뉴럴 인증서로 안전한 로봇 제어: 그래프 제어 배리어 함수와 시간 논리 계획 강연 정리
MIT 추추 판 교수의 CMU 로보틱스 세미나 정리. 제어 이론의 배리어 함수를 그래프 신경망으로 학습해 다중 에이전트의 안전을 보장하고, 시간 논리 사양까지 신경망에 녹여 계획을 세우는 접근을 소개한다.
핵심 내용 읽기 →
AI TOPIC
그래프 신경망 최신 뉴스와 핵심 해설
그래프 신경망 관련 핵심 뉴스와 활용 인사이트 11편을 최신순으로 모았습니다.
범주론적 딥러닝 해설: 기하 딥러닝의 한계와 가중치 공유, 신경망 설계를 통합할 이론 찾기
언어모델이 왜 간단한 덧셈에서 무너지는지에서 출발해, 대칭성에 기댄 기하 딥러닝의 한계와 가중치 공유의 이론적 근거, 그리고 범주론을 써서 신경망 설계 전체를 하나의 틀로 통합하려는 딥마인드 연구진의 시도까지 대담 내용을 정리했다.
핵심 내용 읽기 →
기계학습과 대칭성 - 불변론과 갈루아 이론으로 입력 크기에 얽매이지 않는 모델 만들기
펜실베이니아대 AI 세미나에서 솔레다드 비야르 교수가 물리 법칙의 대칭성을 신경망 구조에 심는 방법과, 작은 데이터로 학습한 모델을 더 큰 입력이나 더 큰 모델로 옮기기 위한 수학적 조건을 설명했다. 불변론과 갈루아 이론이 도구로 쓰인다.
핵심 내용 읽기 →
관계형 데이터베이스 제로샷 예측 모델: 그래프 변환과 마스크 어텐션으로 피처 엔지니어링 대체
여러 테이블을 하나로 합치며 잃어버리던 관계 정보를 그래프로 되살려 예측하는 제로샷 모델을 소개한다. 2200만 파라미터 모델이 40억 규모 언어모델보다 품목 이탈 예측에서 앞선 이유와 마스크 어텐션 구조를 정리했다.
핵심 내용 읽기 →
RGCN·CompGCN으로 배우는 지식그래프 표현학습 - 서울대 DSBA 세미나 정리
서울대 DSBA 연구실 세미나가 지식그래프에 그래프 신경망을 적용한 RGCN과 CompGCN을 비교했다. 관계 유형과 방향을 메시지 전달에 반영하는 방법과 파라미터 폭증을 줄이는 분해 기법을 짚는다.
핵심 내용 읽기 →
그래프 신경망 자기지도학습 정리 - 오토인코더 복원·그래프 기술자 예측·대조학습 세 가지 방식 비교
라벨 없는 그래프로 그래프 신경망을 학습시키는 방법을 오토인코더 복원, 그래프 기술자 예측, 대조학습 세 갈래로 정리했다. 분자 데이터 사전학습이 늘 이득은 아니라는 연구와 유사성 가정의 함정까지 함께 짚는다.
핵심 내용 읽기 →
그래프 신경망과 신경 알고리즘 추론: 딥마인드 연구자가 보는 AGI와 연구자 조언
그래프 어텐션 네트워크를 만든 딥마인드 연구자가 AGI를 아직 이르다고 보는 이유, 알고리즘처럼 일반화하는 신경망 연구, 신진 연구자를 위한 현실적인 조언을 풀어놓은 인터뷰를 정리했다.
핵심 내용 읽기 →
등변 신경망 3부: 텐서 필드 네트워크와 SE(3) 트랜스포머로 보는 3D 회전 대칭
분자 구조나 점군처럼 3차원 좌표를 다루는 데이터에서 회전에 흔들리지 않는 모델은 어떻게 만들까. 거리 기반 SchNet의 한계부터 텐서 필드 네트워크, SE(3) 트랜스포머의 등변 어텐션까지 차례로 정리했다.
핵심 내용 읽기 →
머신러닝 신약 설계, MIT 레지나 바질레이 강연으로 본 성과와 남은 과제
MIT 레지나 바질레이 교수가 하버드 CMSA 강연에서 밝힌 AI 신약 개발의 현주소. 항생제 발견 성공 사례부터 그래프 신경망 표현학습, 기초모델이 통하지 않는 이유까지 자막 근거로 정리했다.
핵심 내용 읽기 →
AI 신소재 발견은 실현 가능한가? 탐색 공간·DFT·GNoME로 본 가능성과 한계
수백만 가지 원소 조합과 결정 구조가 만드는 거대한 탐색 공간, 슈뢰딩거 방정식과 다체 문제, 밀도범함수이론(DFT)의 한계, 딥마인드 GNoME 그래프 신경망까지 AI가 신소재 발견을 정말 앞당길 수 있는지 그 가능성과 난관을 짚어 봅니다.
핵심 내용 읽기 →
그래프 신경망(GNN) 입문: 노드·엣지·메시지 전달과 GCN·GAT 등 5대 모델
표로 정리되지 않는 관계형 데이터를 다루는 그래프 신경망의 원리를 노드·엣지·메시지 전달 중심으로 정리하고, GCN·GraphSAGE·GAT·GIN·그래프 트랜스포머의 차이를 쉽게 설명합니다.
핵심 내용 읽기 →