4편의 한국어 분석 — 최신순으로 정렬했어요
무기 재료의 표적 발견은 방대한 조성 설계 공간과 포괄적 스크리닝의 높은 비용으로 인해 여전히 난제로 남아있습니다. 특정 작업에 특화된 생성형 AI는 효율적인 대안이지만, 실제 이점을 제공하기 전에 번거로운 학습 데이터 수집이 필요합니다. 반면, 범용 거대 언어 모델(LLM)은 특정 미세 조정 없이 단일 최적 재료 조성을 표적 생성하는 데 큰 잠재력을 보여주었습니다. 본 연구는 LLM이 대규모 설계 공간에서 특정 속성 공간의 전체 영역을 효과적이고 체계적으로 탐색할 수 있음을 입증합니다. 대규모 화학 공간에서 생성 작업의 벤치마크…
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…
지능형 튜터링 시스템(ITS)은 즉각적인 피드백을 제공하며 인간 튜터링을 모방하는 컴퓨터 시스템입니다. 생성형 인공지능(GenAI)의 발전과 함께 GenAI가 통합된 수많은 ITS가 개발되고 있습니다. 학생 참여는 학습 과정과 성과를 향상시키는 데 중요하므로, GenAI가 통합된 ITS가 교육 현장에서 학생 참여를 증진하는 효과를 탐구하는 것이 중요합니다. 본 연구는 GenAI 기반 ITS인 GPTutor를 사용한 학부생 880명을 대상으로 설명적 혼합 방법 사례 연구를 제시합니다. 먼저, 설문 조사를 통해 GPTutor와의 실제…
이미지 데이터 증강은 컴퓨터 비전 분야에서 훈련 데이터셋의 다양성과 품질을 높여 머신러닝 모델의 성능과 견고성을 향상시키는 핵심 방법론입니다. 이는 또한 이미지의 맥락과 의미를 고려한 편집 및 수정에도 활용될 수 있습니다. 최근 생성형 인공지능 분야에서 가장 유망한 확산 모델(DMs)은 사실적이고 다양한 이미지를 생성하며 이미지 데이터 증강을 위한 강력한 도구로 부상했습니다. 본 연구는 이미지 증강을 위한 확산 모델 기반 접근 방식을 체계적이고 심층적으로 검토합니다. 먼저 확산 모델의 기본 원리, 모델 아키텍처 및 훈련 전략을 포…
