67편의 한국어 분석 — 최신순으로 정렬했어요
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 …
자율 실험은 촉매 발견을 가속화하는 효율적인 방법이지만, 현재는 해석하기 어려운 블랙박스 모델에 의존하는 경향이 있습니다. 본 연구는 완전 자동화된 전기화학 플랫폼과 해석 가능한 의사결정 인공지능을 통합하여, 수소 발생 반응의 12차원 공간에서 전기촉매를 자율적으로 탐색하는 새로운 패러다임을 제시합니다. 인간의 화학적 가설에 기반하여, 합성 조건과 전기촉매 활성 간의 국부적 2차 근사를 반영하는 화학 정보 기반 밴딧(bandit) 프레임워크를 구축했습니다. 이 밴딧은 탐색된 최적 영역 근처에서 합성 조건이 촉매 성능에 미치는 영향…
영국은 고성능 컴퓨팅(HPC)에 상당한 투자를 하고 있으나, 지속 가능성, 책임성, 장기 인프라 계획을 다루는 일관된 국가 전략이 부재합니다. 이 연구는 공공 투자에 대한 회수 평가를 위해 모든 공공 자금 지원 HPC 시스템의 활용도, 연구 성과 및 비용 효율성에 대한 일관된 공개 보고가 필수적임을 제안합니다. 또한, 공공 자금 지원 HPC 시스템은 에너지 소비, 탄소 배출량, 그리고 시스템 폐기 시 처리 방안에 대한 의무적이고 표준화된 보고를 따라야 한다고 주장합니다. 이는 HPC 인프라의 환경적 영향을 투명하게 관리하고 책임성…
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…
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 …
인공지능(AI)과 순환 경제(CE) 연구는 주로 AI가 순환 운영을 어떻게 개선하는지에 초점을 맞춰왔다. 그러나 ChatGPT와 같은 대규모 언어 모델(LLM)이 CE를 이해하고 추론하는 데 사용되는 방식에 대한 관심은 부족하다. 이 연구는 LLM이 생성한 정보가 CE 연구에 도입될 때 발생할 수 있는 문제들을 개념적으로 분석한다. 본 연구는 AI 기반 CE 지식이 어떻게 형성되고, 행동에 어떤 영향을 미치며, 어떤 윤리적 함의를 가지는지 분석하는 프레임워크를 개발한다. 이 프레임워크는 내용, 변혁, 도덕의 세 가지 차원으로 구성…
분자 각인 고분자(MIPs)는 고분자 망상 내에 표적을 주형하여 합성되는 생체 고분자의 생체 모방체입니다. MIPs의 친화도는 항체와 경쟁할 수 있지만, 촉매 활성 MIPs의 특이 활성은 천연 효소에 비해 여전히 낮습니다. 항체와 MIPs 생성 메커니즘은 근본적으로 다르지만, 생물학적 원리가 인공 결합체에 적용되어 왔습니다. 분자 전체 대신 표적의 조각을 주형하는 에피토프 각인법은 MIP 합성 비용을 절감하며, 계층적 각인법은 주형 배향을 개선하여 더 균일한 결합 부위를 생성합니다. 이중 각인을 통한 항이디오타입 MIPs 생성은 …
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…
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…
수리생물학에서 메커니즘 기반 동역학 모델은 핵심적이지만, 미지의 생물학적 메커니즘, 부분적 관측, 희소하고 노이즈가 많은 데이터, 매개변수 불확실성 등으로 인해 실제 적용에 한계가 있습니다. 딥러닝은 유연한 범용 근사자를 제공하는 반면, 메커니즘 모델은 구조, 해석 가능성 및 과학적 제약을 제공합니다. 본 논문은 메커니즘-AI 결합 동역학 시스템에 대한 연구를 검토하고 정리하며, 특히 전염병 모델링의 기초 및 응용에 중점을 둡니다. 범용 미분 방정식 및 물리 정보 신경망 기반 학습 방법, 기호 회귀 및 희소 모델 발견 기반 설명 …
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…
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…
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. …
지향성 에너지 증착(DED)은 고부가가치 부품 제작 및 수리에 활용되는 금속 적층 제조(MAM) 기술이지만, 복잡한 열 구배와 재료 거동, 공정 변수 등으로 인해 일관된 품질 확보가 어렵습니다. 최근 인공지능(AI), 특히 기계 학습(ML) 및 딥러닝(DL) 방법론이 DED 공정의 품질 관리 및 실시간 모니터링에서 큰 잠재력을 보이고 있습니다. 본 연구는 DED의 AI 기반 품질 관리 및 모니터링에 대한 체계적인 문헌 검토를 수행했습니다. PRISMA 방법론을 활용하여 2015년부터 2026년까지 발표된 145편의 동료 심사 논문…
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…
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…
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…
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 …
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…
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 …
파운데이션 모델(FM)은 재료 과학(MatSci) 분야에서 확장 가능하고 다목적이며 다중 모드 AI 시스템을 구현하여 과학적 발견의 변혁을 주도하고 있습니다. 기존의 좁은 범위의 머신러닝 모델과 달리, FM은 도메인 간 일반화 및 새로운 기능을 제공하여 다양한 데이터 유형과 스케일을 다루는 재료 과학 연구에 특히 적합합니다. 본 조사는 이 성장하는 분야를 지원하는 파운데이션 모델, 에이전트 시스템, 데이터셋 및 계산 도구에 대한 포괄적인 개요를 제공합니다. 데이터 추출, 해석 및 Q&A, 원자 시뮬레이션, 특성 예측, 재료 구조,…
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…
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…
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…
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 …
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 …
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…
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. …
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…
전 세계적으로 교통사고는 사망 및 경제적 손실의 주요 원인으로, 신속하고 정확한 사고 감지 시스템의 필요성이 증대되고 있습니다. 기존 센서 기반 또는 수동 모니터링 방식은 비용, 확장성, 반응 시간 측면에서 한계가 있습니다. 본 연구는 이러한 문제를 해결하기 위해 비디오 감시 정보를 활용한 인공지능 기반 실시간 교통사고 감지 프레임워크를 제안합니다. 제안된 프레임워크는 딥 컨볼루션 신경망(CNN)을 활용하며, 이미지 정규화, 데이터 증강, 계층적 데이터셋 분할을 포함하는 단일 전처리 파이프라인을 사용합니다. VGG16, Incep…
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…
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 …
최근 인공지능(AI)은 다양한 분야에서 핵심적인 역할을 수행하며, 특히 과학 분야에 AI를 접목하는 'AI for Science' 연구가 주목받고 있습니다. 이 중 계산역학 분야에서는 편미분방정식(PDEs) 해결에 AI 알고리즘을 활용하는 'AI for PDEs'가 중요한 연구 주제로 부상하고 있습니다. AI for PDEs는 데이터와 PDEs의 융합을 통해 거의 모든 PDEs를 해결할 수 있는 잠재력을 가집니다. 본 연구는 AI for PDEs에 대한 포괄적인 문헌 검토를 제공하며, 기존 알고리즘과 이론을 체계적으로 요약합니다.…
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…
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…
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…
본 논문은 고등 교육 및 광범위한 사회적 맥락에서 실천 지혜(phronesis)와 신기술, 특히 인공지능(AI)에 대한 개인의 참여 사이의 연관성을 탐구한다. 두 가지 연구를 통해 실천적으로 현명한 개인이 변혁적인 신기술에 대해 더 성찰적이고 윤리적인 방식으로 접근하는지 조사했다. 연구 1에서는 미국 성인 표본을 대상으로 '기술 낙관주의'와 '기술 윤리적 우려' 개념을 도입하고 검증했다. 구조 방정식 모델링 결과, 실천 지혜는 높은 기술 낙관주의와 낮은 기술 윤리적 우려를 예측했으며, 이는 혁신에 대한 균형 잡히고 도덕적으로 참여…
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…
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…
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…
에이전트 인공지능(AI)은 차세대 스마트 그리드를 위한 새로운 패러다임으로 부상하고 있습니다. 이는 복잡한 사이버 물리 환경에서 자율적인 의사 결정, 적응형 조정 및 탄력적인 제어를 가능하게 합니다. 기존 AI 모델이 정적인 예측기나 오프라인 최적화 도구에 머물렀던 것과 달리, 에이전트 AI 시스템은 그리드 상태를 인지하고, 목표를 추론하며, 다단계 작업을 계획하고, 운영자와 실시간으로 상호작용합니다. 본 연구는 전력 시스템을 위한 에이전트 AI의 최신 발전 동향을 포괄적으로 검토합니다. 아키텍처, 다중 에이전트 제어 전략, 강화…
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…
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…
새로운 효소를 설계하는 데 있어, 표적 화학 반응의 전이 상태를 안정화하는 이상적인 촉매 활성 부위를 갖춘 단백질을 구축하는 것은 중요한 과제입니다. 기존의 생성형 인공지능 방법은 촉매 잔기의 서열 위치와 골격 좌표를 모두 지정해야 한다는 한계가 있었습니다. 본 연구에서는 이러한 제약 조건을 제거한 RFdiffusion2를 개발하고, 양자 화학 기반의 활성 부위 기하학적 구조로부터 아연 금속수해효소를 설계했습니다. 초기 96개 설계에 대한 실험 결과, 가장 활성이 높은 효소는 16,000 M−1 s−1의 촉매 효율(kcat/KM)…
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 …
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…
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 …
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…
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…
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…
급격한 도시화와 기술 발전은 농업, 석유화학, 제약, 생명공학 등 다양한 산업의 성장을 촉진하며 복잡한 폐수를 대량 발생시키고 있습니다. 이러한 폐수는 독성 유기 오염물질을 함유하고 있어 인체 건강과 수생 생물에 악영향을 미칠 수 있습니다. 기존 폐수 처리 방법은 이러한 다양한 오염물질을 효과적으로 제거하는 데 한계가 있어, 혁신적이고 지속 가능한 해결책이 시급합니다. 본 연구는 폐수 처리 기술의 역할과 최근 발전을 종합적으로 검토합니다. 유기 화합물, 중금속, 의약품, 살충제 등 다양한 오염물질 제거를 위한 최신 기술과 효율성,…
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 …
마그네슘(Mg) 합금 연구는 최근 몇 년간 지속적으로 확장되는 중요한 분야입니다. Web of Science Core Collection 데이터베이스에 4,898편의 관련 논문이 등재될 정도로 꾸준한 관심을 받고 있으며, 주로 미세구조, 기계적 특성, 부식 특성에 대한 연구가 집중적으로 이루어졌습니다. 대규모 Mg 합금 부품 제조 기술 또한 상당한 진전을 보였습니다. 기능성 마그네슘 소재, 마그네슘 기반 수소 저장, 마그네슘 이온 배터리 분야에서도 꾸준한 발전이 있었으며, 특히 마그네슘 기반 에너지 저장 재료는 상업화에 근접하고 …
인공지능(AI)과 과학의 결합은 AI의 연결주의적 특성과 과학의 상징주의적 특성 간의 근본적인 비호환성으로 인해 주요 난제로 남아있습니다. 본 연구는 이러한 간극을 해소하기 위해 콜모고로프-아놀드 네트워크(KANs)와 과학을 통합하는 프레임워크를 제안합니다. 이 프레임워크는 과학적 발견의 세 가지 핵심 측면, 즉 관련 특징 식별, 모듈형 구조 규명, 그리고 상징적 공식 발견에 KANs를 활용하는 데 중점을 둡니다. 제안된 시너지는 양방향으로 작동합니다. 과학적 지식을 KANs에 통합하는 '과학-KAN' 방향과 KANs에서 과학적 …
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 …
원격탐사(RS)와 인공지능(AI)의 통합은 지구 관측 분야에 혁신을 가져왔으며, 방대하고 복잡한 데이터의 자동화되고 효율적이며 정밀한 분석을 가능하게 합니다. 위성 영상, 항공 사진, 지상 센서를 활용하는 RS 기술은 환경 모니터링, 재난 대응, 농업, 도시 계획 등에서 중요한 통찰력을 제공합니다. AI, 특히 머신러닝(ML)과 딥러닝(DL)의 급속한 발전은 RS 데이터의 처리 및 해석 능력을 크게 향상시켰습니다. 합성곱 신경망(CNN), 순환 신경망(RNN), 강화 학습(RL) 알고리즘을 포함한 AI 기반 모델들은 특징 추출, …
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…
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…
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…
정밀 치료법 발전을 위해 데이터 기반의 표적 약물 전달 시스템 개발이 필수적입니다. 기존 나노운반체는 생물학적 복잡성, 비표적 축적, 동적 생리 환경 적응성 부족 등으로 임상 적용에 한계가 있었습니다. 이에 나노구조체(nanoarchitectonics)와 인공지능(AI)의 통합은 구조적으로 프로그래밍 가능하고, 자극 반응성이 뛰어나며, 자율적으로 최적화되는 약물 전달 시스템을 구현하는 진보된 전략을 제시합니다. 본 연구는 AI 기반 나노구조체 프레임워크를 표적 약물 전달에 적용합니다. 이는 크게 세 단계로 구성됩니다. 첫째, 생물…
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…
인공지능 과학 분야의 지속적인 발전과 함께, 물리 정보 신경망(PINN)은 과학 컴퓨팅 및 딥러닝 영역에서 변혁적인 접근 방식으로 부상했습니다. 이는 편미분 방정식(PDE) 및 기타 복잡한 물리 시스템을 해결하기 위한 강력하고 유연한 프레임워크를 제공합니다. PINN은 물리 법칙을 신경망 아키텍처에 직접 통합함으로써, 모델이 알려진 물리 법칙을 따르면서도 가용한 데이터에 적합하도록 도메인별 지식을 통합할 수 있게 합니다. 본 논문에서는 다양한 PDE 문제에 걸쳐 PINN의 최신 발전 및 응용에 대한 포괄적인 개요를 제공합니다. …
기후 및 에너지 위기 심화에 따라 인공지능(AI)은 재생에너지 시스템 발전에 핵심적인 역할을 하고 있습니다. 본 연구는 재생에너지 분야 AI의 현재 및 미래 적용 사례를 종합적으로 검토하며, 재생에너지 시스템의 효율성, 신뢰성, 확장성 향상에 기여하는 AI의 혁신적 역할을 조명합니다. 400개 이상의 최신 관련 문헌을 분석하여, 기계 학습, 딥러닝, 강화 학습 등 다양한 AI 기술이 에너지 생산 최적화, 수요 예측, 예측 유지보수, 분산형 에너지 시스템 관리에 어떻게 활용되는지 논의합니다. 또한, 양자 머신러닝 및 AI 증강현실과…
생산성, 지속가능성, 효율성 극대화를 위해 정밀 농업은 혁신 기술을 적극적으로 활용하고 있습니다. 본 리뷰 논문은 농업 공학 분야에서 인공지능(AI), 머신러닝(ML), 자동화, 클라우드 컴퓨팅, 사물 인터넷(IoT) 센서의 통합을 중점적으로 다룹니다. IoT 센서는 작물 상태, 기상 패턴, 토양 건강에 대한 실시간 데이터를 수집하는 데 필수적이며, 클라우드 컴퓨팅은 이러한 데이터의 효율적인 처리, 저장 및 접근성을 보장하여 확장 가능하고 실시간 분석을 가능하게 합니다. AI와 ML은 예측 분석, 질병 진단, 비료 사용 최적화에 …
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…
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…
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…
