뉴스

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.

현재 대규모, 다중 대역, 넓은 시야각, 높은 심도의 천체 관측 조사는 천문학을 전례 없는 데이터 집약적인 시대로 이끌고 있습니다. 유클리드 우주 망원경, 루빈 천문대, 로만 우주 망원경과 같은 차세대 관측 시설의 가동으로 우주는 전례 없는 규모와 정밀도로 체계적으로 지도화되고 있습니다. 이러한 관측은 [...]

선정된 인공지능 논문 (1월 26일~30일)

로봇 스타트업 스킬드 AI(Skild AI)가 시리즈 C 펀딩으로 14억 달러를 유치하며 기업 가치가 140억 달러 이상으로 평가받았습니다. 이번 투자 라운드는 일본 소프트뱅크 그룹이 주도했으며, 엔비디아의 엔벤처스(NVentures), 맥쿼리 캐피털, 아마존 창업자 제프 베조스가 설립한 베조스 익스페디션(Bezos Expeditions) 등 전략적 투자자들이 참여했습니다. 삼성, LG, 슈나이더 일렉트릭, 세일즈포스 벤처스도 투자에 동참했습니다.

베이스캠프 리서치, 엔비디아, 그리고 여러 유수 학술 기관으로 구성된 공동 연구팀은 EDEN 시리즈 메타게놈 기본 모델을 공동으로 구축했습니다. 종간 및 환경 정보와 연관된 방대한 양의 자연 진화 데이터를 학습함으로써, 생물학적 설계의 심층적인 "문법"과 보편적 원리를 체계적으로 추출해낸 것은 이번이 처음입니다.

"TRELLIS.2 3D 생성 데모"가 HyperAI 웹사이트(hyper.ai)의 "튜토리얼" 섹션에서 제공됩니다. 효율적인 3D 모델 생성을 직접 경험해 보세요!

캘리포니아 대학교의 연구팀은 표준 실리콘 포토다이오드 표면에 특수한 광자 포획 구조(PTST)를 설계하고, 잡음에 매우 강한 완전 연결 신경망을 도입했습니다. 이 신경망은 소자에서 측정된 광전류 신호로부터 원래 스펙트럼을 지능적으로 계산하고 복원할 수 있습니다. 이 방법을 통해 분광기는 장파장에서 더 높은 신호 대 잡음비를 달성할 뿐만 아니라, 전반적인 성능 또한 기존 실리콘 기반 분광기보다 우수합니다.

HyperAl은 버전 1.12부터 1.16까지 지능형 에이전트, 컴퓨터 비전, TTS 등 다양한 분야를 아우르는 매우 유용하고 폭넓게 활용 가능한 튜토리얼과 데이터셋을 모아놓았습니다.

선정된 인공지능 논문 (1월 19일~23일)

이 글에서는 체화된 지능과 관련된 고품질 데이터셋, 온라인 튜토리얼, 논문들을 체계적으로 정리하여 심화 학습 및 연구에 참고할 수 있도록 제공합니다. 더 많은 고품질 자료를 살펴보시려면 hyper.ai를 방문해 주세요!

독일 괴테대학교 연구팀은 단백질 서열, 도메인 구성, 3차원 구조, 기능 및 발현 패턴을 포함한 다단계 데이터를 통합하는 메트릭 학습을 사용하여 "인간 E3 리가제 게놈"을 분류했습니다. 이 방법은 기존의 E3 효소 분류(RING, HECT 및 RBR 클래스)를 확장하여 비정형 메커니즘을 포함하고, 기능적 분할을 성공적으로 규명하며, 다중 소단위 복합체와 단량체 효소를 구분하고, E3 효소를 기질 및 잠재적 약물 표적에 연결합니다.

예일대학교 연구팀은 최근 MOSAIC 모델을 제안했습니다. 이 모델은 일반화된 빅 언어 모델을 다수의 전문 화학 전문가로 구성된 협업 시스템으로 변환합니다. 전문적인 분업을 통해 모델의 허상을 효과적으로 억제하고, 정량화된 불확실성 평가를 제공하며, 반응 설명에서 완전한 실험 계획에 이르기까지 체계적인 생성을 실현합니다. 이 모델은 신약 개발 및 재료 개발과 같은 분야에서 과학 연구 효율성을 크게 향상시킬 것으로 기대됩니다.

"GLM-Image 정밀 의미론적 고화질 이미지 생성 모델"이 HyperAI 웹사이트(hyper.ai) 튜토리얼 섹션에서 제공됩니다. 여러분의 무한한 창의력을 마음껏 펼쳐보세요!

칭화대학교와 시카고대학교 연구팀은 1980년부터 2025년까지 발표된 4,130만 편의 자연과학 논문과 537만 명의 과학자 데이터를 활용하여 인공지능(AI) 도구가 과학 연구에 미치는 실제 영향을 체계적으로 분석했습니다. 연구 결과, AI는 개별 연구 성과와 학문적 영향력을 크게 향상시키는 반면, 집단 차원에서는 지식 공간을 축소하고 학술적 상호작용을 특정 분야에 집중시키는 결과를 초래하는 것으로 나타났습니다. 언어 모델을 통해 AI 연구를 식별하고 "지식 폭"과 같은 혁신 지표를 도입함으로써, 연구팀은 과학 분야에서 AI가 가져오는 간과되어 온 구조적 비용을 밝혀내고, AI가 연구 생태계를 어떻게 재편하고 있는지 이해하는 데 중요한 근거를 제시합니다.

HyperAl은 버전 1.12부터 1.16까지 지능형 에이전트, 컴퓨터 비전, TTS 등 다양한 분야를 아우르는 매우 유용하고 폭넓게 활용 가능한 튜토리얼과 데이터셋을 모아놓았습니다.

"Qwen-Image-2512: 더욱 사실적인 인물 사진 및 자연 풍경 생성" 튜토리얼이 HyperAI 웹사이트(hyper.ai)의 튜토리얼 섹션에서 제공됩니다. 여러분의 무한한 창의력을 마음껏 발휘해 보세요!

프린스턴 대학교와 콜로라도 광산대학의 공동 연구팀은 머신러닝 기반의 효율적인 예측 방법을 제안했습니다. 이 방법은 대규모 언어 모델을 사용하여 MOF의 구조적 순서로부터 자유 에너지를 직접 예측함으로써 계산 비용을 크게 줄이고 MOF의 열역학적 평가를 대량으로 확장 가능하게 합니다.

HyperAl은 12월 8일부터 12일까지 지능형 에이전트, 컴퓨터 비전, TTS(텍스트 음성 변환) 등 다양한 분야를 아우르는 매우 유용하고 활용도가 높은 튜토리얼 및 데이터 세트를 제공합니다. (날짜 및 대표 분야는 실제 상황에 따라 조정될 수 있습니다.)

2025년, AI 산업의 서사적 논리는 급격한 붕괴를 겪을 것입니다. 수천억 달러에 달하는 자본 지출(CapEx)이 더딘 매출 성장과 충돌하면서, AI 산업이 '거품'인지 아닌지를 판단할 자리는 이미 꽉 찼습니다. 알파벳의 2천억 달러에 달했던 시가총액이 증발한 사례부터 ChatGPT의 엄청난 손실에 이르기까지, 기술 산업은 현실적인 문제에 굴복할 수밖에 없는 것처럼 보입니다.

MIT와 하버드 대학교 공동 연구팀이 제안한 AI 기반 엔드투엔드 설계 프로세스인 CleaveNet은 이러한 과제를 해결하기 위해 설계되었습니다. 이 프로세스는 예측 모델과 생성 모델의 협업을 통해 기존의 프로테아제 기질 설계 패러다임을 혁신하고 관련 기초 연구 및 생의학 개발에 완전히 새로운 솔루션을 제공하는 것을 목표로 합니다.

"HY-MT1.5-1.8B: 다국어 신경망 기계 번역 모델"이 HyperAI 웹사이트(hyper.ai)의 튜토리얼 섹션에서 제공됩니다. 놀라운 번역 속도를 직접 경험해 보세요!