2658 편의 논문
이 논문은 나이지리아의 NIN 및 BVN 생태계 내의 사이버 보안 및 거버넌스 취약점, 구체적으로 부정 등록, API 노출, 제3자 접근 위험을 분석하고, 신원 보증, 데이터 보호 및 국가 안보를 강화하기 위한 위험 기반 프레임워크를 제안한다.
본 연구는 부식으로 인한 표면 산술 거칠기(Ra)를 원심 펌프 CFD 모델링을 위한 등가 모래 입자 거칠기(ks)로 변환하기 위해 실험 데이터를 활용하여 전이 모델의 불확실성을 정량화하고, 성능 저하가 오직 표면 거칠기 때문인 것으로만 잘못 귀인되는 것을 방지하는 불확실성 인지 프레임워크를 제안한다.
본 논문은 아부다비에 위치한 10MW 규모 데이터 센터의 연간 에너지 소비를 15.3% 절감하고 열 안전 제약 조건을 유지하면서 전력 사용 효율(PUE)을 1.421에서 1.291로 개선하는, 워크로드 인지 전략 및 디지털 트윈 모델이 통합된 안전한 심층 강화 학습 프레임워크를 제시한다.
이 연구는 CFD 시뮬레이션을 활용하여 에티오피아의 둔체형 버스에 루프 페어링을 추가하는 것이 후방 테일 플레이트보다 공기 역학적 항력과 연료 소비를 훨씬 더 효과적으로 감소시킨다는 것을 입증하며, 0.5m 현 길이를 가진 페어링은 100km/h의 속도에서 최대 29.16%의 항력 감소를 달성한다.
본 논문은 고성능 AI 연산의 극심한 전력 밀도와 동적 부하 프로파일을 처리할 때 기존의 저전압 시스템과 비교하여 효율성, 안전성, 신뢰성 및 비용 효율성을 크게 개선함을 입증하며, 고체 상태 변압기와 바이폴라 DC 버스를 통해 서버 열(row)에 전력을 직접 전달하는 차세대 중전압 아키텍처를 제안하고 평가한다.
이 체계적 문헌 고찰은 130개의 연구를 합성하여 직접 에너지 퇴적 방식에서의 머신러닝 및 디지털 트윈 기술의 현재 적용 사례를 분석하며, 공정 모니터링 및 예측에서의 성공을 강조하는 동시에 완전한 자율형 산업 규모 제조를 가능하게 할 폐루프형 양방향 제어 시스템의 결정적인 필요성을 식별한다.
기존의 물리 기반 패널법 테스트베드를 사용한 본 연구는 머신러닝 대리 모델이 훈련 범위 내에서는 높은 정확도를 달성하고 물리적 의존성을 포착하지만, 신뢰할 수 있게 외삽하는 데 실패하며 내재적인 불확실성 경고 기능이 결여되어 있음을 입증하며, 이는 견고성을 보장하기 위해 물리 정보 기반 제약이나 단순한 범위 확인가 필수적임을 강조한다.
본 논문은 태양광 통합 전력망을 위한 AI 강화 부하 주파수 제어 방안을 제안하고 평가하며, 적응형 뉴로-퍼지 스케줄링, PV 피드포워드 보상, 그리고 배터리 공동 디스패치를 결면한 결정론적 하이브리드 제어기가 안정성 지표 측면에서 기존의 PI 및 퍼지-PID 베이스라인보다 크게 우수함을 입증하는 한편, 심층 강화 학습 에이전트는 가장 낮은 주파수 편차를 달행함에도 불구하고 과도한 액추에이터 요구량과 낮은 일반화 능력으로 인해 비실용적인 것으로 간주된다는 점을 보여준다.
본 연구는 다섯 가지 사회경제적 시나리오를 바탕으로 2100년까지 캐나다 전역의 교통량과 혼잡도를 예측하기 위한 머신러닝 프레임워크를 개발하였으며, 미래의 혼잡도가 불균등하게 분포되어 소수 집단이 비소수 집단보다 현저히 높은 교통 수준에 노출되는 지속적인 불평등을 드러낸다는 점을 밝혀냈다.
본 논문은 상측 및 하측 단측파대 변조를 활용하는 하이브리드 광 링크를 제안하여, 유선 또는 60 GHz 무선 연결을 통해 두 사용자를 위한 선택적 10 Gbit/s 4-QAM 액세스를 가능하게 하며, 분산 보상 없이 20 km의 단일 모드 광섬유 상에서 견고한 전송 성능을 입증한다.