HyperAl은 3월 9일부터 3월 13일까지 음성 생성, 텍스트-이미지 처리, 대규모 모델 등 다양한 분야를 아우르는 매우 유용하고 활용도가 높은 튜토리얼과 데이터셋 시리즈를 제공했습니다.

스탠포드 대학교의 연구팀이 복부 CT 스캔을 위한 최초의 네이티브 3D 시각 언어 모델인 멀린(Merlin)을 제안했으며, 25,494쌍의 복부 CT 스캔과 방사선 보고서가 포함된 데이터 세트를 함께 공개했습니다.

홍콩중문대학교는 마카오공업대학교, 저장대학교, 중남대학교 제2샹야병원, 중국전자과학기술대학교와 협력하여 선택적 융합 모델링 패러다임을 제안했습니다. "화학적 변이는 생물학적 의미 공간의 국소적 교란"이라는 이해를 바탕으로, 국소적 화학적 변이를 전체 단백질 배경에 주입하는 일반적인 프레임워크인 Bi-TEAM을 설계했습니다.

HyperAI의 "튜토리얼" 섹션에서 Qwen, DeepSeek, Gemma, Llama, GLM과 같은 인기 있는 오픈 소스 모델을 무료 CPU를 사용하여 실행하는 방법에 대한 온라인 튜토리얼을 제공합니다. 환경 준비 및 모델 다운로드부터 추론 및 실행에 이르기까지 완벽한 배포 프로세스를 제공하므로 사용자는 복잡한 로컬 환경을 구축하지 않고도 모델 추론 경험과 기본적인 개발 테스트를 완료할 수 있습니다.

스위스 로잔 연방 공과대학(EPFL)의 연구진은 선형 운동량 및 각운동량 보존 법칙을 모델 구조에 직접 내장하여 이를 명시적으로 보장하는 새로운 모델 아키텍처인 DYNAMI-CAL GraphNet을 제안했습니다. 실험 결과는 DYNAMI-CAL GraphNet이 로봇 공학, 항공 우주 공학, 재료 과학과 같이 복잡한 다물체 동역학 시스템을 정확하고 해석 가능하며 실시간으로 모델링해야 하는 분야에서 상당한 이점을 제공한다는 것을 보여줍니다.

HyperAI의 제품 경험과 핵심 기능을 더욱 개선하기 위해 새로운 내부 테스트를 공식적으로 시작합니다. 엄선된 실제 사용자 그룹을 초대하여 플랫폼의 기능을 직접 경험하고 제품 세부 사항을 다듬는 데 도움을 받고자 합니다. 💻 클라우드 플랫폼과 GPU 컴퓨팅 성능이 장기적으로 필요하신 분, 🙋‍♀️ 기술적 배경을 가진 분이라면 [...]

"Qwen3-TTS: 고품질 제어 가능 다국어 음성 합성 데모"가 HyperAI 웹사이트(hyper.ai)의 "튜토리얼" 섹션에서 제공됩니다. 3초 음성 복제 기능을 직접 경험해 보세요!

프랑스의 텔레콤 쉬드-파리와 파리-사클레 대학교의 연구팀은 앙상블 학습과 SHAP(SHAple Additive exPlanations) 분석을 통합한 머신러닝 프레임워크를 제안하여 간세포암(HCC) 간 이식 후보자의 사망 위험을 평가하는 새로운 솔루션을 제시했습니다.

HyperAl은 3.2 버전부터 3.6 버전까지 음성 생성, 텍스트-이미지 처리, 대규모 모델 등 다양한 분야를 아우르는 매우 유용하고 폭넓게 활용 가능한 튜토리얼과 데이터셋을 모아놓았습니다.

MIT와 취리히 연방 공과대학(ETH Zurich)의 공동 연구팀은 잠재 변수 최적화를 통해 부분적으로 겹치는 잠재 공간을 학습하는 오토인코더인 APOLLO라는 계산 프레임워크를 제안했습니다. APOLLO는 공유 정보와 양식별 정보를 명시적으로 모델링함으로써 세포 상태와 그 조절 논리를 보다 포괄적이고 정확하게 분석할 수 있는 실현 가능한 기술적 경로를 제시합니다.

MIT 연구팀은 산업용 숙주인 피치아 파스토리스(Pichia pastoris)에서 재조합 단백질 생산량을 향상시키기 위한 딥러닝 기반 언어 모델인 피치아-CLM(Pichia-CLM)을 제안했습니다. 연구팀은 다양한 복잡성을 가진 6가지 단백질 종류에 대해 피치아-CLM을 실험적으로 검증했으며, 기존의 4가지 코돈 최적화 도구보다 일관되게 높은 발현 수율을 관찰했습니다.

HyperAl은 2월 22일부터 27일까지 OCR, 멀티모달, 대규모 언어 모델 등 다양한 분야를 아우르는 매우 유용하고 활용도가 높은 튜토리얼과 데이터셋 시리즈를 제공했습니다.

핀란드 헬싱키 대학교, 지중해 기후변화 연구센터, 이탈리아 살렌토 대학교로 구성된 공동 연구팀이 지역 해양 예측에 특화된 그래프 신경망 모델인 SeaCast를 개발했습니다. 이 모델은 학습 후 단일 GPU에서 단 20초 만에 1/24° 격자로 18개 수직층에 걸쳐 15일간의 예측을 생성할 수 있으며, 이는 CPU 클러스터에서 실행되는 물리적 기본 모델보다 훨씬 빠른 속도입니다.

코넬대학교 연구팀이 염-용매 화학을 모델링하고 해석하기 위한 견고하고 해석 가능하며 데이터 효율적인 프레임워크인 SCAN을 개발했습니다. 이 프레임워크는 긴 꼬리 분포를 가진 데이터를 효과적으로 처리하고 모든 염-용매 조성 범위를 포괄합니다. 연구팀은 SCAN을 비수용성 전해질(NAE) 시스템에 적용하여 전도도 예측에서 0.372 mS·cm⁻¹의 기준 오차를 달성했으며, 이는 기준 모델 대비 예측 오차를 65.31 TP³T 감소시킨 결과입니다.

미시간대학교 앤아버 캠퍼스의 송쯔위 교수는 파라시스 에너지의 연구개발 부사장인 장웨이란과 공동으로 "발견 학습"이라는 혁신적인 과학적 기계 학습 방법을 제안했습니다. 교육심리학에서 영감을 받은 이 방법은 능동 학습, 물리적 제약 학습, 제로샷 학습을 유기적으로 통합하여 인간과 유사한 추론을 위한 폐쇄 루프 학습 프레임워크를 구축합니다.

2025년 과학 분야 인공지능 연구의 가장 주목할 만한 최첨단 논문들을 간략하게 살펴보겠습니다.

칭화대학교, 베이징대학교, 홍콩대학교, 프린스턴대학교, 중국과학원, 상하이 자오퉁대학교, 중국과학기술대학교, 싱가포르국립대학교 등의 기관들이 제안한 WorldArena는 영상 생성 품질과 실제 작업 기능을 통합하여 "실제처럼 보이는 것"부터 "실제로 사용 가능한 것"까지 완전한 평가 프레임워크를 구축한 최초의 플랫폼입니다.

현재 비공개 베타 테스트 참가자를 모집 중이며, 최대 보상액은 200엔입니다.

HyperAI 사용자들의 실제 실험 경험 공유

"DeepSeek-OCR 2: 시각적 인과 흐름"이 HyperAI 웹사이트의 "튜토리얼" 섹션에서 제공됩니다. 이미지를 업로드하기만 하면 정확한 OCR 텍스트 분석 결과를 얻을 수 있습니다. 지금 바로 사용해 보세요!

유니버시티 칼리지 런던(UCL) 컴퓨터 과학부 연구팀은 백혈구 형태 분석을 위한 연합 학습 프레임워크를 제안했습니다. 이 프레임워크를 통해 여러 기관이 훈련 데이터를 교환하지 않고도 협력적으로 학습할 수 있습니다. 다양한 임상 기관의 혈액 도말 표본을 활용하는 이 연합 모델은 데이터 개인정보 보호를 완벽하게 유지하면서 견고하고 도메인 불변적인 특징 표현을 학습합니다. 중앙 집중식 훈련과 비교했을 때, 연합 학습은 여러 기관에서 우수한 성능을 보였으며, 알려지지 않은 기관에 대해서도 일반화 능력을 보여주었습니다.

마이크로소프트 리서치, 워싱턴 대학교, 그리고 프로비던스 지노믹스로 구성된 연구팀이 다중 모달 인공지능 프레임워크인 GigaTIME을 제안했습니다. 이 프레임워크는 첨단 다중 모달 학습 기술을 기반으로 기존의 H&E 염색 조직 슬라이드에서 가상 mIF 맵을 생성할 수 있습니다. 연구팀은 프로비던스 메디컬 센터의 14,000명 이상의 암 환자 코호트(24가지 암 유형과 306가지 아형 포함)에 이 프레임워크를 적용하여 최종적으로 약 30만 개의 가상 mIF 이미지를 생성함으로써 대규모의 다양한 인구 집단에서 종양 면역 미세환경을 체계적으로 모델링하는 데 성공했습니다.

MIT, 뮌헨 공과대학교, 발렌시아 공과대학교의 연구팀이 50년 이상에 걸친 문헌에서 수집한 23,000개 이상의 생성 레시피를 기반으로 학습된 혁신적인 생성 확산 모델인 DiffSyn을 제안했습니다.

폴리매틱 AI 연구팀은 트랜스포머 아키텍처 기반의 유체 연속체 역학을 전문으로 하는 기본 모델인 Walrus를 제안했습니다. Walrus는 사전 학습 단계에서 천체 물리학, 지구 과학, 유변학, 플라즈마 물리학, 음향학, 고전 유체 역학 등 다양한 분야를 아우르는 19가지의 매우 다양한 물리적 시나리오를 다룹니다. 연구 결과, Walrus는 후속 작업의 단기 및 장기 예측 모두에서 기존의 기본 모델보다 우수한 성능을 보여줍니다.

텐센트의 위챗 AI 팀은 산업용 수준의 추론 엔진(vLLM) 최적화 환경에서 추론 속도 면에서 유사한 AR 모델들을 능가하는 최초의 확산 언어 모델인 WeDLM을 제안했습니다. "WeDLM 고효율 대규모 언어 모델 디코딩 프레임워크"는 HyperAI 웹사이트의 "튜토리얼" 섹션에서 이용 가능하며, 이 글에서는 자세한 튜토리얼을 제공합니다.

미국 에너지부 산하 오크리지 국립연구소의 과학자들이 기본 모델을 위한 분산형 교차 채널 계층적 집계 방법(D-CHAG)을 제안했습니다. 이 방법은 토큰화 프로세스를 분산시키고 채널 집계에 계층적 전략을 사용하여 매우 큰 규모의 모델을 다중 채널 데이터 세트에서 실행할 수 있도록 합니다.

2.2-2.6 선정된 인공지능 논문

DeepSeek의 새로운 모델에서 영감을 받은 BGI Genomics와 Zhejiang Zhijiang Laboratory의 연구진으로 구성된 Genos 팀은 유전체 모델링 전용 플러그인인 Gengram(Genomic Engram)을 출시했습니다. 약 2천만 개의 파라미터만으로 여러 유전체 작업에서 최첨단(SOTA) 기록을 경신하며 유전체 모델링의 병목 현상을 극복하는 혁신적인 솔루션을 제공합니다.

HyperAl은 2.2 버전부터 2.6 버전까지 지능형 에이전트, 컴퓨터 비전, TTS(텍스트 음성 변환) 등 다양한 분야를 아우르는 매우 유용하고 폭넓게 활용 가능한 튜토리얼과 데이터셋을 제작해 왔습니다.

HyperAl은 1월 26일부터 30일까지 지능형 에이전트, 컴퓨터 비전, TTS 등 다양한 분야를 아우르는 매우 유용하고 활용도가 높은 튜토리얼과 데이터셋 시리즈를 제공했습니다.

HyperAl은 3월 9일부터 3월 13일까지 음성 생성, 텍스트-이미지 처리, 대규모 모델 등 다양한 분야를 아우르는 매우 유용하고 활용도가 높은 튜토리얼과 데이터셋 시리즈를 제공했습니다.

스탠포드 대학교의 연구팀이 복부 CT 스캔을 위한 최초의 네이티브 3D 시각 언어 모델인 멀린(Merlin)을 제안했으며, 25,494쌍의 복부 CT 스캔과 방사선 보고서가 포함된 데이터 세트를 함께 공개했습니다.

홍콩중문대학교는 마카오공업대학교, 저장대학교, 중남대학교 제2샹야병원, 중국전자과학기술대학교와 협력하여 선택적 융합 모델링 패러다임을 제안했습니다. "화학적 변이는 생물학적 의미 공간의 국소적 교란"이라는 이해를 바탕으로, 국소적 화학적 변이를 전체 단백질 배경에 주입하는 일반적인 프레임워크인 Bi-TEAM을 설계했습니다.

HyperAI의 "튜토리얼" 섹션에서 Qwen, DeepSeek, Gemma, Llama, GLM과 같은 인기 있는 오픈 소스 모델을 무료 CPU를 사용하여 실행하는 방법에 대한 온라인 튜토리얼을 제공합니다. 환경 준비 및 모델 다운로드부터 추론 및 실행에 이르기까지 완벽한 배포 프로세스를 제공하므로 사용자는 복잡한 로컬 환경을 구축하지 않고도 모델 추론 경험과 기본적인 개발 테스트를 완료할 수 있습니다.

스위스 로잔 연방 공과대학(EPFL)의 연구진은 선형 운동량 및 각운동량 보존 법칙을 모델 구조에 직접 내장하여 이를 명시적으로 보장하는 새로운 모델 아키텍처인 DYNAMI-CAL GraphNet을 제안했습니다. 실험 결과는 DYNAMI-CAL GraphNet이 로봇 공학, 항공 우주 공학, 재료 과학과 같이 복잡한 다물체 동역학 시스템을 정확하고 해석 가능하며 실시간으로 모델링해야 하는 분야에서 상당한 이점을 제공한다는 것을 보여줍니다.

HyperAI의 제품 경험과 핵심 기능을 더욱 개선하기 위해 새로운 내부 테스트를 공식적으로 시작합니다. 엄선된 실제 사용자 그룹을 초대하여 플랫폼의 기능을 직접 경험하고 제품 세부 사항을 다듬는 데 도움을 받고자 합니다. 💻 클라우드 플랫폼과 GPU 컴퓨팅 성능이 장기적으로 필요하신 분, 🙋‍♀️ 기술적 배경을 가진 분이라면 [...]

"Qwen3-TTS: 고품질 제어 가능 다국어 음성 합성 데모"가 HyperAI 웹사이트(hyper.ai)의 "튜토리얼" 섹션에서 제공됩니다. 3초 음성 복제 기능을 직접 경험해 보세요!

프랑스의 텔레콤 쉬드-파리와 파리-사클레 대학교의 연구팀은 앙상블 학습과 SHAP(SHAple Additive exPlanations) 분석을 통합한 머신러닝 프레임워크를 제안하여 간세포암(HCC) 간 이식 후보자의 사망 위험을 평가하는 새로운 솔루션을 제시했습니다.

HyperAl은 3.2 버전부터 3.6 버전까지 음성 생성, 텍스트-이미지 처리, 대규모 모델 등 다양한 분야를 아우르는 매우 유용하고 폭넓게 활용 가능한 튜토리얼과 데이터셋을 모아놓았습니다.

MIT와 취리히 연방 공과대학(ETH Zurich)의 공동 연구팀은 잠재 변수 최적화를 통해 부분적으로 겹치는 잠재 공간을 학습하는 오토인코더인 APOLLO라는 계산 프레임워크를 제안했습니다. APOLLO는 공유 정보와 양식별 정보를 명시적으로 모델링함으로써 세포 상태와 그 조절 논리를 보다 포괄적이고 정확하게 분석할 수 있는 실현 가능한 기술적 경로를 제시합니다.

MIT 연구팀은 산업용 숙주인 피치아 파스토리스(Pichia pastoris)에서 재조합 단백질 생산량을 향상시키기 위한 딥러닝 기반 언어 모델인 피치아-CLM(Pichia-CLM)을 제안했습니다. 연구팀은 다양한 복잡성을 가진 6가지 단백질 종류에 대해 피치아-CLM을 실험적으로 검증했으며, 기존의 4가지 코돈 최적화 도구보다 일관되게 높은 발현 수율을 관찰했습니다.

HyperAl은 2월 22일부터 27일까지 OCR, 멀티모달, 대규모 언어 모델 등 다양한 분야를 아우르는 매우 유용하고 활용도가 높은 튜토리얼과 데이터셋 시리즈를 제공했습니다.

핀란드 헬싱키 대학교, 지중해 기후변화 연구센터, 이탈리아 살렌토 대학교로 구성된 공동 연구팀이 지역 해양 예측에 특화된 그래프 신경망 모델인 SeaCast를 개발했습니다. 이 모델은 학습 후 단일 GPU에서 단 20초 만에 1/24° 격자로 18개 수직층에 걸쳐 15일간의 예측을 생성할 수 있으며, 이는 CPU 클러스터에서 실행되는 물리적 기본 모델보다 훨씬 빠른 속도입니다.

코넬대학교 연구팀이 염-용매 화학을 모델링하고 해석하기 위한 견고하고 해석 가능하며 데이터 효율적인 프레임워크인 SCAN을 개발했습니다. 이 프레임워크는 긴 꼬리 분포를 가진 데이터를 효과적으로 처리하고 모든 염-용매 조성 범위를 포괄합니다. 연구팀은 SCAN을 비수용성 전해질(NAE) 시스템에 적용하여 전도도 예측에서 0.372 mS·cm⁻¹의 기준 오차를 달성했으며, 이는 기준 모델 대비 예측 오차를 65.31 TP³T 감소시킨 결과입니다.

미시간대학교 앤아버 캠퍼스의 송쯔위 교수는 파라시스 에너지의 연구개발 부사장인 장웨이란과 공동으로 "발견 학습"이라는 혁신적인 과학적 기계 학습 방법을 제안했습니다. 교육심리학에서 영감을 받은 이 방법은 능동 학습, 물리적 제약 학습, 제로샷 학습을 유기적으로 통합하여 인간과 유사한 추론을 위한 폐쇄 루프 학습 프레임워크를 구축합니다.

2025년 과학 분야 인공지능 연구의 가장 주목할 만한 최첨단 논문들을 간략하게 살펴보겠습니다.

칭화대학교, 베이징대학교, 홍콩대학교, 프린스턴대학교, 중국과학원, 상하이 자오퉁대학교, 중국과학기술대학교, 싱가포르국립대학교 등의 기관들이 제안한 WorldArena는 영상 생성 품질과 실제 작업 기능을 통합하여 "실제처럼 보이는 것"부터 "실제로 사용 가능한 것"까지 완전한 평가 프레임워크를 구축한 최초의 플랫폼입니다.

현재 비공개 베타 테스트 참가자를 모집 중이며, 최대 보상액은 200엔입니다.

HyperAI 사용자들의 실제 실험 경험 공유

"DeepSeek-OCR 2: 시각적 인과 흐름"이 HyperAI 웹사이트의 "튜토리얼" 섹션에서 제공됩니다. 이미지를 업로드하기만 하면 정확한 OCR 텍스트 분석 결과를 얻을 수 있습니다. 지금 바로 사용해 보세요!

유니버시티 칼리지 런던(UCL) 컴퓨터 과학부 연구팀은 백혈구 형태 분석을 위한 연합 학습 프레임워크를 제안했습니다. 이 프레임워크를 통해 여러 기관이 훈련 데이터를 교환하지 않고도 협력적으로 학습할 수 있습니다. 다양한 임상 기관의 혈액 도말 표본을 활용하는 이 연합 모델은 데이터 개인정보 보호를 완벽하게 유지하면서 견고하고 도메인 불변적인 특징 표현을 학습합니다. 중앙 집중식 훈련과 비교했을 때, 연합 학습은 여러 기관에서 우수한 성능을 보였으며, 알려지지 않은 기관에 대해서도 일반화 능력을 보여주었습니다.

마이크로소프트 리서치, 워싱턴 대학교, 그리고 프로비던스 지노믹스로 구성된 연구팀이 다중 모달 인공지능 프레임워크인 GigaTIME을 제안했습니다. 이 프레임워크는 첨단 다중 모달 학습 기술을 기반으로 기존의 H&E 염색 조직 슬라이드에서 가상 mIF 맵을 생성할 수 있습니다. 연구팀은 프로비던스 메디컬 센터의 14,000명 이상의 암 환자 코호트(24가지 암 유형과 306가지 아형 포함)에 이 프레임워크를 적용하여 최종적으로 약 30만 개의 가상 mIF 이미지를 생성함으로써 대규모의 다양한 인구 집단에서 종양 면역 미세환경을 체계적으로 모델링하는 데 성공했습니다.

MIT, 뮌헨 공과대학교, 발렌시아 공과대학교의 연구팀이 50년 이상에 걸친 문헌에서 수집한 23,000개 이상의 생성 레시피를 기반으로 학습된 혁신적인 생성 확산 모델인 DiffSyn을 제안했습니다.

폴리매틱 AI 연구팀은 트랜스포머 아키텍처 기반의 유체 연속체 역학을 전문으로 하는 기본 모델인 Walrus를 제안했습니다. Walrus는 사전 학습 단계에서 천체 물리학, 지구 과학, 유변학, 플라즈마 물리학, 음향학, 고전 유체 역학 등 다양한 분야를 아우르는 19가지의 매우 다양한 물리적 시나리오를 다룹니다. 연구 결과, Walrus는 후속 작업의 단기 및 장기 예측 모두에서 기존의 기본 모델보다 우수한 성능을 보여줍니다.

텐센트의 위챗 AI 팀은 산업용 수준의 추론 엔진(vLLM) 최적화 환경에서 추론 속도 면에서 유사한 AR 모델들을 능가하는 최초의 확산 언어 모델인 WeDLM을 제안했습니다. "WeDLM 고효율 대규모 언어 모델 디코딩 프레임워크"는 HyperAI 웹사이트의 "튜토리얼" 섹션에서 이용 가능하며, 이 글에서는 자세한 튜토리얼을 제공합니다.

미국 에너지부 산하 오크리지 국립연구소의 과학자들이 기본 모델을 위한 분산형 교차 채널 계층적 집계 방법(D-CHAG)을 제안했습니다. 이 방법은 토큰화 프로세스를 분산시키고 채널 집계에 계층적 전략을 사용하여 매우 큰 규모의 모델을 다중 채널 데이터 세트에서 실행할 수 있도록 합니다.

2.2-2.6 선정된 인공지능 논문

DeepSeek의 새로운 모델에서 영감을 받은 BGI Genomics와 Zhejiang Zhijiang Laboratory의 연구진으로 구성된 Genos 팀은 유전체 모델링 전용 플러그인인 Gengram(Genomic Engram)을 출시했습니다. 약 2천만 개의 파라미터만으로 여러 유전체 작업에서 최첨단(SOTA) 기록을 경신하며 유전체 모델링의 병목 현상을 극복하는 혁신적인 솔루션을 제공합니다.

HyperAl은 2.2 버전부터 2.6 버전까지 지능형 에이전트, 컴퓨터 비전, TTS(텍스트 음성 변환) 등 다양한 분야를 아우르는 매우 유용하고 폭넓게 활용 가능한 튜토리얼과 데이터셋을 제작해 왔습니다.

HyperAl은 1월 26일부터 30일까지 지능형 에이전트, 컴퓨터 비전, TTS 등 다양한 분야를 아우르는 매우 유용하고 활용도가 높은 튜토리얼과 데이터셋 시리즈를 제공했습니다.