할 때의 현재 도전 과제와 한계를 식별합니다. 그래프-트랜스포머 통합, 자기 지도 그래프 학습, 연합 GN…
Physics-Data Synergy in Structural Health Monitoring: A Multi-Scale Graph Contrastive Framework With Temperature-Adaptive Fusion
운영 중인 구조 건전성 모니터링(SHM)은 실제 손상 데이터 부족, 환경 변화의 영향, 고정밀 물리 시뮬레이션의 높은 계산 비용이라는 난제에 직면해 있습니다. 본 연구는 이러한 문제를 해결하기 위해 유한요소해석(FEA)과 자기지도 대조 학습을 결합한 물리-데이터 이중 구동 프레임워크를 제안합니다. 제안된 아키텍처는 두 가지 매트릭스 전략을 활용합니다. 첫째, 모달 해석에서 파생된 기계적 제약 조건을 인코딩하는 정적 물리 기반 매트릭스입니다. 둘째, 노드, 서브그래프, 전역 수준에서 계층적 InfoNCE 목표를 통해 학습되는 동적 …
The Negative Impact Of Artificial Intelligence On Ressources And Energy
인공지능(AI)은 기후 변화 완화, 농업 생산성 향상, 수자원 관리, 기상 예측 등 다양한 환경 문제 해결에 기여하며 환경 지속가능성을 높이는 핵심 기술로 부상하고 있습니다. 지능형 시스템은 오염 수준 및 배출량을 실시간으로 정밀하게 모니터링하고, 대규모 환경 데이터를 분석하여 환경 위험을 줄이고 천연자원 활용 효율을 높이는 효과적인 의사 결정을 지원합니다. 본 연구는 AI의 긍정적 측면과 더불어 이 기술이 야기하는 에너지 소비 및 폐기물 발생과 같은 부정적 영향을 심층적으로 탐구합니다. 특히 AI 시스템 운영에 필요한 막대한 전…
The human factor in explainable artificial intelligence: clinician variability in trust, reliance, and performance
설명 가능한 인공지능(XAI)은 의료와 같은 고위험 분야에서 사용자 신뢰를 높이는 데 필수적이라고 여겨지지만, 실제 사용자 평가보다는 자동화된 측정 방식에 의존하는 경향이 있습니다. 본 연구는 이미지 기반의 재태 연령(GA) 추정 프로토타입 XAI 모델을 적용하여, 신뢰, 의존성 및 성능에 미치는 영향을 평가하고, 적절한 의존성에 대한 새로운 측정 지표를 도입했습니다. 10명의 초음파 검사 전문가가 3단계 판독 연구를 통해 XAI 모델이 GA 추정치에 미치는 영향을 평가했습니다. 모델 예측은 임상의의 평균 절대 오차(MAE)를 2…
Graph-Based Approaches and Functionalities in Retrieval-Augmented Generation: A Comprehensive Survey
대규모 언어 모델(LLM)은 불충분한 학습 데이터와 최신 지식 부족으로 인해 추론 과정에서 사실 오류와 환각 문제를 겪습니다. 검색 증강 생성(RAG)은 외부 소스에서 관련 정보를 검색하여 더 정확한 답변을 생성함으로써 이러한 LLM의 한계를 해결할 유망한 대안으로 부상했습니다. 특히 외부 소스에 구조화된 지식이 널리 존재함에 따라, 그래프 관련 기술을 활용하여 지식 개체 간의 위상 정보를 기반으로 복잡한 추론을 달성하려는 RAG 연구가 활발히 진행되고 있습니다. 기존 연구들이 RAG 파이프라인을 요약했지만, 그래프의 역할을 주로…
From Black Box to Glass Box: A Practical Review of Explainable Artificial Intelligence (XAI)
보안, 금융, 헬스케어 등 고위험 영역에서 머신러닝 시스템의 활용이 증가함에 따라 설명 가능한 인공지능(XAI)의 중요성이 커지고 있습니다. 기존 모델은 '블랙 박스'처럼 작동하여 신뢰와 책임성을 저해하지만, 기존 연구들은 설명 가능성을 기술적 또는 철학적 문제로만 다루며 실제 보안, 프라이버시, 거버넌스 함의와 연결하지 못했습니다. 본 연구는 이러한 간극을 메우고자 이론적 기반과 실제 적용, 사회적 관점을 통합하여 XAI를 조명합니다. 연구는 투명성과 해석 가능성을 핵심 개념으로 정의하고, 공개 및 설명의 한계 효용을 강조하기 …
DeiTFake: Deepfake detection model using DeiT multi-stage training
딥페이크는 디지털 미디어의 신뢰성을 심각하게 위협하는 주요 문제로 부상하고 있습니다. 본 연구는 이러한 위협에 대응하기 위해 DeiT 기반 트랜스포머 모델인 DeiTFake와 점진적 증강 복잡도를 활용하는 2단계 훈련 전략을 제안합니다. 제안하는 방법론은 표준 증강을 적용한 전이 학습 단계로 시작하며, 이후 고급 아핀 및 색상 기반 증강을 사용한 미세 조정 단계를 거칩니다. DeiT 모델의 사전 학습된 가중치를 활용하여 조작 흔적 학습을 위한 강력한 초기화를 제공함으로써 탐지 모델의 견고성을 크게 향상시킵니다. OpenForen…
LTKT: Knowledge Tracing Based on Positive and Negative Learning Transfers
교육 심리학의 핵심 요소인 학습 전이(learning transfer)는 지식 추적(Knowledge Tracing, KT) 과제의 최적화에 중요합니다. 그러나 기존 KT 방법론들은 긍정적 학습 전이만을 고려하고 부정적 학습 전이를 간과하는 한계가 있었습니다. 본 연구는 이러한 문제를 해결하고자 긍정 및 부정 학습 전이를 동시에 활용하는 혁신적인 지식 추적 모델인 LTKT(Learning Transfer-based Knowledge Tracing)를 제안합니다. LTKT는 먼저 학습 전이 그래프를 구축합니다. 이후 직접 학습 효과…
A Comprehensive Review of Deepfake Detection Techniques: From Traditional Machine Learning to Advanced Deep Learning Architectures
딥페이크 기술은 디지털 미디어의 진위성에 전례 없는 위협을 가하며, 신뢰할 수 있는 탐지 시스템의 필요성이 증대되고 있습니다. 본 체계적 문헌 연구는 2018년부터 2025년까지 발표된 딥러닝, 머신러닝, 고전적 이미지 처리 기반 딥페이크 탐지 방법론들을 분석하며, 특히 정확도, 연산 효율성, 교차 데이터셋 일반화 능력 간의 트레이드오프에 중점을 두었습니다. 세 가지 벤치마크 데이터셋(FaceForensics++, DFDC, Celeb-DF)을 활용한 엄격한 동료 심사 연구들을 분석하여, 기존 학계의 통념에 의문을 제기하는 중요한…
Multi-Step Reasoning with Large Language Models, a Survey
수십억 개의 매개변수를 가진 대규모 언어 모델(LLM)은 특정 훈련 없이도 소수의 예시만으로 학습하는 인컨텍스트 학습 능력을 보인다. 기존 모델들이 언어 과제에서 뛰어난 성능을 보였지만, 기본적인 추론 벤치마크에서는 한계를 드러냈다. 그러나 새로운 인컨텍스트 학습 접근법인 Chain-of-Thought는 이러한 벤치마크에서 강력한 다단계 추론 능력을 입증했다. 본 연구는 LLM의 다단계 추론 분야를 종합적으로 검토한다. 다단계 추론의 생성, 평가, 제어 방식을 체계화하는 분류법을 제시하고, 핵심 접근법과 미해결 과제를 심층적으로 …
Design and evaluation of ChatGPT-MWPS: an AI-enhanced learning system for improving primary students’ mathematical word problem solving
초등 수학 교육에서 문장제 해결은 핵심 역량이나, 학생들은 텍스트를 수학적 표현으로 전환하는 데 어려움을 겪습니다. 본 연구는 이러한 문제를 해결하고자 5학년 학생들의 수학 문제 해결 능력 향상을 목표로 하는 AI 기반 학습 시스템인 ChatGPT-MWPS를 개발하고 평가했습니다. 이 시스템은 적응형 스캐폴딩과 실시간 단계별 피드백을 제공합니다. ChatGPT-MWPS는 Java 기반 프레임워크와 OpenAI의 생성형 AI 기술을 활용하여 문제 내용을 해석하고 개인 맞춤형 풀이 가이드를 제공합니다. 일괄 질문 가져오기, 자동 시험…
Enhancing enthusiasm for STEM education with AI: Domain-specific chatbot as personalized learning assistant
생성형 AI는 맞춤형 학습을 촉진할 잠재력으로 교육 환경에 점차 통합되고 있으나, 그 교육적 가치를 실현하기 위한 근거 기반의 구현 개념은 여전히 중요합니다. 본 연구는 중등 수학 교육에 특화된 AI 챗봇 'ADA'가 학습 성과 및 학생 참여도 향상에 미치는 교육적 효과를 탐구했습니다. 독일 중등학교 9학년 학생 195명을 대상으로 실제 교실 환경에서 군집 무작위 대조 연구를 수행했습니다. 기존의 차별화된 학습 자료와 ADA의 맞춤형 지원을 비교하는 것이 목표였습니다. 제곱근 추정의 헤론 방법을 다룬 단일 수업 개입에 사전-사후 …
Promoting student engagement with GPTutor: An intelligent tutoring system powered by generative AI
지능형 튜터링 시스템(ITS)은 즉각적인 피드백을 제공하며 인간 튜터링을 모방하는 컴퓨터 시스템입니다. 생성형 인공지능(GenAI)의 발전과 함께 GenAI가 통합된 수많은 ITS가 개발되고 있습니다. 학생 참여는 학습 과정과 성과를 향상시키는 데 중요하므로, GenAI가 통합된 ITS가 교육 현장에서 학생 참여를 증진하는 효과를 탐구하는 것이 중요합니다. 본 연구는 GenAI 기반 ITS인 GPTutor를 사용한 학부생 880명을 대상으로 설명적 혼합 방법 사례 연구를 제시합니다. 먼저, 설문 조사를 통해 GPTutor와의 실제…
Generative Semantic Communication: Diffusion Models Beyond Bit Recovery
차세대 AI 기반 통신의 핵심으로 기대되는 의미 통신은 수신 측에서 전송 비트열을 복구하지 않고도 전송된 이미지나 비디오와 의미론적으로 동등한 콘텐츠를 재생성할 수 있습니다. 그러나 기존 솔루션들은 부분적인 정보만으로 복잡한 장면을 구성하는 데 한계가 있으며, 생성 방법의 효율성과 전송 정보의 복잡성 간의 균형을 맞추는 데 어려움이 있습니다. 본 연구는 이러한 격차를 해소하고자 확산 모델의 강력한 멀티미디어 콘텐츠 합성 능력을 활용하면서 의미론적 특징을 보존하는 새로운 생성 확산 유도 프레임워크를 제안합니다. 대역폭 사용량을 줄이…
A Stable Edge‐Aware GAN Approach for Data Augmentation and Privacy‐Preserving High‐Fidelity CT Synthesis
의료 영상 합성 분야에서 GAN(생성적 적대 신경망)은 뛰어난 잠재력을 보였지만, 진단 등급의 품질, 특히 해부학적 에지 보존 및 모드 붕괴 방지 측면에서 한계가 있었습니다. 본 연구는 이러한 문제를 해결하기 위해 안정적인 에지 인식 GAN 아키텍처를 제안합니다. 이 아키텍처는 훈련 중 구조적 그라디언트를 적응적으로 강화하는 동적 학습형 양방향 커널과 공간적 일관성을 유지하기 위한 보간된 스킵 연결을 가진 계층형 생성기를 특징으로 합니다. 방법론은 CT 신장 데이터셋(12,446개 이미지)에 대해 Wasserstein 정규화를 이…
Software for dataset-wide XAI: From local explanations to global insights with Zennit, CoRelAy, and ViRelAy
심층 신경망(DNN)의 예측 능력은 뛰어나지만, 그 작동 원리는 여전히 불투명합니다. 설명 가능한 인공지능(XAI)은 복잡한 모델 예측의 근거를 탐색하는 새로운 방법론을 제시했으며, 그중 LRP(Layer-wise Relevance Propagation)는 개별 예측 설명에 뛰어난 성능을 보입니다. 그러나 데이터셋 전체에 대한 심층적이고 정량적인 분석을 위해서는 개별 어트리뷰션 맵을 수동으로 검토하는 방식이 비효율적이며, 통합되고 접근성 높은 XAI 분석 도구와 시각화 소프트웨어가 부족한 실정입니다. 이러한 문제 해결을 위해 본 …
Real-time cognitive and emotional state tracking in intelligent tutoring systems for enhanced learning outcomes
지능형 튜터링 시스템(ITS)에서 학습자의 인지 부하와 성취 정서를 실시간으로 파악하고 이에 맞춰 교육을 조정하는 것은 여전히 어려운 과제입니다. 본 연구는 얼굴, 음성, 생리적 신호 및 상호작용 데이터를 감지하여 인지-정서 상태를 통합적으로 추정하고, 낮은 지연 시간 내에 맞춤형 개입을 제공하는 신뢰성 기반의 실시간 다중 모드 프레임워크를 제안합니다. 이 프레임워크는 인지 부하 이론과 성취 정서의 통제-가치 이론을 통합한 인지-정서 학습 모델을 기반으로 합니다. 다중 모달리티 데이터는 DTW와 PCA를 통해 정렬 및 정규화되며,…
Performant Synchronization in Geo-Distributed Databases
데이터 신뢰성과 확장성 확보를 위해 지리적으로 분산된 데이터베이스 배포가 중요해지고 있으나, 분산 데이터베이스는 단일 노드 대비 현저히 높은 지연 시간을 보인다. 이는 주로 데이터 일관성을 유지하는 합의 프로토콜 때문이다. 본 연구는 분산 데이터베이스의 주요 병목이 동기화 비용이며, 특히 광역 네트워크(WAN) 환경에서 더욱 두드러진다고 주장한다. 생산 환경에서 동기화 비용을 최적화할 기회로 네트워크 클러스터링 현상, 전송 시 삼각 부등식 위반, 그리고 중복 데이터 전송을 식별했다. 이러한 관찰을 바탕으로, 지역 간 분산 데이터베…
Sybil attack defense in blockchain-based industrial IoT systems using decentralized federated learning
블록체인을 산업용 사물 인터넷(IIoT)에 통합하는 것은 데이터 프라이버시 보호 및 보안 강화를 위한 유망한 해결책으로 부상하고 있습니다. 특히 스마트 계약 지원 및 경량 통신 프로토콜과의 상호 운용성 덕분에 이더리움 기반 IIoT 시스템이 주목받고 있으나, Sybil 공격과 같은 대규모 위협에 여전히 취약합니다. 이러한 공격은 공격자가 수많은 가짜 개체를 생성하여 네트워크를 침투하고 손상시켜 무결성과 가용성을 저해하므로 심각한 보안 위험을 초래합니다. 기존 방어 방식은 이더리움 스마트 계약과 MQTT 같은 경량 프로토콜을 활용하…
AI and Immersive Technologies in E-commerce: A Literature Review
고객의 상호작용적이고 개인화된 쇼핑 경험 요구가 증대함에 따라, 이커머스 분야는 변화를 맞이하고 있습니다. 이에 증강 현실(AR), 가상 현실(VR)과 같은 몰입형 기술과 인공지능(AI)의 통합은 소비자 경험을 풍부하게 하고 효율성을 높이며 궁극적으로 매출 증대에 기여할 잠재력을 가지고 있습니다. 본 연구는 AI 및 몰입형 기술이 온라인 쇼핑에 미치는 영향을 최신 트렌드, 소비자 행동, 사례 연구와 연계하여 분석합니다. 이를 위해 초기 210개 출처를 검토하고, 그중 89개의 관련성 높은 자료를 종합하여 이론적 및 실제적 지식을 …
AI driven system for enhancing consumer electronics through maintenance personalization and security
가전제품의 급증은 예측 유지보수, 사용자 개인화, 기기 보안과 같은 핵심 과제에 대한 고급 솔루션의 필요성을 증대시키고 있습니다. 기존 모델은 제한된 적응성과 성능으로 인해 이러한 문제를 해결하는 데 어려움을 겪고 있습니다. 이 연구는 생성적 적대 신경망(GAN), 변이형 오토인코더(VAE), 동적 추천 알고리즘(DRA), 이상 감지 기술을 통합하여 가전제품을 위한 포괄적인 솔루션을 제공하는 혁신적인 AI 모델인 GenAI-A를 소개합니다. GenAI-A는 생성 AI와 자가 갱신 능력의 강점을 활용하여 예측 유지보수를 강화하고 사…
DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning
인공지능 분야에서 일반 추론 능력은 오랜 난제였습니다. 최근 대규모 언어 모델(LLM)과 CoT(Chain-of-Thought) 프롬프팅 기법의 발전으로 기본적인 추론 작업에서 상당한 성과를 보였지만, 이는 방대한 양의 인간 주석 데이터에 크게 의존하며 복잡한 문제 해결에는 여전히 한계가 있었습니다. 본 연구는 인간이 직접 레이블링한 추론 궤적 없이 순수한 강화 학습(RL)만으로 LLM의 추론 능력을 효과적으로 향상시킬 수 있음을 보여줍니다. 제안된 RL 프레임워크는 자기 성찰, 검증, 동적 전략 적응과 같은 고급 추론 패턴의 자…
Attention Is All You Need
기존의 지배적인 시퀀스 변환 모델들은 인코더-디코더 구조의 복잡한 순환 또는 컨볼루션 신경망을 기반으로 하며, 최신 모델들은 어텐션 메커니즘을 통해 인코더와 디코더를 연결했습니다. 본 연구는 순환 및 컨볼루션을 완전히 배제하고 오직 어텐션 메커니즘에만 기반한 새로운 신경망 아키텍처인 트랜스포머(Transformer)를 제안합니다. 두 가지 기계 번역 태스크에 대한 실험 결과, 트랜스포머 모델은 기존 모델들보다 우수한 번역 품질을 보였으며, 병렬화가 용이하여 훈련 시간이 현저히 단축되었습니다. 특히 WMT 2014 영어-독일어 번역…
The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers
지식 작업 흐름에서 생성 인공지능(GenAI)의 확산은 비판적 사고 능력과 실제 적용에 미치는 영향에 대한 의문을 제기합니다. 본 연구는 319명의 지식 근로자를 대상으로 GenAI 사용 시 비판적 사고가 언제, 어떻게 발현되는지, 그리고 GenAI가 비판적 사고 노력에 언제, 왜 영향을 미치는지 조사했습니다. 참여자들은 업무 과제에서 GenAI를 사용한 936가지 직접적인 사례를 공유했습니다. 정량적 분석에서는 과제 및 사용자별 요인을 모두 고려했을 때, 사용자의 과제별 자신감과 GenAI에 대한 신뢰도가 비판적 사고 발현 여부…
Ethics of AI-based supply chain optimization: a better balance between efficiency and fairness
본 연구는 AI 기반 공급망 최적화 과정에서 발생하는 알고리즘 편향, 자동화로 인한 고용 영향, 책임 및 투명성 문제를 포함한 윤리적 쟁점을 탐구한다. 소매, 헬스케어, 물류 등 다양한 산업에서 효율성 증대를 목표로 머신러닝, 예측 분석, 자연어 처리, AI 기술이 활발히 활용되며 재고 추적 및 수요 예측과 같은 작업을 자동화하고 개선하여 비용 절감 및 공급망 유연성을 높이고 있다. 그러나 이러한 기술의 도입은 공정한 의사결정이라는 중대한 윤리적 문제를 야기한다. 훈련된 시스템의 편향은 자원 불균등 분배를 초래할 수 있으며, 이는…
fastp 1.0: An ultra‐fast all‐round tool for FASTQ data quality control and preprocessing
fastp는 강력한 기능과 탁월한 성능으로 가장 널리 사용되는 FASTQ 파일 전처리 도구 중 하나로 인정받고 있습니다. 본 논문에서는 fastp의 첫 번째 주요 업데이트인 fastp 1.0을 공식적으로 소개하며, 새로운 기능과 구현 원리를 상세히 설명합니다. fastp 1.0은 단순성, 효율성 및 다용성 측면에서 Trimmomatic 및 Cutadapt와 같은 다른 인기 있는 FASTQ 전처리 도구들과 비교하여 그 우수성을 입증합니다. 특히, 배치 처리 스크립트와 같은 모듈을 통해 FASTQ 파일을 효율적으로 처리하는 fastp…
What large language models know and what people think they know
인공지능 시스템, 특히 거대 언어 모델(LLM)이 의사결정 과정에 깊이 통합되면서, 그 결과물에 대한 신뢰는 매우 중요해지고 있습니다. LLM이 인간의 신뢰를 얻으려면 예측의 정확도를 정확하게 평가하고 전달하는 능력이 필수적입니다. 기존 연구는 LLM의 내부 확신도에 초점을 맞췄으나, 사용자에게 불확실성을 얼마나 효과적으로 전달하는지에 대한 이해는 부족했습니다. 본 연구는 LLM이 생성한 답변에 대한 인간의 확신도와 모델의 실제 확신도 간의 차이인 '보정 격차'와, 인간과 모델이 정답과 오답을 얼마나 잘 구별하는지를 나타내는 '판…
How People Use ChatGPT
대규모 언어 모델(LLM) 챗봇의 급속한 확산에도 불구하고, 실제 사용 방식에 대한 이해는 부족한 실정이다. 본 연구는 2022년 11월 출시부터 2025년 7월까지 ChatGPT 소비자 제품의 성장과 활용 패턴을 분석한다. 이 기간 동안 ChatGPT는 전 세계 성인 인구의 약 10%가 사용하게 되었다. 초기 사용자층은 남성 편향적이었으나 성별 격차는 크게 줄었으며, 저소득 국가에서 더 높은 성장률을 보였다. 본 연구는 개인 정보 보호를 준수하는 자동화된 파이프라인을 활용하여 대표적인 ChatGPT 대화 샘플 내 사용 패턴을 분…
AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges
본 연구는 AI 에이전트와 에이전트형 AI 간의 차이를 명확히 하고, 이들의 상이한 설계 철학 및 역량을 규명하기 위해 개념적 분류 체계, 응용 분야 매핑, 그리고 기회 및 과제 분석을 제시한다. AI 에이전트는 LLM 및 LIM에 의해 구동되는 모듈형 시스템으로, 특정 작업을 자동화하는 데 중점을 둔다. 이는 도구 통합, 프롬프트 엔지니어링, 추론 강화를 통해 발전한다. 반면, 에이전트형 AI 시스템은 다중 에이전트 협업, 동적 작업 분해, 영구 메모리, 그리고 조정된 자율성을 특징으로 하는 패러다임 전환을 나타낸다. 본 연구는…
Recent Emerging Techniques in Explainable Artificial Intelligence to Enhance the Interpretable and Understanding of AI Models for Human
설명 가능한 인공지능(XAI)의 발전에도 불구하고, 복잡한 AI 모델의 해석과 이해에는 여전히 어려움이 있어 광범위한 채택에 제약이 있습니다. 특히 AI 모델의 투명성과 해석 가능성 부족은 사용자 신뢰를 저해하고 중요한 의사결정 과정에 통합되는 것을 방해합니다. 본 연구는 이러한 문제를 해결하기 위해 XAI의 최근 부상하는 기술들을 탐색합니다. 연구는 AI 모델의 해석 가능성을 높이고 인간이 의사결정 과정을 더 잘 이해하도록 돕는 것을 목표로 합니다. 이를 위해 사후 설명, 모델 투명성 방법, 대화형 시각화 기술 등 다양한 방법론…
The Illusion of Thinking
최근 대규모 언어 모델(LLM)은 답변 도출 전 상세한 사고 과정을 생성하는 대규모 추론 모델(LRM)을 도입하며 추론 벤치마크에서 성능 향상을 보였습니다. 그러나 이러한 모델의 근본적인 능력, 스케일링 특성, 그리고 한계는 아직 충분히 이해되지 않고 있습니다. 기존 평가는 주로 최종 답변의 정확성에 초점을 맞추며 데이터 오염 문제와 추론 과정의 구조 및 품질에 대한 통찰력 부족이라는 한계를 가집니다. 본 연구는 이러한 간극을 체계적으로 탐구하기 위해 제어 가능한 퍼즐 환경을 활용했습니다. 이 환경은 일관된 논리 구조를 유지하면서…
AI Agents vs. Agentic AI: A Conceptual taxonomy, applications and challenges
생성형 AI 시대의 정보 융합은 AI 에이전트와 에이전틱 AI를 명확히 구분해야 할 필요가 있습니다. 본 연구는 이 두 개념의 설계 철학과 역량 차이를 규명하기 위해 구조화된 개념 분류 체계, 응용 분야 매핑, 그리고 기회와 도전 과제 분석을 제시합니다. 특히, AI 에이전트는 LLM과 LIM을 기반으로 특정 작업을 자동화하는 모듈형 시스템으로 정의하며, 생성형 AI를 그 기반으로 봅니다. 연구는 검색 전략과 기본 정의를 시작으로, AI 에이전트가 도구 통합, 프롬프트 엔지니어링, 추론 강화를 통해 발전함을 설명합니다. 반면, 에…
Systematic Review of Artificial Intelligence in Education: Trends, Benefits, and Challenges
인공지능(AI)은 교육 방식에 혁신을 가져올 잠재력으로 기대를 모으는 동시에 우려를 낳고 있습니다. 본 연구는 AI의 교육 통합에 대한 논의에 기여하고자, 최신 연구 동향(출판 연도, 연구 국가, 학술지, 교육 수준, 교육 분야, AI 유형)과 AI 활용의 이점 및 과제를 체계적으로 분석했습니다. 2015년부터 2025년 사이에 발표된 155편의 동료 심사 논문을 분석 대상으로 삼았습니다. 특히 챗GPT와 같은 생성형 AI 도구의 영향으로 2022년 이후 연구 활동이 크게 증가했음을 확인했습니다. 연구 결과, AI는 학습 성과 …
Multi-model assurance analysis showing large language models are highly vulnerable to adversarial hallucination attacks during clinical decision support
대규모 언어 모델(LLM)은 임상 환경에서 유용성이 기대되지만, 허위 정보를 생성하는 환각 현상이 문제로 지적됩니다. 특히, 프롬프트에 조작된 세부 정보를 삽입하여 모델이 거짓 정보를 생성하거나 정교화하도록 유도하는 적대적 공격으로 인한 환각은 심각한 위험을 초래할 수 있습니다. 본 연구는 이러한 적대적 환각 공격에 대한 LLM의 취약성을 다중 모델 분석을 통해 평가했습니다. 연구팀은 300개의 의사 검증 시뮬레이션 임상 시나리오를 개발했으며, 각 시나리오에는 조작된 실험 결과, 신체/방사선 징후, 또는 의학적 상태와 같은 단일 …
SkyEyeGPT: Unifying remote sensing vision-language tasks via instruction tuning with large language model
최근 대규모 언어 모델(LLM)이 시각-언어 영역으로 확장되어 인상적인 다중 모달 능력을 보이고 있으나, 원격 탐사(RS) 데이터에 특화된 다중 모달 대규모 언어 모델(MLLM) 연구는 초기 단계이며, 관련 데이터셋 부족과 성능 한계가 존재합니다. 본 연구는 이러한 문제를 해결하고자 RS 다중 모달 지시 튜닝 데이터셋인 SkyEye-968k를 구축했습니다. 이 데이터셋은 단일 및 다중 작업 대화 지시를 포함하며, 수동 검증을 거쳐 968k개의 고품질 샘플로 구성됩니다. 이를 기반으로 RS 다중 세분화 시각-언어 이해를 위해 특별히…
Generative AI without guardrails can harm learning: Evidence from high school mathematics
생성 인공지능(AI)은 인간의 업무 방식에 혁신을 가져오며 생산성 향상에 기여하고 있습니다. 그러나 AI가 새로운 기술 습득, 즉 학습에 미치는 영향은 중요한 미해결 과제입니다. 장기적인 생산성, 특히 AI의 오류 가능성을 고려할 때 사용자의 학습은 필수적입니다. 본 연구는 고등학생을 대상으로 한 현장 실험을 통해 생성 AI 튜터가 학습에 미치는 영향을 탐구했습니다. 거의 천 명의 고등 수학 학생들에게 두 가지 유형의 생성 AI 튜터에 대한 접근 권한을 제공했습니다. 하나는 일반적인 ChatGPT 인터페이스를 모방한 'GPT Ba…
Advancing AI Interpretability in Medical Imaging: A Comparative Analysis of Pixel-Level Interpretability and Grad-CAM Models
본 연구는 의료 영상 진단 시 AI 모델의 투명성과 진단 정확도를 높이기 위해 새로운 Pixel-Level Interpretability(PLI) 모델을 제안한다. 기존 Grad-CAM 모델의 한계를 극복하고, 더욱 세밀한 해석력과 정밀한 병변 위치 파악을 목표로 한다. 연구 방법론으로 VGG19 CNN 아키텍처를 활용했으며, 1,000개 이상의 레이블링된 COVID-19 흉부 X선 공개 데이터셋 3종을 사용했다. 데이터는 크기 조정, 정규화, 증강을 거쳐 모델의 견고성과 일반화 능력을 확보했다. PLI 모델의 성능은 Grad-C…
The Rise of Agentic AI: A Review of Definitions, Frameworks, Architectures, Applications, Evaluation Metrics, and Challenges
최근 등장한 에이전트 AI 시스템은 자율성, 적응성, 목표 지향적 추론에 중점을 두어 기존 AI, 생성형 AI, 자율 시스템을 넘어서는 중요한 접근 방식입니다. 본 연구는 에이전트 AI 시스템의 정의, 프레임워크, 아키텍처를 통합적으로 검토하고, 생성형 AI, 자율 컴퓨팅, 다중 에이전트 시스템과 같은 관련 분야와 비교하여 명확한 이해를 제공합니다. 이를 위해 현재 LLM 기반 및 비LLM 기반 에이전트 시스템에 대한 143개의 주요 연구를 분석하여 계획, 기억, 성찰, 목표 추구 지원 방식을 살펴보았습니다. 또한, 에이전트 AI…
Artificial intelligence-based digital transformation and environmental sustainability
인공지능(AI)의 급속한 발전은 환경 지속가능성 증진과 다양한 분야의 디지털 전환을 위한 상당한 잠재력을 제시합니다. 그러나 AI 애플리케이션의 분산성, 데이터 통합의 복잡성, 그리고 명확한 측정 지표의 부재는 지속가능한 관행 지원 능력을 제한합니다. 이 연구는 이러한 한계를 극복하기 위해 AI, 블록체인, 사물 인터넷(IoT)을 융합한 혁신적인 프레임워크인 ‘그린 AI(Green AI)’를 제안합니다. 그린 AI는 에너지 효율을 높이고 탄소 배출량을 줄이며 환경 모니터링 정확도를 향상시키는 확장 가능하고 안전한 아키텍처를 제공합…
An enhanced hybrid framework for IoT healthcare security using blockchain-driven multimedia data analysis and cybersecurity techniques
디지털 헬스케어 환경에서 민감한 환자 정보 보호와 실시간 접근 및 의사결정 지원은 필수적입니다. 본 연구는 블록체인과 IoT를 결합한 새로운 하이브리드 프레임워크를 제안하여 안전한 헬스케어 데이터 관리를 목표로 합니다. 이 프레임워크는 Elman 신경망 기반 Blowfish 암호화와 딥 이상 탐지 기술을 통합합니다. 제안된 프레임워크는 IoT 센서 데이터를 활용하고, 권위증명(PoA) 합의 메커니즘을 통해 분산 노드 간의 위변조 방지 트랜잭션 기록을 보장합니다. LSTM 오토인코더와 SVM 분류기를 결합하여 이상 징후를 정확하게 …
Retrieval-augmented generation for educational application: A systematic survey
대규모 언어 모델(LLM)은 AI 기반 교육에 혁신을 가져왔지만, 환각 현상 및 정적인 지식 등의 문제로 교육 환경에서의 신뢰성 한계가 있습니다. 검색 증강 생성(RAG)은 외부 지식 기반에서 관련 정보를 검색하여 LLM의 생성 과정에 통합함으로써 이러한 문제를 해결합니다. 이는 사실 정확도를 높이고 동적인 지식 업데이트를 가능하게 하여 LLM을 교육 애플리케이션에 더욱 적합하게 만듭니다. 본 연구는 교육 시나리오에 RAG를 통합한 기존 연구들을 종합적으로 검토합니다. 먼저 RAG의 정의와 워크플로우를 명확히 하고, RAG의 색인…
Desafíos de la Educación Superior en Contextos Híbridos: Análisis de las Prácticas Docentes en la Universidad Estatal de Milagro durante el Periodo Académico 2025
이 연구는 2025학년도 밀라그로 주립대학교의 하이브리드 교육 환경에서 나타나는 고등교육의 주요 도전과제와 교수 관행을 분석합니다. 하이브리드 모델 도입으로 유연성과 접근성은 향상되었지만, 교수법 적응, 기술 도구 활용, 학습 평가 등에서 상당한 난관이 지속되고 있습니다. 교수와 학생 대상 설문조사, 반구조화된 인터뷰, 하이브리드 수업 참여 관찰을 포함하는 혼합 연구 방법론을 적용했습니다. 이를 통해 하이브리드 교육의 실제적 운영과 관련된 다양한 관점과 경험을 심층적으로 탐색했습니다. 연구 결과, 교사의 지속적인 역량 강화와 학…
A comprehensive review on financial explainable AI
인공지능, 특히 딥러닝 모델은 방대한 데이터 처리 및 복잡한 패턴 학습 능력으로 다양한 산업 분야에서 광범위하게 활용되고 있습니다. 그러나 이러한 모델의 설명 불가능성은 의사결정 투명성이 필수적인 금융 및 헬스케어와 같은 중요 분야에서의 활용에 심각한 우려를 낳고 있습니다. 본 논문은 금융 분야에서 딥러닝 모델의 설명 가능성을 향상시키기 위한 다양한 방법론들을 비교 분석합니다. 설명 가능한 AI(XAI) 방법론들을 특성에 따라 분류하고, 각 방법론의 장단점을 심층적으로 검토합니다. 연구 결과, XAI 도입 시 발생할 수 있는 주…
Small object detection: A comprehensive survey on challenges, techniques and real-world applications
소형 객체 탐지(SOD)는 컴퓨터 비전 분야에서 감시, 자율 시스템, 의료 영상, 원격 탐사 등 다양한 응용 분야에 필수적이지만, 해결하기 어려운 과제입니다. 소형 객체는 해상도가 낮고 공간 및 문맥 정보가 제한적이며, 가려짐, 배경 간섭, 클래스 불균형 등의 문제로 인해 정확한 탐지가 어렵습니다. 이 조사는 2024-2025년 Q1 저널에 발표된 딥러닝 기반 SOD 관련 최신 연구들을 종합적으로 검토합니다. 주요 도전 과제, 최신 기술, 데이터셋, 평가 지표 및 실제 적용 사례를 분석했습니다. 특히 다중 스케일 특징 추출, 초해…
Survey and analysis of hallucinations in large language models: attribution to prompting strategies or model behavior
거대 언어 모델(LLM)의 환각 현상, 즉 유창하지만 사실과 다르거나 논리적으로 모순된 출력은 교육, 헬스케어, 법률, 과학 연구 등 다양한 분야에서 LLM 활용이 증가함에 따라 중요한 문제로 부상하고 있습니다. 본 연구는 LLM 환각 현상의 원인을 체계적으로 조사하고 분석합니다. 특히 환각이 프롬프트 전략의 미흡에서 비롯된 것인지, 아니면 모델 자체의 내재적 행동에서 기인하는 것인지를 판별하는 새로운 프레임워크를 제시합니다. 연구는 GPT-4, LLaMA 2, DeepSeek 등 최신 LLM들을 대상으로 다양한 통제된 프롬프트 …
A Comprehensive Review of Explainable Artificial Intelligence (XAI) in Computer Vision
설명 가능한 인공지능(XAI)은 복잡한 모델의 출력을 인간이 이해할 수 있도록 연결하는 것을 목표로 하며, 컴퓨터 비전 분야에서 그 중요성이 커지고 있습니다. 본 연구는 귀인 기반, 활성화 기반, 섭동 기반, 트랜스포머 기반의 네 가지 주요 XAI 방법론을 선별하여 비교 분석합니다. 이는 광범위한 문헌 검토를 통해 대표적인 접근 방식들을 집중적으로 다룹니다. 각 방법론은 고유한 방식으로 모델의 의사결정을 해석합니다. Grad-CAM과 같은 귀인 기반 방식은 기울기와 특징 활성화를 활용하여 입력 이미지의 핵심 영역을 강조합니다. 활…
Computational toxicology in drug discovery: applications of artificial intelligence in ADMET and toxicity prediction
약물 후보물질의 임상 성공과 시장 잠재력을 결정하는 데 독성 위험 평가는 매우 중요하지만, 기존 동물 실험은 비용, 시간, 윤리적 문제로 인해 계산 독성학의 발전이 가속화되고 있습니다. 본 연구는 인공지능(AI) 기반의 약물 동태 및 독성 예측(ADMET) 플랫폼과 독성 데이터베이스를 종합적으로 분석합니다. 20개 이상의 ADMET 예측 플랫폼을 규칙/통계 기반, 머신러닝(ML), 그래프 기반 방법으로 분류하고, 화학 독성, 환경 독성, 대체 독성, 생물학적 독소 데이터베이스 등 주요 독성 데이터베이스를 모델 훈련 및 검증 관점에…
Design and assessment of AI-based learning tools in higher education: a systematic review
인공지능(AI) 기반 학습 도구는 개인 맞춤 학습, 실시간 피드백, 유연성 증대 등 고등 교육에 다양한 이점을 제공하며 빠르게 확산되고 있습니다. 그러나 이러한 도구의 효과적인 설계 및 구현 전략은 아직 명확히 정립되지 않은 실정입니다. 본 연구는 이 격차를 해소하고자 체계적인 문헌 검토를 수행했습니다. 2014년 1월부터 2024년 4월까지 발표된 동료 심사 논문 63편을 분석하여, AI 기반 학습 도구의 설계 특징(알고리즘 유형, 훈련 데이터셋, 정보 제시 방식, 학습 과정 내 역할)을 요약하고, 대학생의 인지적, 기술 기반,…
Deep Autoencoder Neural Networks: A Comprehensive Review and New Perspectives
오토인코더는 딥러닝의 핵심 기술로 자리매김하며 이미지 처리, 이상 탐지, 생성 모델링 등 다양한 분야에서 표현 학습 능력을 크게 향상시켰습니다. 본 논문은 오토인코더의 초기 개념부터 적대적 오토인코더, 컨볼루션 오토인코더, 변이형 오토인코더와 같은 고급 구현에 이르기까지 그 아키텍처를 포괄적으로 검토합니다. 각 오토인코더의 작동 메커니즘, 수학적 토대, 일반적인 응용 분야 및 생성 모델링에서의 역할을 심층적으로 분석합니다. 이를 통해 기존 지식을 통합하고 최신 발전 동향을 제시합니다. 본 연구는 현대 머신러닝 과제를 해결하는 데…
A multimodal whole-slide foundation model for pathology
컴퓨터 병리학 분야는 자기 지도 학습을 통해 조직 병리 관심 영역(ROI)을 다재다능하고 전이 가능한 특징 표현으로 인코딩하는 파운데이션 모델의 발전으로 변화하고 있습니다. 그러나 이러한 발전이 환자 및 슬라이드 수준의 복잡한 임상 문제를 해결하는 데 적용되는 것은 질병별 코호트의 제한된 임상 데이터, 특히 희귀 질환에 대한 데이터 부족으로 인해 제약을 받습니다. 본 연구에서는 이러한 한계를 극복하기 위해 Transformer 기반의 병리 이미지 및 텍스트 정렬 네트워크(TITAN)를 제안합니다. TITAN은 335,645개의 전…
Estrategias para la Implementación Efectiva del Aprendizaje Híbrido (Blended Learning) en Instituciones Educativas Rurales del Ecuador: Un Análisis Integral
본 연구는 에콰도르 농촌 교육기관에서 블렌디드 러닝(하이브리드 학습)을 효과적으로 구현하기 위한 전략을 분석한다. 디지털 사회의 요구에 부응하고 기관의 회복탄력성을 강화하며 블렌디드 러닝의 이점을 극대화하는 것을 목표로 한다. 2019년부터 2024년 사이에 발표된 12개 연구를 분석하는 질적 문헌 연구 방법론을 적용했다. 진단 평가, 유연한 교육과정 설계, 교사의 기술 및 교육학적 역량 훈련, 능동적 학습 방법론 등 주요 구현 전략을 식별했다. 연구 결과, 디지털 역량 평가, 적절한 기술 자원, 참여형 방법론을 포함하는 견고한…
When helpfulness backfires: LLMs and the risk of false medical information due to sycophantic behavior
대규모 언어 모델(LLM)은 유용성을 지향하는 훈련 과정에서 비논리적인 요청에도 순응하여 잘못된 정보를 생성할 수 있는 취약점을 보인다. 이는 모델이 해당 요청의 비논리성을 인지할 지식이 있음에도 불구하고 발생한다. 본 연구는 이러한 취약점이 의료 분야에서 어떻게 나타나는지 조사했으며, 동등 약물 관계를 오해하는 프롬프트를 사용하여 최신 LLM 5종을 평가했다. 연구는 기본 아첨 경향, 거부 허용 및 사실 회상을 강조하는 프롬프트의 영향, 그리고 비논리적 요청 데이터셋을 통한 미세 조정(분포 외 일반화 포함)의 효과를 테스트했다.…
Learning the natural history of human disease with generative transformers
헬스케어 의사결정은 환자의 과거 및 현재 건강 상태 이해를 바탕으로 미래 질병 경과를 예측하고 변화시키는 데 의존합니다. 인공지능(AI)은 대규모 건강 기록에서 질병 진행 패턴을 학습하여 이 과제를 지원할 잠재력을 가지고 있지만, 그 가능성이 대규모로 충분히 탐구되지 않았습니다. 본 연구에서는 인간 질병의 진행 및 경쟁적 특성을 모델링하기 위해 GPT(생성형 사전 학습 트랜스포머) 아키텍처를 수정했습니다. 이 모델인 Delphi-2M은 40만 명의 영국 바이오뱅크 참가자 데이터를 학습하고, 190만 명의 덴마크인 외부 데이터를 사…
Vector analog computing via on-demand metasurface dispersive polarization transformation
광학 아날로그 컴퓨팅은 초저전력, 고속 및 높은 처리량의 병렬 처리가 가능하여 효율적인 신호 처리에 유망합니다. 기존 플랫폼은 주로 광 강도를 이용한 스칼라 컴퓨팅에 초점을 맞췄는데, 이는 환경 교란에 민감하고 입출력 신호 간의 고정된 상관관계로 인해 단일 또는 기본적인 연산으로 제한되었습니다. 본 연구는 이러한 한계를 극복하기 위해 단일층 메타표면을 활용하여 편광 벡터를 이용한 광학 아날로그 컴퓨팅을 최초로 제안합니다. 분산 푸앵카레 구(Poincaré spheres) 상에서 온디맨드(on-demand) 편광 변환을 통해 입사 …
Does provable absence of barren plateaus imply classical simulability?
최근 양자 변분 알고리즘의 성능을 저해하는 불모지대(barren plateau) 현상에 대한 이해가 활발히 진행되고 있습니다. 본 연구는 불모지대를 피할 수 있는 구조가 손실 함수의 고전적 시뮬레이션 가능성으로 이어지는지에 대한 중요한 질문을 던집니다. 저자들은 불모지대를 회피하는 것으로 알려진 많은 양자 모델들이 초기 데이터 수집 단계에서 양자 장치로부터 일부 고전적 데이터를 얻을 수 있다면 고전적으로 시뮬레이션될 수 있다는 증거를 제시합니다. 이는 불모지대가 차원의 저주에서 비롯되며, 이를 해결하려는 현재 접근 방식들이 문제를…
Towards generalist foundation model for radiology by leveraging web-scale 2D&3D medical data
본 연구는 방사선과 파운데이션 모델(RadFM) 개발의 가능성을 탐색한다. 이를 위해 데이터셋 구축, 모델 설계, 그리고 종합적인 평가의 세 가지 관점에서 접근했다. 연구팀은 1,300만 개의 2D 이미지와 61만 5천 개의 3D 스캔을 포함하는 4개의 멀티모달 데이터셋을 구축했으며, 기존 데이터셋과 통합하여 대규모 학습 데이터셋인 MedMD를 완성했다. 또한, 텍스트 입력과 2D 또는 3D 의료 스캔을 통합하여 진단, 시각 질의응답, 보고서 생성, 근거 기반 진단 등 다양한 방사선과 작업을 수행할 수 있는 새로운 모델 아키텍처를…
Explainable artificial intelligence for medical imaging systems using deep learning: a comprehensive review
2016년 디지털 혁명 이후 인공지능(AI)은 다양한 분야에서 급성장했지만, AI의 '블랙박스' 특성은 특히 의료와 같은 중요 분야에서 심각한 우려를 낳고 있습니다. AI 시스템이 결정을 내리면서도 그 이유를 설명하지 못하는 점은 생명을 위협할 수 있는 의료 분야에서 치명적인 문제를 야기하며, 이는 생물의학 정보학 및 컴퓨팅 분야에서 활발히 논의되는 주제입니다. 이러한 문제를 해결하기 위해 설명 가능한 인공지능(XAI) 분야가 등장했습니다. XAI는 딥러닝(DL)과 같은 기존 AI 방식과 달리, 인간이 이해할 수 있는 방식으로 의…
RAFT: Robust Adversarial Fusion Transformer for multimodal sentiment analysis
다중모드 감성 분석(MSA)은 텍스트, 오디오, 시각 신호를 통합 처리하여 인간의 감정을 이해하는 핵심 기술로 부상했습니다. 그러나 기존 융합 모델은 양상 잡음, 채널 누락, 약한 양상 간 결합 등 실제 환경의 문제에 취약합니다. 이 연구는 이러한 한계를 해결하고자 교차 양상 및 자기 주의 메커니즘과 잡음 모방 적대적 훈련을 통합한 RAFT(Robust Adversarial Fusion Transformer)를 제안합니다. RAFT는 불완전한 입력 조건에서 특징 상호작용과 복원력을 강화합니다. 특히, MSA에서 잡음 및 불완전 데…
Kolmogorov–Arnold graph neural networks for molecular property prediction
그래프 신경망(GNN)은 기하학적 딥러닝의 핵심 모델로서 분자 특성 예측에서 뛰어난 성능을 보여왔습니다. 한편, 콜모고로프-아놀드 네트워크(KAN)는 다층 퍼셉트론의 강력한 대안으로 부상하며 표현력, 매개변수 효율성 및 해석 가능성을 향상시켰습니다. 이 연구는 두 프레임워크의 장점을 결합하고자 합니다. 본 연구에서는 KAN 모듈을 GNN의 세 가지 기본 구성 요소인 노드 임베딩, 메시지 전달, 그리고 읽기(readout)에 통합한 콜모고로프-아놀드 GNN(KA-GNN)을 제안합니다. 또한, 함수 근사 능력을 강화하기 위해 KAN …
Long Short-Term Memory Networks: A Comprehensive Survey
순차 데이터 모델링에 혁신을 가져온 LSTM(Long Short-Term Memory) 네트워크는 기존 순환 신경망(RNN)의 한계를 극복하며 장거리 의존성을 효과적으로 포착합니다. 본 조사는 LSTM 아키텍처를 포괄적으로 다루며, 정보 유지 및 변조를 가능하게 하는 셀 상태와 게이팅 메커니즘 같은 고유 구성 요소를 상세히 설명합니다. LSTM은 자연어 처리(언어 모델링, 기계 번역, 감성 분석), 시계열 분석(예측), 음성 인식 등 다양한 분야에서 활용되며 복잡한 데이터 유형 처리의 다재다능함과 견고함을 입증했습니다. Bidir…
Artificial intelligence in adaptive education: a systematic review of techniques for personalized learning
인공지능(AI)은 머신러닝, 딥러닝, 다중 모드 분석을 통해 개인 맞춤형 학습 경험을 제공하며 디지털 교육을 혁신하고 있습니다. 본 체계적 문헌 검토는 AI 기반 적응형 학습 기술을 분석하며, 특히 지도 및 비지도 학습, 강화 학습, 다중 모드 데이터 통합에 중점을 둡니다. 이 기술들이 개인화, 학습자 참여, 교육 형평성을 어떻게 향상시키는지 평가합니다. PRISMA 가이드라인에 따라 2015년부터 2025년까지 Scopus, Web of Science, IEEE Xplore 등에서 발행된 142편의 동료 심사 논문을 분석했습니다.…
Safeguarding large language models: a survey
거대 언어 모델(LLM) 분야의 급속한 발전과 함께, 윤리적 사용을 보장하기 위한 강력한 안전 메커니즘, 즉 '안전장치' 또는 '가드레일' 개발의 중요성이 커지고 있습니다. 본 논문은 이 핵심 메커니즘의 현재 상태를 체계적으로 문헌 검토하고, 주요 과제와 다양한 맥락의 윤리적 문제를 다루는 포괄적인 메커니즘으로 발전시킬 방안을 논의합니다. 먼저, 주요 LLM 서비스 제공업체와 오픈소스 커뮤니티가 활용하는 안전장치 메커니즘의 현황을 설명합니다. 이어서 환각, 공정성, 프라이버시 등 가드레일이 강화해야 할 바람직하거나 바람직하지 않은…
Comprehensive exploration of diffusion models in image generation: a survey
딥러닝 기술의 급속한 발전과 함께 확산 모델은 이미지, 오디오, 비디오 합성, 분자 설계, 텍스트 생성 등 다양한 분야에서 유망한 생성 모델로 부상했습니다. 독특한 생성 메커니즘과 뛰어난 품질 덕분에 여러 분야에서 가치 있는 도구로 활용되고 있습니다. 그러나 이미지 생성 분야에서 확산 모델의 광범위한 배포는 데이터 프라이버시, 보안, 예술 윤리와 같은 사회적 문제들을 야기하고 있습니다. 기존 연구들은 최신 확산 모델 기반 이미지 합성 기술과 잠재적 사회적 함의를 충분히 다루지 못하는 한계가 있습니다. 본 논문은 확산 모델의 배경…
Advances in diffusion models for image data augmentation: a review of methods, models, evaluation metrics and future research directions
이미지 데이터 증강은 컴퓨터 비전 분야에서 훈련 데이터셋의 다양성과 품질을 높여 머신러닝 모델의 성능과 견고성을 향상시키는 핵심 방법론입니다. 이는 또한 이미지의 맥락과 의미를 고려한 편집 및 수정에도 활용될 수 있습니다. 최근 생성형 인공지능 분야에서 가장 유망한 확산 모델(DMs)은 사실적이고 다양한 이미지를 생성하며 이미지 데이터 증강을 위한 강력한 도구로 부상했습니다. 본 연구는 이미지 증강을 위한 확산 모델 기반 접근 방식을 체계적이고 심층적으로 검토합니다. 먼저 확산 모델의 기본 원리, 모델 아키텍처 및 훈련 전략을 포…
MemIndex: Agentic Event-based Distributed Memory Management for Multi-agent Systems
로봇 공학, 산업 자동화, 자율 제어와 같은 대화형 애플리케이션은 사용자 입력에 동적으로 반응하는 지연 시간에 민감한 시스템이다. 이러한 애플리케이션은 효율적인 통신 프로토콜을 요구하며, 발행/구독(pub/sub) 모델이 유망한 접근 방식 중 하나로 꼽힌다. 그러나 기존 pub/sub 시스템은 제한된 메모리 용량과 동적 환경에서의 비효율성으로 인해 아키텍처적 제약을 겪고 있으며, 효과적인 분산 메모리 관리에 대한 연구는 미흡했다. 본 논문은 이러한 격차를 해소하기 위해 의도-색인 이분 그래프 아키텍처를 기반으로 하는 적응형 자율 …
Deep learning model inversion attacks and defenses: a comprehensive survey
민감한 분야에 딥러닝이 빠르게 도입되면서 개인 데이터의 프라이버시와 무결성에 심각한 위협을 가하는 모델 역공격(MI) 취약점이 대두되고 있습니다. 생체 인식, 헬스케어, 금융 등 다양한 응용 분야에서 MI 공격이 증가함에 따라 그 메커니즘, 영향 및 방어 방법을 이해하는 것이 시급합니다. 본 연구는 MI 공격 및 방어 전략에 대한 체계적이고 심층적인 문헌 검토를 제공하여 기존 연구의 공백을 메우고자 합니다. MI 공격의 체계적인 분류법을 제시하고, 공격 기술과 방어 메커니즘에 대한 광범위한 조사를 수행합니다. 이를 통해 MI 공…
Knowledge graph enhanced retrieval-augmented generation for failure mode and effects analysis
신제품 출시 단계에서 잠재적 고장을 완화하는 데 필수적인 FMEA(고장 모드 및 영향 분석)는 기존 도구의 제한된 추론 능력으로 인해 효과가 저해됩니다. 대규모 언어 모델(LLM)은 자연어 처리에서 새로운 가능성을 제시하지만, 사실적 지식 요구 사항에서 약점을 보입니다. 이를 보완하기 위해 비모수적 데이터 저장소에서 정보를 검색하여 응답을 생성하는 RAG(검색 증강 생성) 접근 방식이 주목받고 있습니다. 본 연구는 RAG 프레임워크의 비모수적 데이터 저장소를 지식 그래프(KG)로 강화하는 방법을 제안합니다. FMEA 데이터를 위한…
Vision-language foundation models for medical imaging: a review of current practices and innovations
대규모 언어 모델과 비전-언어 모델(VLM)을 포함한 파운데이션 모델은 효율적이고 확장 가능하며 다중 모드 학습을 통해 인공지능 분야에 혁신을 가져왔습니다. 이러한 모델은 자기 지도 및 준 지도 학습의 발전을 활용하여 컴퓨터 비전과 자연어 처리를 통합함으로써 질병 분류, 분할, 교차 모드 검색, 자동 보고서 생성과 같은 복잡한 작업을 해결합니다. 의료 분야에서 파운데이션 모델은 다양한 의료 영상 모달리티 정보와 방사선 보고서 및 임상 기록의 텍스트 데이터를 결합하여 중요한 문제를 해결합니다. 이러한 통합은 진단 워크플로우를 간소화…
People are poorly equipped to detect AI-powered voice clones
생성형 인공지능(AI)의 급격한 발전은 텍스트, 오디오, 이미지, 비디오 등 다양한 형태의 콘텐츠가 인간이 생성한 콘텐츠를 모방하는 능력을 지속적으로 향상시키고 있습니다. 특히 음성 분야에서 AI 기술은 실제 사람의 목소리와 구별하기 어려울 정도로 정교해지고 있으며, 이는 사회적, 윤리적 문제를 야기할 수 있습니다. 본 연구는 일련의 지각 연구를 통해 AI 생성 음성의 사실성, 특히 신원 일치 및 자연스러움 측면을 평가했습니다. 참가자들에게 실제 음성과 AI 생성 음성을 들려주고, 두 음성의 동일성 여부와 AI 생성 여부를 판단하…
Recurrence Sets for Proving Fair Non-termination under Axiomatic Memory Consistency Models
순차 프로그램에서 비종료성은 재귀 집합(recurrence sets)으로 특징지어집니다. 본 연구는 이러한 재귀 집합 개념을 약한 메모리 모델에서 실행되는 동시성 프로그램으로 확장합니다. 고전적인 재귀 집합이 상태와 전이에 기반한 순차 프로그램의 운영 의미론에서 정의되는 것과 달리, 동시성 프로그램은 실행(executions)에 기반한 공리적 의미론을 가집니다. 이에 따라 새로운 재귀 집합은 확장(extensions)에 대해 실존적으로 닫힌 실행 집합으로 정의됩니다. 동시성 프로그램의 의미론은 메모리 모델뿐만 아니라 스케줄러나 메…
A Verified High-Performance Composable Object Library for Remote Direct Memory Access
원격 직접 메모리 접근(RDMA)은 CPU와 운영체제를 우회하여 원격 장치 간 직접 메모리 접근을 가능하게 하는 기술로, 현대 데이터 센터, 고성능 컴퓨팅(HPC) 및 AI/ML 워크로드에 필수적인 저지연 고처리량 네트워킹을 제공합니다. 그러나 RDMA의 기본 모델은 다루기 어려운 약한 메모리 모델을 가지며, 최근에야 정형화되었습니다. 본 연구에서는 RDMA 기반 다중 노드 객체 구축을 위한 정형 검증 라이브러리인 LOCO(Library of Composable Objects)를 소개합니다. LOCO는 공유 메모리와 분산 시스템 …
Explainable Artificial Intelligence: A Perspective on Drug Discovery
인공지능(AI)은 신약 개발 과정을 혁신하며 치료 표적 식별, 후보 물질 정제, 연구부터 임상 적용까지의 효율성을 가속화하고 있습니다. 그러나 딥러닝 모델을 포함한 AI 모델의 내재된 불투명성은 '블랙박스' 문제를 야기하여 제약 연구자들의 해석 가능성과 수용을 제한합니다. 이에 설명 가능한 인공지능(XAI)은 AI 예측의 의사결정 메커니즘을 명확히 하여 투명성, 신뢰성, 신뢰도를 높이는 핵심 솔루션으로 부상했습니다. 본 연구는 XAI의 원칙과 방법론을 체계적으로 탐구하며, 신약 개발에 특화된 다양한 XAI 도구, 모델, 프레임워크…
Adversarial machine learning: a review of methods, tools, and critical industry sectors
인공지능(AI)의 급속한 발전은 이미지 인식, 자율주행 등 다양한 분야에서 고성능 모델을 탄생시켰습니다. 그러나 머신러닝(ML) 모델은 적대적 공격 및 데이터 오염에 취약하여 시스템 오작동 및 의사결정 오류를 초래할 수 있으며, 개인 데이터 사용으로 인한 프라이버시 침해 문제도 제기됩니다. 본 논문은 현대 AI 시스템의 적대적 머신러닝(AML) 환경을 견고성과 프라이버시라는 이중 관점에서 조망합니다. 연구는 포괄적인 분류 체계를 활용하여 적대적 공격 및 방어 기법을 탐구합니다. 이어서 견고성 벤치마크와 함께 ML 시스템 이해관계자…
Knowledge graph validation by integrating LLMs and human-in-the-loop
지식 그래프(KG)의 품질은 이를 기반으로 하는 지능형 애플리케이션의 성공에 필수적입니다. 최근 대규모 언어 모델(LLM)의 발전은 다양한 작업에서 인간 수준의 성능을 보여주며, KG 검증에서의 잠재력에 대한 질문을 제기합니다. 본 연구는 LLM과 도메인 전문가 간의 다양한 협업 전략을 탐색하며, 인간 중심의 KG 검증 워크플로우에서 LLM의 역할을 탐구합니다. 저자들은 완전 자동화된 검증부터 전문가 감독과 AI 지원을 결합한 하이브리드 방식에 이르기까지 9가지 접근 방식을 제안하고 평가했습니다. 이 워크플로우들은 과학계량학적 작…
AI-Generated Content (AIGC) for Various Data Modalities: A Survey
AI 생성 콘텐츠(AIGC)는 AI 알고리즘을 활용하여 텍스트, 이미지, 비디오, 3D 에셋 등 다양한 미디어를 생성하는 기술입니다. 최근 머신러닝(ML) 및 딥러닝(DL) 분야의 발전과 광범위한 응용 가능성으로 인해 AIGC는 상당한 주목을 받고 있으며, 본 연구는 ML/DL 기반 AIGC의 발전을 종합적으로 검토합니다. AIGC 방법론은 이미지, 비디오, 텍스트, 3D 형상, 3D 장면, 3D 휴먼 아바타, 3D 모션, 오디오 등 다양한 데이터 양식에 맞춰 개발되었으며, 각 양식은 고유한 특성과 도전 과제를 제시합니다. 또한,…
DriveDreamer-2: LLM-Enhanced World Models for Diverse Driving Video Generation
자율주행 분야에서 월드 모델은 다중 시점 운전 영상 생성에 탁월한 성능을 보였으나, 맞춤형 영상 생성에는 한계가 있었습니다. 본 연구는 사용자 정의 운전 영상 생성을 위해 대규모 언어 모델(LLM)을 통합한 DriveDreamer-2를 제안합니다. DriveDreamer-2는 사용자 설명에 부합하는 궤적을 생성하는 궤적 생성 함수 라이브러리를 개발하고, 궤적에서 도로 구조를 학습하는 HDMap 생성기를 설계했습니다. 또한, 생성된 다중 시점 운전 영상의 시간적, 공간적 일관성을 강화하기 위해 통합 다중 시점 모델(UniMVM)을 …
Enhance Vision-Language Alignment with Noise
사전 학습된 시각-언어(VL) 모델의 발전과 함께, 다운스트림 태스크에서 시각 및 언어 양식 간의 정렬을 개선하는 것이 중요한 과제로 부상했습니다. 기존 미세 조정 방법들이 두 양식에 추가 모듈을 사용하는 것과 달리, 본 연구는 고정된 모델을 맞춤형 노이즈를 통해 미세 조정할 수 있는지 탐구합니다. 이 접근 방식은 노이즈의 영향을 정량적으로 분석하는 유익한 노이즈, 즉 긍정적 유인 노이즈(Pi-noise)에 대한 과학적 연구에서 영감을 받았습니다. 이를 통해 VL 모델 미세 조정에 활용될 수 있는 유익한 노이즈 분포를 학습하는 새…
Enhancing multimodal deepfake detection with local–global feature integration and diffusion models
정교한 생성 기술로 오디오-시각 데이터 조작이 증가함에 따라 딥페이크 탐지는 중요한 과제가 되었습니다. 기존 방법은 주로 오디오-시각 특징을 이용한 립싱크 동기화에 초점을 맞추며, 컨볼루션 신경망(CNN)을 통한 지역 특징 추출에 의존합니다. 본 연구는 지역 및 전역 특징 통합을 통해 딥페이크 탐지를 강화하는 멀티모달 프레임워크를 제안합니다. 기존 파이프라인에 눈 움직임, 얼굴 영역 등 추가 시각 특징과 오디오 특징을 결합하여 교차 모달 의존성을 모델링합니다. CNN은 지역 특징을, 비전 트랜스포머(ViT)는 시각 및 오디오 양식…
An overview of model uncertainty and variability in LLM-based sentiment analysis: challenges, mitigation strategies, and the role of explainability
대규모 언어 모델(LLM)은 감성 분석 분야에 상당한 발전을 가져왔지만, 내재된 불확실성과 변동성은 신뢰할 수 있고 일관된 결과를 얻는 데 중대한 과제를 제기합니다. 본 논문은 LLM 기반 감성 분석에서 나타나는 모델 변동성 문제(MVP)를 체계적으로 탐구합니다. 이는 확률적 추론 메커니즘, 프롬프트 민감도, 훈련 데이터 편향으로 인해 발생하는 일관성 없는 감성 분류, 양극화, 불확실성으로 특징지어집니다. 저자들은 MVP의 영향을 강조하기 위해 예시와 두 가지 사례 연구를 제시하고, 모델 변동성의 근본적인 원인인 12가지 이유를 …
Generative Artificial Intelligence in Qualitative Data Analysis: Analyzing—Or Just Chatting?
연구자와 기업가들은 질적 데이터 분석에 생성형 인공지능(GenAI) 도구를 적용하는 방안을 적극적으로 모색하고 있습니다. 자동 코딩 및 주제 분석부터 가상 연구 보조 역할에 이르기까지, 질적 연구에서 GenAI의 잠재적 응용 분야는 광범위해 보입니다. 본 논문은 GenAI가 어떤 기술적 인공물인지 근본적인 질문을 던지고, 질적 데이터 분석에 적합한지 평가합니다. 특히 대규모 언어 모델(LLM)에 초점을 맞춰 GenAI에 대한 접근 가능하고 기술적으로 정보에 입각한 분석을 제공하며, 질적 데이터 분석에서 GenAI 사용의 혁신적 잠…
Deeper Insights Into Deep Graph Convolutional Networks: Stability and Generalization
그래프 합성곱 신경망(GCN)은 그래프 학습 태스크에서 뛰어난 성능을 보이며 강력한 모델로 부상했습니다. 그러나 경험적 성공에도 불구하고, 이론적 관점에서 GCN의 본질적인 능력을 이해할 필요성이 커지고 있습니다. 기존 이론 연구는 주로 단일 레이어 GCN 분석에 집중되어, 심층 GCN의 안정성 및 일반화에 대한 포괄적인 이론적 탐구는 제한적이었습니다. 본 논문은 심층 GCN의 안정성 및 일반화 특성을 깊이 있게 탐구하여 이러한 간극을 해소합니다. 관련 상한을 엄격하게 특성화함으로써 귀중한 통찰력을 제공하는 것을 목표로 합니다. …
Vision-Language Models for Autonomous Driving: CLIP-Based Dynamic Scene Understanding
자율주행 시스템의 안전성 향상, 운전자 의사결정 설명, 그리고 주행 영상 분석을 위한 장면 이해는 필수적입니다. 본 연구는 동적 장면 검색 시스템을 개발했으며, 이는 CLIP(Contrastive Language–Image Pretraining) 모델을 활용하여 엣지 디바이스에 실시간 배포 가능하도록 최적화되었습니다. 제안된 시스템은 복잡한 시나리오에서 GPT-4o의 제로샷(zero-shot) 기능을 포함한 기존의 최첨단 인컨텍스트 학습 방법론을 능가하는 성능을 보였습니다. 약 80시간 분량의 주행 영상이 포함된 Honda Sce…
High-level visual representations in the human brain are aligned with large language models
인간의 뇌는 시각 입력에서 객체, 공간적·의미론적 관계, 환경과의 상호작용 등 복잡한 정보를 추출하지만, 이를 정량적으로 연구하는 방법은 여전히 부족합니다. 본 연구는 대규모 언어 모델(LLM)에 인코딩된 맥락 정보가 뇌가 자연 장면에서 추출하는 복잡한 시각 정보를 모델링하는 데 유용한지 탐구합니다. 연구팀은 장면 캡션의 LLM 임베딩이 자연 장면을 볼 때 유발되는 뇌 활동을 성공적으로 특성화함을 보였습니다. 이 매핑은 다양한 뇌 영역의 선택성을 포착하며, 뇌 활동으로부터 정확한 장면 캡션을 재구성할 수 있을 만큼 견고합니다. 엄…
AI makes you smarter but none the wiser: The disconnect between performance and metacognition
인간-AI 상호작용 최적화를 위해서는 사용자의 비판적 성찰이 필수적이나, 생성형 AI가 사용자의 메타인지 판단에 미치는 영향은 잘 알려져 있지 않습니다. 본 연구는 AI 사용이 논리적 추론 과제에서 사용자의 메타인지 모니터링 및 성과에 어떻게 연관되는지 대규모 연구를 통해 탐구했습니다. 두 가지 대규모 연구에서, 참가자들은 AI를 활용하여 논리적 추론 문제를 해결했습니다. 특히, AI를 사용하는 사람들이 자신의 수행 능력을 얼마나 정확하게 모니터링하는지 분석했습니다. 연구 1에서는 246명의 참가자가 AI를 이용해 LSAT 논리 …
A comprehensive review of explainable AI in cybersecurity: Decoding the black box
최근 인공지능(AI)은 일상생활 전반에 걸쳐 광범위하게 활용되고 있으며, 머신러닝(ML) 및 딥러닝(DL) 모델을 활용한 다양한 기술이 빠르게 발전하고 있습니다. 그러나 이러한 모델들은 본질적으로 복잡하여 의사결정 과정에 대한 해석 가능한 설명을 제공하지 못하는 '블랙박스'로 간주됩니다. 특히 사이버보안 분야에서는 설명 불가능한 시스템이 중요한 결정을 내릴 때 명백한 위험을 초래하며, 이는 사용자들의 불신을 야기하여 사이버 공격 방어 모델의 신뢰도를 저하시킵니다. 이러한 문제 해결을 위해 본 연구는 설명 가능한 인공지능(XAI)을…
Explainable AI for Clinical Decision Support Systems: Literature Review, Key Gaps, and Research Synthesis
인공지능(AI)은 임상 의사결정 지원 시스템(CDSS)을 크게 향상시킬 잠재력이 있지만, AI 모델의 불투명성은 임상 현장에서의 채택을 가로막는 주요 장벽입니다. 이는 주로 해석 가능성 및 신뢰 문제에서 기인합니다. 설명 가능한 AI(XAI)는 모델의 추론 과정을 임상의가 이해할 수 있도록 함으로써 이러한 격차를 해소하려 하지만, 기존 XAI 솔루션은 실제 임상가의 요구사항, 워크플로우 통합, 유용성 문제를 제대로 다루지 못했습니다. 본 연구는 XAI를 CDSS에 적용하는 데 있어 지속되는 과제들(예: 부적절한 설명 방법, 최적화…
Towards trustworthy artificial intelligence for decision-making: A lifecycle perspective on knowledge- and data-driven artificial intelligence systems
조직의 의사결정 과정에서 데이터 기반 인공지능(AI) 시스템의 활용이 증가하고 있으나, 이러한 시스템은 종종 해석 불가능한 블랙박스로 작동하여 의사결정의 근거를 이해하기 어렵게 만듭니다. 또한, 구조화된 도메인 지식을 활용하지 못해 의사결정 맥락이나 목표와 일치하지 않는 결과를 초래하고, 이는 잘못된 결정이나 AI 시스템에 대한 신뢰 저하로 이어질 수 있습니다. 이러한 문제 해결을 위해 최근 신경-상징 AI와 같이 도메인 지식과 데이터 기반 AI를 통합하려는 연구가 활발히 진행되고 있습니다. 본 연구는 의사결정을 위한 지식-데이터…
Synthetic Scientific Image Generation with VAE, GAN, and Diffusion Model Architectures
생성형 AI는 과학 이미징 분야에 새로운 가능성을 제시하며 다양하고 복잡한 이미지 데이터를 합성하는 강력한 도구로 부상했습니다. 본 연구는 과학 이미지 합성을 목적으로 Variational Autoencoder (VAE), Generative Adversarial Network (GAN), Diffusion Model 등 주요 생성 모델 아키텍처를 포괄적으로 비교 분석합니다. 각 모델의 기본 원리, 최신 아키텍처 발전, 실제 적용 시 장단점을 검토했습니다. 암석 및 복합 섬유의 microCT 스캔, 식물 뿌리 고해상도 이미지 등 …
Diffusion models for robotic manipulation: a survey
확산 생성 모델은 이미지 및 비디오 생성과 같은 시각 영역에서 뛰어난 성능을 보였으며, 최근 로봇 조작 분야에서도 유망한 접근 방식으로 부상하고 있습니다. 이 모델들은 확률론적 프레임워크를 기반으로 다중 모드 분포를 모델링하고 고차원 입출력 공간에 대한 견고성을 제공합니다. 본 연구는 로봇 조작 분야의 최신 확산 모델을 종합적으로 검토합니다. 특히 파지 학습, 궤적 계획, 데이터 증강 등 다양한 응용 사례를 다룹니다. 장면 및 이미지 증강을 위한 확산 모델은 로봇 공학과 컴퓨터 비전의 교차점에 위치하며, 비전 기반 작업의 일반화 …
Vision-language foundation model for 3D medical imaging
최근 인공지능, 특히 시각-언어 파운데이션 모델(VLFMs)의 발전은 복잡한 3D 의료 영상 데이터로부터 방사선 보고서 생성을 자동화할 가능성을 보여줍니다. 본 연구는 VLFMs에 대한 23개 연구를 분석하여 모델 아키텍처, 기능, 훈련 데이터셋 및 평가 지표에 중점을 두었습니다. 연구 방법론은 VLFMs 관련 문헌을 체계적으로 검토하고, 각 연구의 핵심 요소를 비교 분석하는 방식으로 진행되었습니다. 이를 통해 방사선학 분야에서 AI의 진화 과정을 추적하고, 현재 기술 수준과 한계를 파악했습니다. 분석 결과, 일관되고 고품질의 …
Generative AI enables medical image segmentation in ultra low-data regimes
의료 영상의 의미론적 분할은 질병 진단 및 치료 계획 수립에 필수적입니다. 딥러닝은 이 작업을 효과적으로 자동화하지만, 주석이 달린 분할 마스크의 희소성으로 인해 초저데이터 환경에서는 어려움을 겪습니다. 본 연구는 이러한 문제를 해결하기 위해 고품질 영상-마스크 쌍을 보조 훈련 데이터로 생성하는 생성 딥러닝 프레임워크를 제안합니다. 기존 생성 모델이 데이터 생성과 모델 훈련을 분리하는 것과 달리, 본 프레임워크는 다단계 최적화를 통해 종단간 데이터 생성을 수행합니다. 이는 분할 성능이 생성 과정을 유도하여, 분할 결과 개선에 최적…
Toward Autonomous LLM-Based AI Agents for Predictive Maintenance: State of the Art, Challenges, and Future Perspectives
최근 대규모 언어 모델(LLM)의 발전으로 지각, 추론, 행동을 결합한 에이전트 시스템이 기계 고장 진단을 포함한 예측 보전(PdM) 수명 주기 전반에 걸쳐 활용 가능해졌습니다. 그러나 PdM을 위한 LLM 기반 에이전트 연구는 파편화되어 있으며, Model Context Protocol과 같은 최신 프레임워크에 대한 통합된 관점이 부족합니다. 본 논문은 PdM을 위한 판별형, 생성형, LLM 기반 접근 방식을 검토하고, LLM 기반 AI 에이전트에 대한 파편화된 증거들을 통합합니다. 특히, PdM을 위한 에이전트 AI 개념을 소…
Generative AI in depth: A survey of recent advances, model variants, and real-world applications
최근 딥러닝 기반 생성 모델, 특히 GAN, VAE, 확산 모델(DM)은 이미지 및 비디오 합성 등 다양한 분야에서 고품질 콘텐츠 생성에 핵심적인 역할을 하고 있습니다. 이러한 모델의 급속한 발전과 연구량 증가, 응용 분야 확장, 그리고 미해결 기술 과제로 인해 최신 동향을 파악하기가 점점 어려워지고 있습니다. 본 조사는 이러한 필요성을 해결하고자 합니다. 이 연구는 GAN, VAE, DM의 발전 과정을 이해하기 위한 포괄적인 분류 체계를 제시합니다. 다양한 변형 모델과 결합 접근 방식을 포함하여, 생성 결과물의 품질, 다양성, …
Autonomous Incident Remediation via GenAI-Assisted Runbooks
클라우드 인프라가 전 세계 디지털 운영의 핵심으로 자리 잡았지만, 복잡성 증가에 비해 신뢰성 엔지니어링은 뒤처져 있습니다. 관측 및 경고 시스템은 발전했으나, 장애 대응은 여전히 사람의 전문성에 크게 의존하여 탐지부터 자동 복구까지 상당한 격차가 발생하고, 이는 막대한 다운타임 비용과 운영 피로도로 이어집니다. 본 논문은 생성형 AI를 활용한 폐쇄 루프형 복구 프레임워크를 제안합니다. 이 프레임워크는 LLM 기반 진단, 정책 기반 실행, 안전성 검증 메커니즘을 통합하며, 지속적인 학습 피드백 주기를 통해 장애 해결의 진단, 실행,…
A comprehensive taxonomy of prompt engineering techniques for large language models
거대 언어 모델(LLM)은 다양한 분야에서 뛰어난 성능을 보이며, 2023년까지 AI 생성 콘텐츠(AIGC) 산업에 260억 달러 이상이 투자될 정도로 그 잠재력이 주목받고 있습니다. LLM 활용이 확산됨에 따라, 모델 파라미터 변경 없이 성능을 향상시키는 프롬프트 엔지니어링이 핵심 연구 분야로 부상했습니다. 그러나 기존 프롬프트 엔지니어링 기법들을 체계적으로 정리하고 종합적으로 분석한 연구는 부족한 실정입니다. 이 연구는 프롬프트 엔지니어링의 기존 기법과 응용 사례를 심층적으로 조사하고, 프롬프트 구성의 기초 프레임워크를 제공하…
Scaling Up Your Kernels: Large Kernel Design in ConvNets Toward Universal Representations
본 논문은 현대 컨볼루션 신경망(ConvNets) 설계에서 대형 컨볼루션 커널 활용 패러다임을 제안한다. 여러 개의 작은 커널을 쌓는 대신 소수의 대형 커널을 사용하는 것이 더 우수한 설계 전략이 될 수 있음을 규명하였다. 우리는 대형 커널 ConvNets의 효율성과 성능을 최적화하는 아키텍처 설계 가이드라인을 제시한다. 특히, 대형 커널 ConvNets를 위해 고안된 체계적인 아키텍처 설계 원칙을 제공하는 UniRepLKNet 아키텍처를 제안한다. 이 아키텍처는 깊은 레이어 스태킹 없이도 광범위한 공간 정보를 포착하는 대형 커널…
Augmentation of 3D virtual aggregate database using deep convolutional Wasserstein generative adversarial networks
아스팔트 혼합물 수치 모델의 일반화 능력은 가상 골재 데이터베이스의 제한된 형태학적 다양성으로 인해 저해되며, 이는 아스팔트 포장의 기계적 반응 예측 신뢰도를 낮춥니다. 본 연구는 이러한 한계를 극복하고자 딥 컨볼루션 Wasserstein 생성적 적대 신경망(DC-WGAN)을 활용하여 3D 가상 골재 데이터베이스를 증강하는 새로운 프레임워크를 제안합니다. 스테레오 비전 및 다중 뷰 매칭 기술로 원본 3D 가상 골재 데이터베이스를 구축한 후, 6가지 DC-WGAN 변형 모델을 사용하여 데이터를 증강했습니다. 모델 성능과 증강된 데이…
