◦ LG전자 H&A 센터와의 공동 프로젝트에서 오픈소스 LLM (EXAONE-3.5) 및 VLM (Qwen2.5-VL)을 활용하여 스마트 홈 어시스턴트 에이전트를 구축, 기능 호출 정확도 약 95% 달성 ◦ 원래의 트랜스포머 모델 대비 약 70% 적은 파라미터를 사용하면서도 성능을 유지하는 순환 기반의 파라미터 효율적인 트랜스포머 모델 RingFormer를 설계 및 구현, 기계 번역 및 이미지 분류 작업에서 효과 입증 ◦ 서울대학교와의 공동 프로젝트에서 희소한 블랙홀 광도 곡선 데이터를 기반으로 신호 추출 파이프라인을 개발하고, XGBoost 등 ML 기법을 활용하여 블랙홀 질량을 예측, RMSE 및 R² 지표에서 기존 방식 대비 성능 향상

और देखें

◦ CorrGAN 모델을 활용해 생성한 상관관계 행렬과 랜덤 충격이 포함된 시뮬레이션 수익 데이터를 기반으로, 전통적 및 머신러닝 기반 포트폴리오 할당 기법의 강건성을 분석한 연구 ◦ 주가 데이터의 정상성을 높이면서도 메모리 특성을 유지하기 위해 분수 차분 (fractional differencing)을 적용하고, LSTM 모델을 활용해 수익 예측 및 포트폴리오 구성에 활용한 연구

और देखें