PINNACLE: PINN 자적응 배치점 및 실험점 선택 방법
📖 개요
AI Singapore 연구 포트폴리오에 수록된 방법 연구로, PINNACLE은 물리 정보 신경망(PINN)의 훈련 효율을 높이기 위한 자적응 점 선택 방법을 제안합니다.
🤖 AI와의 관계
이 방법은 경험적 신경 접선 커널(NTK) 이론을 기반으로 실험점과 배치점을 포함한 모든 유형의 훈련점 선택을 자동으로 공동 최적화하며, 정방향·역·전이 학습 과제에서 기존 벤치마크를 크게 능가하는, 과학 계산과 AI가 교차하는 방법 계층의 진전입니다.
🇸🇬 싱가포르와의 관계
AI Singapore 연구 포털을 통해 공개된 성과로서, PINNACLE은 싱가포르가 과학 계산에 AI를 적용하는(AI4Science) 방향의 기초 방법 연구에 투자하고 있음을 보여줍니다.
출처
- AI Singapore — 확인일 2026-07-06
같은 범주 🔬 기초 연구
A*STAR
싱가포르 과학기술청, AI 기초 연구 및 응용 연구의 주력
NUS
싱가포르국립대학교, AI 연구 순위 아시아 선두. 2024.3 NUS AI Institute 설립, 기초 AI, 응용 AI 및 사회 영향 연구 통합
NTU
난양이공대학교, AI 및 데이터과학 연구의 중심지
SMU
싱가포르관리대학, 비즈니스와 사회응용 AI
SUTD
싱가포르과기설계대학, AI와 디자인 교차혁신
AI Singapore와 미국 NSF 연구자들의 연구 협력 프로젝트
해당 프로젝트는 난양공과대학교 Zhang Jie 교수가 주도하며 미국 매사추세츠공과대학교(MIT)와 협력하고 있으며, 신뢰할 수 있고 해석 가능한 인공지능-인간 상호작용 최적화 시스템 개발에 힘쓰고 있습니다. 연구 중점은 자연언어를 조합 최적화 문제의 견고한 인터페이스로 확립하는 것으로, AI 시스템이 인간 언어로부터 최적화 문제를 수립하고, 강력한 AI 보조 최적화를 수행하며, 해석 가능한 피드백을 제공할 수 있도록 합니다. 해당 프로젝트는 물류, 제조, 금융 등 산업에 효율적인 의사결정 지원 도구를 제공하는 것을 목표로 하며, 동시에 신뢰할 수 있는 AI의 기초 연구를 추진합니다.
BadEdit: 모델 편집을 통한 대형 언어 모델의 백도어 주입
AI Singapore 연구팀은 BadEdit 프레임워크를 제시했으며, 이는 모델 매개변수를 직접 수정하여 사전 훈련된 대형 언어 모델에 효율적인 백도어 공격을 수행하는 혁신적인 백도어 주입 방법입니다. 해당 방법은 15개의 데이터 샘플과 120초만으로 백도어를 성공적으로 주입할 수 있으며, 공격 성공률은 100%에 가깝고 정제된 데이터에 대한 최소한의 부작용을 유지합니다. BadEdit은 기존 가중치 중독 방법과 비교하여 데이터 요구가 적고 효율이 높다는 장점이 있으며, 텍스트 분류, 사실 확인 및 대화 감정 생성을 포함한 다양한 작업 영역에 적용 가능합니다.
기호 회귀를 통한 의사결정 나무의 더 큰 범주 분할 발견
본 연구는 기호 회귀 강화 의사결정 나무(SREDT)를 소개합니다. 기호 회귀를 통해 비선형, 다변량 의사결정 나무 분할 규칙을 발견합니다. 전통적인 의사결정 나무와 비교했을 때, SREDT는 더 나은 예측 성능, 더 작고 컴팩트한 나무 구조, 더 빠른 추론 속도, 그리고 잡음에 대한 견고성을 갖추고 있습니다. 이 방법은 유전 프로그래밍을 통해 폐쇄형 해석 표현식을 탐색하며, 분류 작업에서 표준 의사결정 나무를 현저히 능가합니다.