57편의 한국어 분석 — 최신순으로 정렬했어요
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 …
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…
차세대 리튬 배터리용 비정질 고분자 전해질은 기존 액체 전해질 대비 안전성과 기계적 안정성이 우수하나, 이온 전도도 및 확산도 등 수송 특성 예측은 고분자 구조, 화학, 이온 역학 간의 복잡한 상호작용으로 인해 난제로 남아있습니다. 본 연구는 이러한 문제를 해결하고자 머신러닝을 활용하여 비정질 고분자 전해질의 핵심 수송 특성 네 가지(이온 전도도, TFSI 확산도, 리튬 이온 확산도, 고분자 확산도)를 예측했습니다. 6,000개 이상의 고분자 전해질 시스템 분자 동역학 데이터셋을 기반으로, SMILES 표현에서 원소 조성, 작용기…
본 논문은 머신러닝이 유체역학 연구를 어떻게 지원할 수 있는지 논의한다. 데이터 기반 유체역학의 관점에서 인코더-디코더 관점을 제시하며, 유체역학자들이 흔히 다루는 다양한 문제 설정에 적용 가능한 접근법을 제안한다. 특히 비선형 머신러닝 분석에 초점을 맞춰, 회귀, 데이터 압축, 예측 및 시스템 제어 분야의 대표적인 연구 사례들을 소개한다. 데이터 기반으로 유체 흐름을 연구하기 위한 단계별 지침을 제공한다. 문제 설정, 데이터 큐레이션, 모델 구축, 모델 훈련, 머신러닝 결과 평가, 그리고 기법 개선의 여섯 단계를 다루며, 각 단…
전자 구조 예측을 위한 머신러닝(ML) 모델은 일반적으로 계산 비용이 높은 콘-샴 밀도 범함수 이론(Kohn-Sham DFT) 계산으로 생성된 대규모 데이터셋에 의존합니다. 이는 정확한 학습에 필수적인 데이터 부분이 사전에 알려져 있지 않기 때문입니다. 본 연구는 다양한 재료 시스템에 걸쳐 전자 구조 데이터셋에 상당한 중복성이 존재함을 밝히고, 이를 기본 데이터의 낮은 내재적 차원(intrinsic dimensionality)에 기인한다고 설명합니다. 우리는 무작위 가지치기(random pruning)만으로도 예측 정확도 저하를 …
광반응기 설계는 빛의 반사, 산란, 흡수 등 복잡한 상호작용으로 인해 효율성 확보가 어렵습니다. 본 연구는 광자 포획률을 높이고 균일한 조사를 가능하게 하는 광반응기 설계를 위해 레이 트레이싱 디지털 트윈과 다목적 베이지안 최적화를 통합한 폐쇄 루프 워크플로우를 제안합니다. 디지털 3D 반응기 모델은 측정된 방출 특성, 반사율 데이터, 기하학적 속성을 사용하여 보정되었으며, 포타슘 페리옥살레이트 광량 측정법으로 검증되었습니다. 이 모델은 반사경 모양과 바이알 위치를 탐색하여 16개 바이알에 걸쳐 균일성을 유지하면서 입사 광자 플럭…
루이스 산도는 상호작용하는 염기에 따라 달라진다는 사실이 밝혀졌습니다. 본 연구에서는 밀도범함수 이론 계산과 머신러닝 분석을 활용하여 16가지 치환체로 구성된 816개의 삼치환 보레인 라이브러리 내에서 치환체 효과와 염기 의존성을 정량화했습니다. 5가지 프로브 염기(H2O, NH3, C5H5N, PMe3, Cl–)와의 상호작용을 통해 디클로로메탄 용매에서 3927개의 부가물 형성 자유 에너지를 계산했습니다. 전자-끌개 치환체는 일반적으로 보레인의 루이스 산도를 증가시키는 반면, 전자-주개 치환체는 이를 약화시킵니다. 이러한 효과의…
2050년까지 전 세계 인구가 100억 명을 넘어설 것으로 예상됨에 따라 식량 수요는 최대 100% 증가할 전망입니다. 이러한 증가하는 수요를 충족하기 위해 농업 관리의 적응이 필수적이며, 인공지능(AI) 및 머신러닝(ML) 기술은 농업 분야가 이러한 요구에 대응하는 데 기여할 수 있습니다. 본 연구는 AI 및 ML 기술의 초기 도입 이해관계자들을 대상으로 사용 패턴, 인식 및 장벽을 조사하기 위해 온라인 설문조사와 후속 인터뷰를 수행했습니다. 129명의 농업 이해관계자를 대상으로 한 온라인 설문조사는 농업 관행에 AI 및 ML …
퇴적물 농도의 수직 분포는 유사 이동 수리학의 핵심 요소로, 하천 시스템의 유사량을 추정하는 데 직접적인 영향을 미칩니다. 따라서 이 분포를 정확하게 특성화하는 것은 수리학 분야의 중요한 과제로 남아 있습니다. 본 연구는 신뢰할 수 있는 예측을 위해 지능형 모델링 기법을 활용했습니다. 이 연구에서는 ORELM, ORELM-HOA, GPR, GPR-HOA, GMDH-ANFIS, GMDH-ANFIS-HOA의 여섯 가지 모델링 접근 방식을 사용하여 상대 퇴적물 농도 분포(C/Ca)를 예측했습니다. 특히, 메타휴리스틱 최적화 기법(하마 …
혈류역학 지표는 말초동맥질환의 재협착 위험과 밀접한 관련이 있습니다. 본 연구는 혈관 기하학과 유입 유동 파형을 모두 고려하여 재협착 취약 부위를 예측하는 머신러닝 기반 차수 축소 모델(ML-ROM) 프레임워크를 제안합니다. 이를 위해 500개의 매개변수화된 가상 대퇴동맥 형상과 생리적 유입 파형을 생성하고, 전산 유체 역학(CFD)을 통해 벽 전단 응력(WSS) 분포를 얻었습니다. 문헌 기반의 시간 평균 벽 전단 응력(TAWSS) 및 진동 전단 지수(OSI) 임계값을 적용하여 위험 부위를 정의한 후, Proper Orthogon…
두 개 이상의 별이 하나의 이미지에서 혼합되어 나타나는 성상 혼합(stellar blend)은 천문학에서 시각화 및 분석에 상당한 어려움을 초래합니다. 기존에는 단일 별과 성상 혼합을 구분하는 과정이 고가의 장비와 광범위한 전문가 분석을 필요로 하여 비용과 자원 소모가 컸습니다. 이는 LSST, SDSS, DESI, Legacy Imaging Survey, ZTF와 같은 대규모 천문 탐사에서 발생하는 방대한 양의 데이터를 분석하는 데 특히 문제가 됩니다. 이러한 문제를 해결하기 위해, 본 연구에서는 단일 별과 성상 혼합의 저해상도…
화학 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…
임계열유속(CHF) 예측은 수냉식 원자로의 핵심 열수력 요구사항입니다. OECD/NEA 벤치마크 1단계 연구에서 머신러닝 모델들은 높은 예측 정확도를 보였으나, 데이터 분포 변화(distribution shift) 상황에서의 신뢰도는 제대로 평가되지 않았습니다. 본 연구는 4가지 머신러닝 모델(랜덤 포레스트, XGBoost, 다층 퍼셉트론, 베이즈 신경망)의 신뢰도를 세 가지 프로토콜(S1: 무작위 분포 내 테스트, S2: 10개 미사용 시설 교차 검증, S3: 16 MPa 이상 고압 외삽)로 평가했습니다. 분포 내(S1)에서는 …
액체 크로마토그래피는 소분자 분리에 널리 사용되지만, 대상 시스템의 훈련 데이터 없이도 적용 가능한 머무름 시간 예측 모델 개발은 여전히 난제로 남아 있습니다. 이는 명목상 동일한 조건에서도 머무름 시간이 크게 변동할 수 있기 때문입니다. 머무름 순서는 비교적 잘 보존되지만, 크로마토그래피 조건이 달라지면 순서 또한 바뀔 수 있습니다. 본 연구에서는 역상 크로마토그래피의 머무름 시간을 예측하는 2단계(2-step) 방법을 제안합니다. 첫 번째 단계에서는 머신러닝 모델이 크로마토그래피 조건을 고려하여 머무름 순서 지표를 예측합니다.…
금속유기골격체(MOF)는 구조적, 화학적, 재료적, 운용 변수 간의 복잡한 상호작용에 의해 성능이 결정되는 고도로 조절 가능한 다공성 물질입니다. 본 연구는 MOF의 두 가지 핵심 성능 지표인 흡착 용량과 세포 생존율을 예측하기 위한 데이터 유출 방지(leakage-aware) 머신러닝 프레임워크를 개발했습니다. 연구는 110개 변수로 설명되는 161개 흡착 용량 데이터와 25개 변수로 설명되는 444개 세포 생존율 데이터를 활용했습니다. 히스토그램 기반 경사 부스팅 회귀(HGBR)와 부분 최소 제곱 회귀(PLSR) 모델을 5겹 …
미세조직 분석을 위한 견고한 머신러닝 워크플로우를 구축하려면 이미징 파이프라인에서 발생하는 분산을 체계적으로 포착하는 데이터셋이 필수적입니다. 기존 연구들은 주로 분류 성능에 최적화된 동질적 데이터셋에 의존하지만, 이는 실제 환경의 분산을 반영하지 못합니다. 본 연구는 담금질 및 담금질-템퍼링된 저탄소강의 베이나이트 및 마르텐사이트 미세조직을 담은 5,327개의 주석 처리된 현미경 이미지 패치로 구성된 공개 데이터셋을 제시합니다. 이 데이터셋은 세 가지 다른 광학 현미경과 두 가지 배율(20x, 50x)에서 의도적으로 다양한 조건…
탄력적이고 인지적인 광 네트워크는 트래픽 전송 중 변조 형식, 심볼 속도, 발사 전력 및 경로를 변경하므로, 물리 계층은 초기 설정 후 일회성 엔지니어링이 아닌 지속적인 측정이 필수적입니다. 광 성능 모니터링(OPM) 및 변조 형식 식별(MFI)은 이러한 측정을 제공하며, 2016년 이후 분석 모델에서 학습 기반 모델로 선호되는 추정 방식이 전환되었습니다. 기존 연구들은 이러한 변화를 서술적으로 다루었으나, 명확한 검색 프로토콜이나 적격성 기준 없이 정확도 비교 가능성을 검증하지 않았습니다. 본 연구는 AI 기반 OPM, MFI …
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…
음향전기화학(US-EC) 산화는 신규 오염물질 제거에 유망하나, 그 분해 동역학은 운전 조건, 반응기 특성, 오염물질 속성 간의 복합적인 상호작용에 의해 영향을 받습니다. 본 연구는 US-EC 산화의 동역학 예측, 신뢰성 평가 및 역설계를 위한 머신러닝 프레임워크를 개발했습니다. 224개의 실험 및 문헌 데이터를 포함하는 데이터베이스를 구축하고, XGBoost 모델이 가장 안정적인 예측 성능을 보였습니다. 물리화학 및 양자화학적 분자 기술자를 추가했을 때 RMSE가 3.69% 감소했으며, 인가 전압, 전극 재료, 전극 간격, lo…
다양한 재료의 특성을 이해하기 위해서는 상전이를 적절히 나타내고 임계 시스템 매개변수를 평가하는 계산 모델이 필수적입니다. 본 연구에서는 이방성 스핀계의 임계점을 식별하기 위한 머신러닝(ML) 기반 접근 방식을 제안합니다. 제안하는 방법은 몬테카를로 시뮬레이션을 통해 얻은 상관 행렬로부터 컨볼루션 신경망(CNN) 모델을 훈련시키는 것입니다. 사전 훈련된 모델은 임계 온도의 빠른 예측기로 활용되며, CNN 모델 추론에서 여러 보완적인 방식으로 추출하여 분석의 견고성을 향상시킵니다. 본 연구에서 얻은 ML 기반 추정치는 참조 몬테카…
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 …
본 연구는 월별 요금 데이터와 현장 검사로 확인된 라벨만으로 전력 도난을 탐지할 때, 어떤 지도 학습 모델이 불규칙한 소비 패턴을 효과적으로 식별하는지 탐구합니다. 이는 AMI(지능형 원격 검침 인프라)의 고해상도 시계열 데이터 없이도 적용 가능한 방법론을 모색합니다. 4,000명의 고객과 864건의 도난 사례를 포함하는 2021년 1월부터 2025년 5월까지의 53개월치 kWh 데이터를 활용했습니다. 도난 사례를 모두 유지하면서 다수 클래스 언더샘플링을 통해 1:1 균형 학습 세트를 구축한 후, K-최근접 이웃, 결정 트리, 서…
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…
변분 양자 고유값 분석기(VQE)는 근미래 양자 하드웨어에서 분자 바닥 상태 에너지를 계산하는 확장성 있는 방법을 제공하지만, 시스템 규모가 커질수록 정확도가 급격히 저하됩니다. 이는 하드웨어 효율적인 안자츠(ansatz)가 전체 상관관계 부분 공간을 포괄하지 못하기 때문입니다. 본 연구에서는 VQE와 Hartree-Fock(HF) 에너지 간의 차이에 기반하여 훈련된 물리 정보 릿지 회귀 보정 모델을 제안합니다. 이 모델은 추가 양자 자원 없이 후처리 단계로 적용됩니다. VQE-HF 에너지 차이(ΔE), 그 제곱(ΔE²), 활성 …
본 연구는 데이터 효율적인 반응 최적화를 위해 다변량 선형 회귀 모델을 지원하는 NaviCat ReaFS 프레임워크를 제안한다. ReaFS는 데이터가 적고 이질적이며 과적합 위험이 높은 소규모 데이터셋에서 반응 최적화 모델의 성능을 평가하고 개선하는 데 중점을 둔다. 이는 추가 실험 비용이 높은 촉매 반응 연구 분야에서 특히 중요하다. ReaFS는 특징 선택 방법론에 대한 체계적인 벤치마킹과 데이터, 특징 부분집합, 예측을 아우르는 진단 기능을 결합한다. 또한, 외삽 성능의 상호 보완적인 측면인 후보 복구율, 예측 정확도, 순위 …
지속가능발전목표(SDG) 달성을 위해 화석연료 차량에서 전기차(EV)로의 전환이 필수적입니다. 그러나 전기차의 에너지 소비량을 정확하게 예측하는 것은 운영 효율성, 경로 계획, 충전 전략에 직접적인 영향을 미치므로 광범위한 전기차 보급에 있어 중요한 과제로 남아있습니다. 본 연구는 이 문제를 해결하기 위해 XGBoost, Random Forest, 회귀 기반 기법 등 첨단 머신러닝 모델과 통계적 방법을 활용한 혁신적인 데이터 조작을 결합한 새로운 접근 방식을 제안합니다. 운전 패턴 및 환경 조건을 포함한 차량별 지표를 통합하는 특…
초정밀 가공(UPM)은 서브마이크론 정확도와 우수한 표면 조도를 가진 부품 생산에 필수적이지만, 낮은 효율성, 복잡한 안정성 관리, 지능형 모니터링 부족으로 산업 적용에 제약이 있습니다. 본 연구는 이러한 문제를 해결하기 위해 UPM을 위한 통합 디지털 트윈 프레임워크를 개발했습니다. 이 프레임워크는 물리, 통신, 서비스의 세 계층으로 구성되며, MTConnect를 통해 표준화된 데이터 교환을 지원합니다. 또한, 기계적 모델링과 머신러닝을 결합하여 실시간 모니터링, 적응형 제어, 지능형 공정 계획을 가능하게 합니다. 지능형 안정성…
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…
양자점(QD) 기반 스핀 큐비트 소자가 복잡해짐에 따라, 신속하고 자동화된 특성 분석 및 데이터 분석 도구의 중요성이 커지고 있습니다. 전하 안정성 다이어그램(CSD)에서 전이선의 방향과 간격은 QD 소자의 용량성 환경을 나타내는 중요한 지표이지만, 이를 수동으로 해석하는 것은 시간 소모적이고 오류 발생 가능성이 높으며 대규모 분석에는 비실용적입니다. 본 연구에서는 CSD로부터 근본적인 용량성 특성을 추출하기 위한 자동화된 용량성 환경 특성 분석 프로토콜(ACCE n TOR)을 제안합니다. 이 방법은 머신러닝 기반 분할, 기하학적…
본 연구는 고전압 옥외 유리 절연체의 오염 심각도를 등가염분퇴적밀도(ESDD)를 이용해 예측하는 머신러닝(ML) 모델을 제안한다. Support Vector Machines(SVM), Neural Networks(NN), Extremely Randomized Trees(ERT), Gaussian Process Regression(GPR) 네 가지 ML 모델을 환경 및 작동 관련 15가지 특징을 포함하는 362개 데이터 포인트에 적용하여 훈련시켰다. 모델 성능 향상을 위해 베이지안 최적화(BO)와 랜덤 탐색을 활용한 하이퍼파라미터 최…
물리학 시뮬레이터는 복잡한 시스템의 분석, 제어, 설계에 필수적이지만, 실험 설정이 복잡해질수록 CPU 기반 시뮬레이터의 높은 계산 비용이 한계로 작용합니다. 본 연구는 이러한 느린 시뮬레이터에 대한 의존도를 줄이면서도 정확도를 유지하는 신경망 대체 모델(Neural Surrogate Models)의 활용 방안을 제시합니다. 간섭계 중력파 검출기 설계를 대표적인 예시로 들어, LIGO 커뮤니티에서 개발한 중력파 물리 시뮬레이터 Finesse를 대체할 신경망을 훈련했습니다. 물리적 매개변수의 미세한 변화가 결과에 큰 영향을 미침에도…
농업은 전 세계 식량 안보와 경제 발전에 필수적이지만, 인구 증가, 토양 황폐화, 기후 변화 등의 문제에 직면해 생산성과 자원 지속가능성이 위협받고 있습니다. 이러한 도전을 극복하고 농업 시스템의 현대화 및 회복력 강화를 위해 디지털 기술과 스마트 솔루션의 통합이 중요해지고 있습니다. 이 리뷰 논문은 머신러닝(ML)과 블록체인 기술이 전통 농업을 스마트하고 연결되며 안전한 시스템으로 전환하는 데 기여하는 상호 보완적 역할을 분석합니다. PRISMA 방법론에 따라 ScienceDirect, Springer, IEEE Xplore 등…
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…
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…
작물 수확량 예측은 농업 생산성 향상에 중요한 역할을 한다. 특정 지역의 작물 수확량을 예측하면 농부가 적합한 작물을 선택하는 데 도움이 되며, 이는 전체적인 생산성 증대로 이어진다. 토양 pH, 강우량, 온도, 습도 등 다양한 요인을 고려하여 특정 토지에 맞는 작물을 추천하는 것은 농부들이 가장 적합한 작물을 선택하는 데 필수적이다. 또한, 작물 성장과 생산성 극대화를 위해서는 적절한 시기에 적합한 비료를 사용하는 것이 중요하다. 본 연구는 이러한 문제들을 해결하기 위해 Random Forest with Extreme Gradi…
이 연구는 유클리드 신속 데이터 공개 1차(Q1)의 상세 시각적 형태 카탈로그를 제시한다. Q1 데이터셋 내 밝거나(I_E < 20.5) 확장된(면적 ≥ 700 픽셀) 378,000개 은하의 막대, 나선팔, 병합 등 특징을 포함한다. 카탈로그는 Galaxy Zoo 자원봉사자들의 한 달간 집중적인 주석 작업을 통해 Zoobot 은하 기반 모델을 미세 조정하여 구축되었다. 모든 측정은 자동화되어 있어 확장성이 뛰어나다. 이 카탈로그는 유클리드 망원경이 최종적으로 상세 형태를 분석할 약 1억 개 은하 중 첫 0.4%에 해당한다. 이는…
광음향 분광법(PAS), 석영 강화 광음향 분광법(QEPAS), 광유도 열탄성 분광법(LITES)은 미량 가스 감지를 위한 간접 흡수 분광 기술로, 그동안 하드웨어 중심의 성능 향상에 주력해왔습니다. 그러나 하드웨어 기술 발전의 한계에 부딪히면서, 약한 응답 신호, 복잡한 교차 간섭, 다중 물리 매개변수 결합 등의 문제로 기존 방식은 병목 현상을 겪고 있습니다. 이러한 한계를 극복하기 위해, 본 연구는 전통 알고리즘, 머신러닝, 딥러닝, 지능형 최적화 등 다양한 알고리즘 기반 방법론을 분광 시스템에 체계적으로 통합하는 접근 방식을…
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.…
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…
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…
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…
경량 난삭 고엔트로피 합금(LRHEA)은 낮은 밀도, 뛰어난 강도, 탁월한 고온 안정성을 겸비하여 항공우주 및 첨단 산업 분야에서 유망한 구조 재료로 주목받고 있습니다. 그러나 LRHEA 설계는 방대한 조성 공간, 복잡한 다목적 성능 절충, 그리고 기존의 시행착오적 실험 방식의 비효율성으로 인해 어려움을 겪고 있습니다. 최근 머신러닝(ML)은 고차원 데이터 분석과 조성-가공-미세구조-특성 간의 숨겨진 상관관계 규명 능력을 바탕으로 LRHEA 설계 분야에서 혁신적인 도구로 부상했습니다. 본 총설은 경험적 매개변수, 상평형도 계산, …
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…
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 …
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 …
최근 머신러닝(ML)은 복합재료의 기계적 거동을 예측하는 강력한 도구로 부상하며, 기존의 시험 및 시뮬레이션 방법보다 빠르고 경제적인 대안을 제시하고 있습니다. 본 총설은 랜덤 포레스트, 서포트 벡터 머신, 인공신경망, 딥러닝 모델 등 다양한 ML 기법이 인장 강도, 경도, 파괴 인성, 피로 수명과 같은 핵심 재료 특성을 예측하는 데 어떻게 활용되는지 탐구합니다. 다수의 최신 연구를 분석하여, ML 모델이 실험 및 시뮬레이션 데이터를 기반으로 훈련되어 공정 변수, 재료 조성, 그리고 최종 성능 간의 복잡한 관계를 규명하는 과정을 …
하수처리장(WWTP) 수질 예측에 머신러닝(ML) 모델이 다양하게 적용되고 있으나, 성능 평가 지표의 선택과 해석에는 상대적으로 관심이 적었습니다. 대부분의 연구는 RMSE, MAE, MAPE, R² 등 일반적인 회귀 지표에 의존하지만, 이들은 해석 가능성, 데이터 이상치 민감도, WWTP와 같은 동적이고 노이즈가 많은 환경에 대한 적합성에서 큰 차이를 보입니다. 본 연구는 27가지 성능 평가 지표에 대한 체계적인 문헌 분석을 바탕으로, 지도 학습 기반 WWTP 모델링 맥락에서 각 지표의 이론적 토대, 강점, 한계, 적용 가능성을…
현대 식품 생산의 복잡성 증가는 품질 관리, 안전 모니터링 및 공정 최적화를 위한 첨단 솔루션의 필요성을 증대시키고 있습니다. 본 연구는 식품 산업의 품질 관리에 적용된 머신러닝(ML) 기술의 최신 발전 동향을 6가지 주요 영역(식품 품질, 결함 감지, 성분 최적화, 포장-센서, 공급망 추적성, 인더스트리 4.0 모델)에 걸쳐 체계적으로 검토합니다. PRISMA 기반 방법론을 활용하여 Scopus 데이터베이스에서 2005년부터 2025년까지 발표된 124편의 동료 심사 논문을 검색했으며, 사전 정의된 포함 및 제외 기준, 방법론적…
식량 안보와 작물 수확량 증진을 위해 식물 질병의 조기 진단은 필수적입니다. 기존 수동 방식은 노동 집약적이며 환경 변화에 취약하여 오류 발생 가능성이 높습니다. 인공지능, 특히 머신러닝(ML)과 딥러닝(DL)은 이미지 분류를 통해 자동화된 질병 식별에 큰 발전을 가져왔으나, 일반화 능력 부족, 데이터 불균형, 실제 환경에서의 낮은 성능 등 여러 난관에 직면해 있습니다. 본 연구는 기존 리뷰와 달리 실험실 및 실시간 현장 조건에서 모델 성능을 비판적으로 평가하며, 견고성, 일반화, 엣지 장치 배포 적합성에 중점을 둡니다. Gree…
안정적인 작물 수확량을 위해서는 토양 영양소 상태를 정확히 진단하고 질소(N), 인(P), 칼륨(K) 등 필수 영양소를 적절히 공급해야 한다. 그러나 기존의 토양 영양소 분석법은 복잡하고 시간이 오래 걸려 실시간 진단이 어렵다는 한계가 있다. 이러한 문제를 해결하기 위해 비파괴적이고 신속한 방법인 가시광선-근적외선(Vis-NIR) 분광법이 주목받고 있다. Vis-NIR 스펙트럼은 시료의 특성을 피크 강도로 반영하지만, 노이즈나 기저선 이동 등 다양한 인공물과 복잡한 변수에 의해 영향을 받기 쉽다. 따라서 정확한 영양소 추정을 위해…
레이더 탐지 기술이 발전함에 따라, 적층 복합재료에서 광대역 전자기(EM) 흡수를 달성하는 것은 여전히 중요한 과제입니다. 이는 구조/조성 및 주파수 의존적 EM 응답 간의 복잡한 비선형 결합 때문이며, 전문 지식과 광범위한 시행착오가 요구됩니다. 본 논문은 기존 베이지안 최적화(BO)의 지역 최적점 한계를 극복하는 점진적 베이지안 최적화(PBO) 기반의 데이터 기반 머신러닝(ML) 프레임워크를 제안합니다. 이 프레임워크는 가변 플라이 구성의 EM 성능을 예측하는 모델을 반복적으로 훈련하며, 뛰어난 견고성과 일반화 능력을 보여줍니…
지속 가능한 수자원 확보를 위해 수질 예측 및 관리는 필수적이며, 특히 산업화, 농업, 도시 확대로 인한 오염이 심화되는 말레이시아와 같은 지역에서 그 중요성이 더욱 부각되고 있습니다. 본 연구는 수질 예측 및 분류에 적용된 머신러닝(ML) 모델과 통계적 분석 기법들을 종합적으로 검토합니다. 특히 예측 정확도와 견고성을 향상시키는 하이브리드 모델에 중점을 두었으며, 수질 표준과 예측 도구의 필요성을 야기하는 환경적 맥락을 조명합니다. 잔차 분석, 주성분 분석(PCA), 특성 중요도 평가와 같은 통계 기법들을 함께 다루어 모델 해석…
하수처리장(WWTP) 공정은 복잡하고 비선형적인 특성으로 인해 분석, 모델링 및 제어가 어렵습니다. 본 연구는 머신러닝(ML), 특히 딥러닝(DL) 기술을 활용하여 하수처리 공정을 최적화하는 방안을 탐구합니다. 복잡한 물리화학적 공정 모델링, 핵심 수질 지표 실시간 모니터링 및 예측, 화학 반응물 소비량 및 에너지 소비량 절감, 방류수 품질 예측, 의사결정 지원을 위한 데이터 기반 모델 개발 등 산업 플랜트의 하수처리 공정 최적화에 ML 및 DL을 체계적으로 적용하는 사례를 중점적으로 다룹니다. 상세 분석을 위해 2010년 이후 …
균근균은 식물 생존과 지구 생지화학 순환을 조절하는 핵심 생태계 엔지니어이지만, 식물 및 동물과 달리 이들의 전 지구적 분포와 다양성은 거의 알려져 있지 않아 지하 생태계 보호에 한계가 있었습니다. 본 연구는 이러한 간극을 메우기 위해 25,000개의 지리적 위치 정보가 있는 토양 샘플에서 얻은 28억 개 이상의 곰팡이 DNA 염기서열 데이터를 활용하여 머신러닝 알고리즘을 훈련했습니다. 훈련된 알고리즘을 통해 육상 생태계 전반에 걸쳐 수지상 균근균과 외생 균근균의 풍부도와 희귀성을 예측했습니다. 이 예측을 기반으로 고해상도 전 지…
정밀 농업(PA)은 데이터 기반 기술을 활용하여 작물 및 경작지의 개별 요구사항을 모니터링하고 분석하는 농업 관리 전략입니다. 이는 작물 수확량과 품질을 최적화하고 운영 비용 및 환경 영향을 최소화하여 생산성 향상과 지속 가능한 농업을 목표로 합니다. 효과적인 센싱 기술을 통한 모니터링, 강력한 관리 정보 시스템 구현, 그리고 경작 시스템 내의 변동성 관리가 필수적입니다. PA에서는 딥러닝 및 머신러닝(ML) 기법을 활용한 작물 수확량 시뮬레이션이 해충, 영양분 및 물 부족, 기타 재배 기간 중의 환경 변수들이 복합적으로 미치는 …
고엔트로피 소재(HEMs)는 탁월한 구조적 안정성, 향상된 이온 전도성, 우수한 기계적 강도 및 뛰어난 촉매 활성 등 독보적인 특성으로 인해 전지 분야에서 큰 주목을 받고 있습니다. 이러한 고유한 특성 덕분에 HEMs는 전극, 전해질, 촉매 등 다양한 전지 부품에 매우 적합합니다. 본 총설은 에너지 저장 분야에서 HEMs의 최근 발전 동향을 체계적으로 검토합니다. 기본적인 개념, 역사적 발전 과정, 주요 정의를 시작으로, 고엔트로피 합금, 고엔트로피 산화물, 고엔트로피 MXene의 세 가지 주요 HEMs 범주를 분석하며, 비축전용…
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,…
