Development of an End-to-End Design and Validation Framework for Mathematically Principled Next-Generation AI Architectures and Learning Algorithms
차세대 AI+S&T 기반기술 개발(R&D) · 차세대 AI+S&T 기반기술 개발(R&D)
2026년
2710110895
과학기술정보통신부
한국연구재단
한국과학기술원
윤철희
22명
2026.07.01 ~ 2026.12.31
2026.07.01 ~ 2031.06.30
5억원
5억원
기초연구
대학
대전광역시 유성구
수학 > 응용수학 > 인공지능수학/데이터사이언스수학
현대 생성형 AI의 구조 설계, 대규모 사전학습, 사후학습·적응, 추론시간 확장, 선택적 언러닝 및 신뢰성 평가를 수학적 원리에 기반한 전주기 설계 프레임워크로 통합하고, 기존 자기회귀 언어모델, 확산모델, 상태공간모델 등 주요 생성모델의 구조적 한계와 학습 실패 원인을 보완하는 데이터·연산 효율적이고 신뢰가능한 차세대 AI 구조·학습 알고리즘·평가체계 원...
- 기존 생성 모델의 특성과 실패 사례를 수학적으로 규명하고, 차세대 AI 학습 패러다임 설계를 위한 원천 기준을 정립- 사전학습 모델의 손실 지형, 분산 최적화, 표현 기하가 학습동역학, 수렴 안정성, 표현 형성에 미치는 근본 원리를 수학적으로 규명- 사후학습과 추론시간 확장 과정에서 파괴적 망각, 선택적 언러닝 및 지식 적응과 관련된 핵심 문제를 기하학...
- 수학적 원리 기반 차세대 AI 구조·학습 알고리즘 설계 원천기술 확보- 트랜스포머, 확산모델, 상태공간모델의 구조적 한계와 학습 실패 원인 규명을 통한 통합 이론 기반 제공- 미래 예측 기반 학습 프레임워크, 혼합형 생성구조, 대규모 사전학습 최적화 알고리즘의 개념증명 검증- 사후학습, 추론시간 확장, 선택적 언러닝의 공동설계 원리 정립을 통한 안전한 ...