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.…
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 …
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…
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…
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…
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.…
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…
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…
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 …
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 …
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…
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…
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…
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 …
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…
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…
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 …
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.…
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…
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…
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 …
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…
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 …
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 …
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…
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…
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…
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 …
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…
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…
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 …
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…
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, …
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…
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…
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…
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…
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 …
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…
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…
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…
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…
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…
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 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…
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…
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 …
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 …
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…
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…
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…
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 …
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…
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…
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…
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 …
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…
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…
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…
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…
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 …
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…
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…
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…
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…
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…
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 …
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 …
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…
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…
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…
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 …
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,…
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…
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…
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…
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…
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 …
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…
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 …
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…
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…
