THIS WEEK
현재 트렌드 큐레이션은 이공계 연구를 중심으로 제공해요. 다른 분야의 논문도 상단 검색에서 찾아보세요.
주제가 넓다면 핵심 개념 두세 개부터 검색하고, 결과를 보면서 대상·방법·연도를 더해 좁혀보세요. 정확한 논문을 알고 있다면 제목이나 DOI로 찾는 편이 빠릅니다.
예를 들어 ‘생성형 AI 교육’처럼 주제와 적용 분야를 함께 입력하세요. 같은 개념의 한국어·영어 표현을 각각 검색하면 놓친 자료를 찾는 데 도움이 됩니다.
통합 탐색에서 출처가 표시된 결과를 보고, 필요하면 OpenAlex 또는 ScienceON을 골라 다시 검색하세요. 출처마다 수록 범위와 제공 정보가 다를 수 있습니다.
제목이 비슷한 논문은 저자·발행연도·학술지·DOI를 대조하세요. 원문 링크가 있어도 열람이나 PDF 이용 조건은 제공처에 따라 달라집니다.
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…
Information Systems Research
읽기ChatGPT와 같은 대규모 언어 모델(LLM)은 인공지능 분야의 중요한 진전을 나타내지만, 컴퓨팅, 메모리, 에너지, 재정 등 막대한 자원 소비 문제를 야기합니다. 특히 자원 제약이 있는 환경에서는 이러한 도전이 더욱 심화됩니다. 본 조사는 LLM의 자원 효율성을 높이기 위한 다양한 기술들을 체계적으로 검토하여 이 문제에 접근합니다. 저자들은 최적화 초점(컴퓨팅, 메모리, 에너지, 재정, 네트워크)과 LLM 생명주기(아키텍처 설계, 사전 학습, 미세 조정, 시스템 설계)에 따른 방법론을 분류합니다. 또한, 특정 자원 유형에 따른…
ACM Computing Surveys
읽기화학 반응의 메커니즘 모델링은 반응성을 이해하고 실험 전 결과를 예측하는 데 중요합니다. 기존 머신러닝 기반 원자간 전위(MLIP) 모델은 다양한 반응 모델링에 필요한 정확도가 부족하다는 한계가 있었습니다. 본 연구는 이러한 문제를 해결하고자 폐쇄껍질 탄소, 수소, 질소, 산소 반응의 메커니즘 모델링을 위한 일반 MLIP인 AIMNet2-rxn을 개발했습니다. AIMNet2-rxn은 약 470만 개의 범위 분리 밀도 범함수 이론 계산 데이터셋을 활용하여 훈련되었습니다. 이 모델은 참조 양자 역학(QM) 방법보다 약 100만 배 빠…
Science Advances
읽기기존 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…
IEEE Transactions on Pattern Analysis and Machine Intelligence
읽기알래스카 북부 경사면에서 가스 하이드레이트 함유 사암 저류층의 감압 기반 가스 생산을 이해하기 위한 10개월간의 생산 시험이 성공적으로 수행되었다. 본 연구는 JOGMEC-DOE-USGS 협력 가스 하이드레이트 R&D 프로젝트의 일환으로, 25년 이상 지속된 공동 연구의 연장선상에서 진행되었다. 2018년 시추된 '층서 시험정'의 결과를 바탕으로, 두 개의 생산정과 하나의 지질과학 데이터 수집정을 포함하는 시험 프로그램이 설계되었으며, 이를 위해 맞춤형 지상 생산 시험 시설이 구축되었다. 과거 일본, 미국, 캐나다의 현장 시험에서…
Energy & Fuels
읽기좌표-범주 데이터(벡터와 범주 정보의 조합)로부터 물성을 예측하는 것은 재료 과학에서 형성 에너지나 탄성 계수를 예측하는 등 계산 과학의 근간을 이룹니다. 최근 거대 언어 모델(LLM)이 이러한 작업에 적용되고 있으나, 신뢰할 수 있는 예측을 위한 최적의 전략은 여전히 불분명합니다. 본 연구는 LLM이 좌표-범주 데이터의 좌표 정보를 학습하는 데 근본적인 한계가 있음을 밝힙니다. 좌표 및 범주 기여도를 조절할 수 있는 합성 데이터셋과 포괄적인 벤치마킹 프레임워크(MatText)를 활용한 체계적인 실험을 수행했습니다. 그 결과, …
Nature Computational Science
읽기