지금, 당신이 찾던
국가 R&D 정보를 확인해 보세요.
국가 R&D 정보를 확인해 보세요.
지금, 당신이 찾던
국가 R&D 정보를 확인해 보세요.
국가 R&D 정보를 확인해 보세요.
오늘의 추천 주제분야 (스마트농업 AI예측)
스마트농업 AI예측
-
연구비
6898.2% 상승2014 7억2024 462억
-
과제수
2380.0% 상승2014 5건2024 124건
-
연구자
3805.3% 상승2014 38명2024 1484명
정책동향
-
2024회계연도 소프트 로보틱스 보고서 (FY24 Soft Robotics Report)2024 National Institute of Standards and Technology(NIST)
-
인공지능(AI) 역량 강화 및 혜택 보편화 계획 (人工智能能力建设普惠计划)2024 中华人民共和国外交部
참여기관
논문
-
Comprehensive assessment of phytochemicals and bioactivities in various sprouts2024 국외전문학술지 Mahvash Afshari a Food bioscience[발생과제] : 항암성분이 강화된 양배추·브로콜리 육종소재 개발 및 활용
-
인지적 지시수행을 결합한 치유농업프로그램이 발달장애인의 손 민첩성, 협응력, 일상생활활동에 미치는 영향(무작위표본추출)2024 국내전문학술지 안소현 한국엔터테인먼트산업학회논문지[발생과제] : 발달, 신체장애인의 치유농장 활동지원을 위한 스마트 시스템 개발
-
An analysis of Psychophysiological Responses in the Prefrontal Cortex Depending on the Use of Universal Tools and Traditional Methods During Agricultural Activities by Individuals With Physical Disabilities Using Mobility Aids2024 국내전문학술지 Seo-HyunKim 인간식물환경학회지(JPPE)[발생과제] : 발달, 신체장애인의 치유농장 활동지원을 위한 스마트 시스템 개발
특허
-
수소자동차용 이젝터의 미세크랙 검출시스템2024 출원 국립공주대학교 산학협력단;- (10-2024-0116649)
-
에너지 분석 프로그램을 이용한 멜론 온실 냉난방부하 및 계간축열 시스템 용량 산정방법2024 출원 국립순천대학교 산학협력단 (10-2024-0015517)[발생과제] : Grand ICT 연구센터(순천대학교)
-
200m 길이의 보어홀 열교환기의 유량 및 열특성에 따른 정밀성 평가를 위한 수치해석방법2024 출원 국립순천대학교 산학협력단 (10-2024-0015522)[발생과제] : Grand ICT 연구센터(순천대학교)
유관기관 우수사례 및 홍보 기술
한국연구재단
AI 에이전트 기반 스마트빌딩 자율 운영 및 최적화 기술
한국연구재단
광자 신경망 기반 저전력· 초고속 AI 가속기 플랫폼 기술
■ 기술개요: · 본 기술은 광자(빛) 기반의 계산 플랫폼을 통해, 대규모 인공지능 모델 학습·추론 시 요구되는막대한 연산량을 전기(GPU)보다 수십~수백 배 효율적으로 처리할 수 있도록 하는 AI 가속기 원천기술입니다.· 유선규 교수 연구팀은 빛의 간섭과 산란을 연산에 활용하는 파동 네트워크 개념, 소자 최소화를위한 광자/양자 회로 가지치기 설계, 그리고 안정성을 높이는 위상학적 집적광학회로 설계 등 3대핵심 기술을 구현함으로써, 전통적인 전자 신경망이 갖는 에너지·속도 한계를 뛰어넘는 새로운계산 아키텍처를 제시하였습니다.■ 기술적 차별성 및 효과: · 저전력: 기존 GPU 대비 수십~수백 배의 에너지 효율· 고속도: 이론상 H100 GPU 대비 10~200배 이상 빠른 연산 가능성· 확장성: 수천 개 소자를 통합한 칩도 가능 (회로 가지치기로 복잡도 억제)· 안전성: 위상학적 보호 상태로 외부 환경 변화에도 강인함 · 하이브리드 구조: 기위상학적 보호 상태로 외부 환경 변화에도 ■ 개발· 서울대학교 전기·정보공학부 유선규 교수 연구팀■ 추가적인 상세정보는 '파일 다운로드' 선택하면 '기술요약서' 를 확인할 수 있습니다.■ 카드뉴스
한국연구재단
AI 학습·추론 효율화 기반 온디바이스 LAM 가속 기술
■ 기술개요: · 본 기술은 LLM의 추론 성능에 의존하는 환경에서 LLM을 저장하기 위한 메모리 공간을 최소화하고 GPU의 활용을 극대화할 수 있는 특화 커널 설계를 통해 추론 성능을 향상시켜 효율을 극대화하는 알고리즘 기술입니다. · 이를 통해 AI 모델을 더 빠르고, 더 적은 에너지로, 더 낮은 비용으로 실행할 수 있습니다. · 기존 성과를 바탕으로, 본 연구는 온디바이스 Large Action Model(LAM) 구현에 필요한 연산·메모리 최적화 및 하드웨어 가속 시스템 개발로 확장됩니다.■ 기술적 차별성 및 효과: · AI 모델 경량화 → 모델의 정확도를 유지하면서 추론 비용 최소화, 성능 개선 · 범용성 → 다양한 AI 프레임워크 및 하드웨어 환경에서 적용 가능 · 에너지 절감 → 동일 작업 대비 전력 사용량 절감, 탄소 배출 감소· 온디바이스 확장성 → 고성능 LMA을 네트워크 없이 로컬 기기에서도 동작 가능하도록 지원■ 연구팀: · 포항공과대학교 컴퓨터공학과 박은혁 교수 연구팀■ 추가적인 상세정보는 '파일 다운로드' 를 선택하면 '기술요약서'에서 확인할 수 있습니다.■ 카드뉴스