16428 편의 논문
이 섹션에서는 화학에서 지구과학에 이르기까지, 원자 수준의 미세한 현상부터 거대한 행성 시스템에 이르기까지 자연의 다양한 층위를 탐구하는 연구들을 소개합니다. 여기에는 새로운 물질의 발견부터 기후 변화의 메커니즘 해부까지, 우리 일상과 직결된 과학적 통찰이 담겨 있습니다.
가스트 사이언스는 아카이브에 등록되는 이 분야의 모든 최신 프리프린트를 실시간으로 추적하여 제공합니다. 각 논문은 전문적인 기술적 요약과 일반인도 이해할 수 있는 쉬운 설명 두 가지 버전으로 정리되어, 연구의 핵심을 빠르고 정확하게 파악할 수 있도록 돕습니다.
아래에서는 화학 및 지구과학 분야의 최신 연구 결과들이 정리된 목록을 확인하실 수 있습니다.
본 논문은 전력망 시뮬레이터로의 통합을 위해 동기 발전기의 동적 과도 응답을 정확하게 근사하고 시뮬레이션하고자 잔차 학습(residual learning)과 데이터 집계 전략으로 강화된 딥 오퍼레이터 네트워크(DeepONet) 프레임워크를 제안한다.
이 논문은 사후 처리된 어트리뷰션 맵이 정보를 추가하지 않고도 점수를 인위적으로 개선할 수 있으며, 이는 공간적으로 흐릿한 마스크를 향한 체계적인 편향을 드러내어 특징 어트리뷰션 방법론을 정확하게 평가하는 ROAR 벤치마크의 능력을 저해하기 때문에 해당 벤치마크의 타당성이 훼손됨을 입증한다.
이 논문은 대수 기하학을 사용하여 비정규화된 셀프 어텐션 네트워크의 함수 공간을 분석하며, 이들의 식별 가능성과 차원을 확립하고 특이점을 규명하는 한편 정규화된 아키텍처에 대해서도 이러한 결과들을 추측한다.
본 논문은 대규모 언어 모델을 활용하여 처치(treatment)를 생성하고 이들의 내부 표현을 활용함으로써 비정형 텍스트로부터 더 정확하고 효율적인 인과 효과 추정을 수행하는 생성형 AI 기반 추론(Generative AI-Powered Inference, GPI) 방법론을 제안하며, 이를 통해 데이터로부터 직접 인과 표현을 학습할 필요성을 제거하고 교란(confounding) 및 중첩 위반(overlap violations)과 같은 일반적인 문제들을 극복한다.
이 논문은 퇴화된 포커-플랑크(Fokker-Planck) 편미분 방정식을 통해 확률적 경사 하강법(SGD)을 모델링함으로써 비볼록 최적화에서의 효과를 분석하며, 가중치 집중도, 국소 최솟값으로부터의 탈출 시간, 그리고 새로운 쌍대성 및 엔트로피 기법을 이용한 점근적 수렴을 정량화하기 위해 뚜렷한 드리프트 및 확산 체계를 식별한다.
Prism은 여러 모델 간의 GPU 메모리를 동적으로 회수 및 재할당하기 위해 kvcached라고 불리는 새로운 메모리 벌루닝 기술을 활용하여 공간적 및 시간적 공유를 통합함으로써, 프로덕션 환경에서의 비용 효율성과 SLO 준수 능력을 향상시키는 메모리 중심의 LLM 공동 서빙 프레임워크입니다.
본 논문은 큐레이션된 소규모 도메인 특화 데이터셋을 사용하는 메타 학습 훈련 전략을 제안하며, 이 접근 방식이 대규모 훈련과 대등한 성능을 달성하는 동시에 우수한 데이터 품질, 모듈성 및 망각에 대한 강건성을 제공함을 입증한다.
이 논문은 거대 언어 모델이 인간의 심리와 일치하는 계층적 감정 구조를 자연스럽게 발달시키는 동시에, 소외된 집단에 불균형적으로 영향을 미치는 감정 인식에서의 체계적인 편향을 드러낸다는 점을 입증한다.
이 논문은 유리슨 삼중항(Urysohn Triples)과 구성적 실현 정리(constructive realization theorem)를 활용하여 결정 경계 폭(decision-boundary width)과 같은 기하학적 척도를 통해 분류 복잡도를 정의하고, 재사용 가능한 프레임워크 내에서 분할 상환 분리(amortized separation), 안정성(stability), 확장성(scalability)에 대한 보장을 증명하는 메트릭-위상적 계산 모델인 유리슨 머신(Urysohn Machine)을 소개한다.
본 논문은 고소음 조건에 효과적으로 대응하고 국지적 환경 아티팩트에 대한 과적합을 방지함으로써 해양 생물 음향 모니터링의 일반화와 신뢰성을 크게 향상시키기 위해, 생태학적 정보를 반영한 중첩 교차 검증 프레임워크인 GetNetUPAM과 노이즈에 강건한 어텐션 기반 CNN(ARPA-N)을 결합한 방법을 소개한다.