PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.05866v2cs.AI

XDecomposer: 다상 X선 회절을 위한 사전 정보 없는 집합 분해 학습

XDecomposer: Learning Prior-Free Set Decomposition for Multiphase X-ray Diffraction

다상 분말 X선 회절(PXRD) 분석은 실제 합성 과정에서 구성 상(phase, 성분)들을 안정적으로 분리해내기 어려운 복잡한 혼합물이 생성되는 경우가 많아 구조 식별의 근본적인 병목 구간으로 남아 있습니다. 최근 표현 기반 결정 검색 및 생성이 발전하면서 PXRD로부터 직접 구조를 추론할 수 있는 가능성이 제시되었으나, 기존 접근 방식은 대부분 단상(single-phase) 입력을 가정하므로 다상 환경에서는 제대로 작동하지 않습니다. 본 논문에서는 후보 상 목록, 구조적 템플릿, 또는 상의 수에 대한 사전 지식 없이도 다상 XRD 패턴의 분해 및 식별을 동시에 수행하는 사전 정보 없는(prior-free) 프레임워크인 XDecomposer를 제안합니다. 우리는 다상 회절 분석을 집합 예측(set prediction) 문제로 정의하며, 모델은 단일 통합 아키텍처 내에서 상별 성분의 순서 없는 집합과 혼합 비율, 그리고 이에 대응하는 구조 표현을 추론합니다. 회절 일관성을 갖는 물리적 재구성과 결합된 상 쿼리(phase-query) 기반 분해 메커니즘은 결정학적 충실도를 보존하면서 정확한 음원 분리(source separation)를 가능하게 합니다. 모의 및 실험 데이터셋 모두를 대상으로 한 광범위한 실험을 통해, XDecomposer가 다양한 화학 시스템 전반에서 재구성 정확도와 상 식별 성능을 크게 향상시키며 보지 못한(unseen) 혼합물에 대해서도 강력한 일반화 성능을 유지함을 보여줍니다. 이러한 결과는 데이터 기반의 성분 분해 다상 XRD 분석을 위한 실용적인 경로를 제공하며, 사전 지식 기반의 반복적 상 매칭에 대한 오랜 의존도를 낮춥니다. 코드는 https://github.com/Licht0812/XDecomposer 에서 공개되어 있습니다.

arXiv:2609.26306v1cs.CL

CHiME-9 ECHI: 청각 장애 해소를 위한 대화 향상 머신러닝 챌린지

CHiME-9 ECHI: A Machine Learning Challenge for Enhancing Conversations to Address Hearing Impairment

이 연구는 청각 장애(Hearing Impairment)를 해소하기 위한 대화 향상(Enhancing Conversations) CHiME-9 챌린지의 과제와 결과를 소개한다. 이 챌린지는 방해 음성원과 효과음이 존재하는 시끄러운 카페테리아 형태의 환경에서 이루어지는 4인 대화 시나리오를 다룬다. 참가자에게는 Meta Aria 글래스와 보청기 마이크로 녹음한 오디오 녹음본과, 대화 참여자들의 깨끗한 음성 샘플이 제공된다. 과제는 음성의 명료도와 품질을 향상시키는 것을 목표로, 잡음이 섞인 다채널 녹음에서 대화 상대의 음성을 추출하는 것이며, 객관적 지표와 주관적 청취 테스트를 사용해 평가한다. 본 논문은 7개 팀의 제출물을 검토하고, 주관적 명료도와 품질을 종합하여 순위를 매긴다. 결과에 따르면 객관적 지표는 청취자의 성능을 반영하지 못했지만, 상위 시스템들은 명료도와 품질 평가 모두에서 챌린지 기준선(baseline) 대비 상당한 향상을 달성했다.