AI 과학 연구

연구진은 AlphaFold를 활용해 Cas 단백질이 잘못 짝지어진 DNA를 어떻게 허용하는지 분석했다. 이후 핵심 아미노산을 바꿔 표적 편집 활성을 유지하면서 오프타깃 편집을 낮춘 변이를 만들었다.

트럼프 행정부가 AI 기반 과학 프로젝트에 50억 달러를 투입하는 첫 ‘제네시스 미션’ 보조금을 발표했다. 논란의 핵심은 AI 활용이 아니라, 공공 연구를 정치와 스타트업식 성과주의로 재편하려는 흐름이다.

SciForma는 과학 도식 생성에서 겉보기 품질보다 구조적 충실성을 핵심 문제로 제시한다. 구성요소, 화살표, 텍스트를 별도 축으로 나누고 세 축이 동시에 맞도록 학습한다.

3D-Fit은 구조 기반 신약 설계에서 범용 LLM이 3차원 공간 제약을 만족하는 리간드를 생성할 수 있는지 평가하는 벤치마크다. 연구 결과는 가능성을 보여주지만, 전용 확산 모델과의 격차도 분명히 드러낸다.

이 연구는 플라즈마 진단 모델을 깨끗한 센서 데이터가 아니라 실제에 가까운 고장 조건에서 평가한다. 특히 플라즈마 붕괴에 가까운 시점의 센서 손상이 시계열 모델 성능을 크게 무너뜨릴 수 있음을 보였다.

S1-Omni는 AI for Science 분야의 분산된 데이터 형식과 작업을 하나의 통합 추론 모델로 연결하려는 시도다. 200개 이상의 과학 작업을 다루며 모델 가중치, 추론 코드, 일부 데이터셋도 공개됐다.

구글이 지원하는 FireSat 프로그램의 첫 운용 위성 3기가 궤도에 올랐다. 이 위성망은 기존 위성이 놓칠 수 있는 작은 산불을 더 빨리 찾아내는 것을 목표로 한다.

이 논문은 연구자와 AI 에이전트를 연결하는 능동형 공유 작업공간 Mycelium을 소개한다. 핵심은 관찰과 가설을 저장하는 데 그치지 않고, 다음 의사결정에 활용할 수 있는 사람이나 시스템으로 전달하는 것이다.

새 arXiv 포지션 논문은 자동 형식화의 목표가 단일 명제 번역이 아니라 정의, 보조정리, 의존관계를 포함한 완전한 형식 지식베이스 구축이어야 한다고 주장한다.

SDABench는 LLM의 과학 데이터 분석을 코드 실행이나 워크플로 완료가 아니라, 과학적 주장을 뒷받침하는 능력 관점에서 평가하는 벤치마크다.

새 arXiv 논문은 spike-tokenizing 신경 디코더를 위한 MOJO 프레임워크를 제안했다. 마스크드 오토인코더 기반 자기지도학습과 지도학습 목표를 함께 사용해 라벨 없는 신경 기록을 훈련에 활용한다.

새 arXiv 논문은 동결된 Evo 2 표현 위에 경량 프로브를 학습해 메타게놈 데이터에서 항생제 내성과 세균 독력 신호를 읽어낼 수 있는지 평가했다. AMR 탐지는 강한 성능을 보였지만, 독력 탐지와 생성 서열 라벨 해석에는 한계가 확인됐다.

arXiv 논문은 재생에너지 발전 예측에서 입력 특징을 어떻게 고를 것인지에 주목하며 CSFS를 제안했다. 이 방법은 기존 순차 특징 선택과 유사한 예측 성능을 보이면서 평균 21%의 계산 비용 절감을 보고했다.

새 arXiv 논문은 경험적 베이즈 변분 오토인코더를 확장해 종양 부피의 시간 변화, 탈락까지의 시간, 유전체 공변량을 하나의 확률적 틀에서 다룬다. 신경망 기반 유연성과 반기전적 약물계량 모델의 해석 가능성을 결합한 접근이다.

새 논문은 메탄 플룸 제품의 마스크, IME, 플룸 길이, 배출률, 불확실성 사이의 일관성을 진단하는 PlumeQuant를 제안한다. 연구진은 공개된 스칼라 지표만으로는 플룸 경계를 유일하게 결정할 수 없다고 분석했다.

arXiv에 공개된 새 연구는 다중모달 심장 PET/MRI 데이터를 처리하기 위한 2단계 무지도 클러스터링 전략을 제안했다. 이 방법은 자동 텍스트 보고서와 불스아이 맵을 생성해 심장 영상 전문의의 관찰과 비교적 잘 맞는 결과를 보였다.

새 arXiv 논문은 Quantum Kitchen Sinks를 RF 스펙트로그램 이상 탐지에 적용하고, 실제 셀룰러 신호와 IBM 양자 프로세서에서 검증했다. DCT 표현과 중간 깊이의 얽힘 QKS 구성이 가장 강한 조합으로 나타났다.

새 arXiv 논문은 CT 볼륨과 영상의학 보고서를 장기 조건 방사선 패턴 token 단위로 정렬하는 OCP-CT를 제안한다. 전역 스캔-보고서 대조학습이 장기별 이질적 증거를 흐릴 수 있다는 문제를 겨냥한 접근이다.

arXiv에 공개된 논문은 뇌종양의 진화 예측과 치료 스케줄링을 위한 AI 증강 적응형 디지털 트윈 프레임워크를 제안했다. 반응-확산 모델, 3D 잔차 학습, 온라인 업데이트, 모델 예측 제어를 하나의 흐름으로 결합한 점이 핵심이다.

arXiv 논문은 위상 구조를 양자 상태에 담기 위한 Quantum Topological Data Encoding(QTDE) 프레임워크를 제안했다. clique-complex 분류 실험에서는 조합 라플라시안을 직접 비교하는 기준선보다 나은 초기 결과가 보고됐다.

arXiv에 공개된 논문은 췌관선암의 절제 가능성을 자동 평가하기 위한 다중모달 딥러닝 프레임워크를 제안한다. 이 방법은 3D 조영 CT와 구조화된 임상 변수를 함께 활용해 NCCN 기준의 세 범주를 분류한다.