본 연구는 범용 머신러닝 포텐셜(MLP)을 사전 확률로 활용하여 베이지안 최적화 프레임워크(BEACON)를 개선하여 원자 구조 최적화 작업의 효율성을 향상시키는 새로운 접근 방식을 제시합니다.
FlorDB는 머신러닝 라이프사이클 전반에 걸쳐 필요한 풍부한 컨텍스트를 놓치지 않으면서도, 개발 초기 단계의 민첩성을 저해하지 않는 "나중에 메타데이터" 접근 방식을 제공합니다.
새로운 GPU에 대한 접근 제한 없이, 다양한 딥러닝 모델의 학습 및 추론 성능을 예측할 수 있는 NeuSight 프레임워크를 소개합니다.
다운스트림 작업 성능에 의존하지 않고 임베딩 모델을 비교하기 위해 정보 이론적 개념인 정보 충족성(IS)을 활용한 새로운 평가 지표를 제시합니다.
본 논문에서는 머신러닝 모델의 불확실성을 정량화하는 새로운 프레임워크인 VRCP(Verifiably Robust Conformal Prediction)를 제안합니다. VRCP는 등각 예측과 신경망 검증 기술을 활용하여 적대적 공격 시에도 유효한 예측 구간을 생성합니다.
3D 포인트 클라우드 분류 모델의 취약성을 이용하여 인간이 눈치채기 어려울 정도로 미세하게 데이터를 조작하여 오분류를 유도하는 효율적인 적대적 공격 프레임워크 Eidos를 소개합니다.
본 논문에서는 복잡한 구조적 데이터 예측을 위한 새로운 프레임워크인 명시적 손실 임베딩(ELE)을 제안하며, 이는 대조 학습을 통해 미분 가능한 대리 손실을 학습하고 이를 그래프 예측 문제에 적용하여 기존 방법들과 비슷하거나 더 나은 성능을 달성합니다.
본 논문에서는 고에너지 물리학 실험에서 실시간 이상 탐지 트리거 시스템에 머신 러닝 모델을 배포하기 위한 두 가지 하드웨어 합성 프레임워크인 SNL과 hls4ml을 비교 분석합니다.
본 논문에서는 기존의 푸리에 신경 연산자(FNO)의 한계점을 극복하기 위해 지역화 푸리에 신경 연산자(Local-FNO) 모델을 제안하여 다변수 고해상도 3D 도시 미기후를 빠르고 정확하게 예측하는 방법을 소개합니다.
인수 분해 가능한 행동 공간에서 오프라인 강화 학습을 적용할 경우, 가치 분해를 활용하면 표준 접근 방식에 비해 여러 이점을 얻을 수 있으며, 특히 데이터 효율성과 계산 효율성을 향상시킬 수 있다.