캐디안은 안양대학교에 자사가 개발한 CAD 소프트웨어 ‘캐디안(CADian)’을 기증했다고 밝혔다. 이와 함께 두 기관은 AI-CAD 공동 연구, 국가 자격증 취득 학습, 정품 소프트웨어 사용 마인드 구축, 그래픽 및 설계 공모전, 취업 연계 실습 등을 위해 함께 노력할 예정이다.  이번에 기증된 캐디안은 오토캐드의 DWG 파일과 양방향으로 호환되는 영구 라이선스이며, 오토캐드의 명령어와 단축키를 지원할 뿐만 아니라 설계 엔지니어가 많이 사용하는 리스프(LISP)를 지원하며, 드림플러스(Dreamplus)를 대체하는 ‘드림2’를 무료로 제공한다. 또한 정확하고 신속한 설계를 할 수 있도록 130개의 리스프 유틸리티를 드림2에 탑재하고, 엔지니어의 도면 설계 작업 속도를 약 60% 이상 높일 수 있는 툴과 사용 방법을 동영상으로 제공하고 있다. 안양대학교의 장광수 총장은 “이번 기증식이 캐디안과의 상호 발전의 계기가 되기를 바란다”면서, “실습과 인턴십 나아가 CAD 공인 자격증 취득과 취업 협력에 대한 적극적인 지원으로 두 기관에서 커다란 시너지가 일어나길 기대한다”고 말했다.  캐디안의 박승훈 대표는 “캐디안은 객체 인지(object detection)와 의미 분할(semantic segmentation)이라는 인공지능 기반의 자동화 설루션을 개발했고 자동 설계, 물량 자동 산출(BOM) 및 적산이 가능한 설루션을 출시했다” 면서, “안양대 학생을 위한 CAD 실습과 활용 외에 컴퓨터공학, AI융합학, 통합데이터사이언스학과와 협업을 통해 아이디어 공유 및 우수 학생 고용에 관심이 많다”고 밝혔다.  

구글이 새로운 에이전트 시대를 위한 ‘에이전트형(agentic) AI 모델’인 ‘제미나이 2.0’을 출시했다. 제미나이 2.0은 네이티브 이미지 및 오디오 출력, 네이티브 툴 사용 등 향상된 멀티모달 기능을 제공하여 텍스트, 이미지, 동영상, 오디오, 코드 등 다양한 형태의 정보를 자연스럽게 이해하고 처리할 수 있다.  구글은 “제미나이 2.0는 지금까지 선보인 모델 중 가장 뛰어난 성능을 자랑한다”면서, “리서치, 보고서 작업 등 다양한 방면의 복잡한 작업을 수행하는 ‘에이전트’ 기능을 갖춘 AI 시대를 본격적으로 열어갈 것”이라고 밝혔다.  제미나이 2.0은 네이티브 이미지 및 오디오 출력, 네이티브 툴 사용 등 향상된 멀티모달 기능을 바탕으로 이용자 경험을 혁신할 뿐 아니라, 개발자에게도 강력한 AI 기반 애플리케이션을 구축할 수 있는 툴을 제공한다. 전 세계 제미나이 이용자는 데스크톱과 모바일 웹에서 제미나이 2.0을 사용할 수 있다. 데스크톱과 모바일 웹의 모델 드롭다운 메뉴에서 ‘2.0 플래시 실험 버전’을 선택하면 채팅에 최적화된 제미나이 2.0을 바로 사용해 볼 수 있으며, 이는 제미나이 모바일 앱에도 곧 적용될 예정이다.     제미나이 2.0을 기반으로 새롭게 개선된 ‘프로젝트 아스트라(Project Astra)’는 다국어 대화, 구글 툴(구글 검색, 구글 렌즈, 맵스 등) 사용, 최대 10분 동안의 대화를 기억하는 향상된 메모리, 빠른 응답 속도 등의 기능을 제공한다. 구글은 이러한 기능을 구글의 AI 어시스턴트인 제미나이 앱 등 구글 제품은 물론, 다른 폼 팩터에도 도입할 계획이다.  ‘프로젝트 마리너(Project Mariner)’는 웹 브라우저에서 작동하는 에이전트 프로토타입으로, 픽셀 및 텍스트, 코드, 이미지, 양식과 같은 웹 요소를 포함해 브라우저 화면의 정보를 이해하고 추론한 다음, 실험적인 크롬 확장 프로그램(Chrome extension)을 통해 해당 정보를 활용해 작업을 완료한다. 개발자를 위한 AI 에이전트인 ‘줄스(Jules)’는 깃허브(GitHub) 워크플로에 직접 통합돼 개발자의 지시와 감독 하에 이슈를 처리하고, 계획을 세우고 실행하는 기능을 제공한다.  구글은 제미나이 2.0을 사용해 비디오 게임의 가상 세계 탐색을 지원하는 에이전트를 구축했다. 이 에이전트는 화면의 동작만을 기반으로 게임에 대해 추론하고, 실시간 대화를 통해 다음에 무엇을 해야 할지 제안할 수 있다. 가상 게임의 동반자 역할은 물론, 구글 검색을 활용해 웹 상의 풍부한 게임 지식을 제공할 수도 있다. 이 외에도 구글은 제미나이 2.0의 공간 추론 기능을 로봇 공학에 적용해 물리적 세계에서 도움을 줄 수 있는 에이전트를 실험하고 있다. 한편, 구글은 제미나이 2.0가 구글 검색의 AI 개요(AI Overview) 기능에도 적용되어, 고급 수학 방정식, 멀티모달 쿼리, 코딩 등 더욱 복잡한 질문에 대한 답변을 제공하도록 개선될 예정이라고 밝혔다.  전 세계 제미나이 이용자는 데스크톱 및 모바일 웹에서 제미나이 앱을 통해 제미나이 2.0 플래시(Gemini 2.0 Flash) 실험 버전을 AI 어시스턴트로 사용할 수 있다. 제미나이 2.0 플래시 실험 모델은 구글 AI 스튜디오(Google AI Studio) 및 버텍스 AI(Vertex AI)를 통해 모든 개발자가 사용할 수 있다. 개발자들은 제미나이 2.0을 활용하여 텍스트, 오디오 및 이미지를 포함한 통합 응답을 생성하고, 구글 검색 및 코드 실행과 같은 툴을 활용하는 애플리케이션을 구축할 수 있다.

    Asian Modelica Conference 2024에 다쏘시스템이 Platinum Sponsor로 참여합니다! 2024년 12월 12일(목) - 13일(금) 제주 ICC 호텔 Asian Modelica Conference 2024는 iVH(자동차공학연구소) 주관으로 올해 특별히 제주에서 개최됩니다.  특히, 자동차, 전자, 에너지, 항공방산 등 다양한 산업군에서 다쏘시스템의 Dymola 를 활용했던 연구와 프로젝트가 공유될 예정이니, Modelica 언어를 활용한 최신 기술에 대해 알아볼 수 있는 기회를 놓치지 마세요! 행사 자세히 보기 [개념 짚고가기 1] Modelica란? Modelica의 도구들은 효율적인 시뮬레이션 코드 생성을 위한 방정식을 통해 일을 처리하기 때문에, 분야에 국한되지 않습니다. 기계, 전기, 열 유동 분야의 다양한 애플리케이션을 다루도록 설계된 Modelica 라이브러리에 대해 알아보세요.  자세히 알아보기 [개념 짚고가기 2] 다쏘시스템 Dymola Dymola(Dynamic Modeling Laboratory)는 자동차, 항공우주, 로봇 공학, 프로세스 및 기타 응용 분야에서 사용할 수 있는 복잡한 통합 시스템의 모델링 및 시뮬레이션을 위한 완벽한 도구입니다. 복잡한 다분야 시스템 모델링과 분석 문제를 빠르게 해결할 수 있는 Dymola에 대해 알아보세요! 자세히 보기 다쏘시스템 솔루션에 대한 구매 문의 및 상담은 아래를 통해 자세히 안내해 드리겠습니다. 상담 문의하기

마이크로소프트가 2025년 주목해야 할 AI 트렌드 6가지를 공개하면서, AI가 이끌어갈 혁신과 과제에 대한 주요 인사이트를 제시했다.  2024년은 전 세계 조직이 AI를 본격 도입하기 시작한 해로 평가된다. 마이크로소프트의 의뢰로 진행된 IDC 2024 AI 보고서에 따르면, 전 세계 조직의 AI 도입률은 지난해 55%에서 올해 75%로 증가했다. 이는 AI가 실험 단계를 넘어, 실제 비즈니스에서 가치를 창출하는 핵심 도구로 자리잡았음을 보여준다. 마이크로소프트는 이러한 변화에 따라 2025년이 AI가 일상과 업무에서 필수적인 기술로 자리 잡는 전환점이 될 것으로 전망하고 있다. AI는 높은 자율성을 기반으로 복잡한 문제를 해결하고, 업무 효율성을 크게 높이며 일상을 단순화할 것으로 기대된다. 나아가 과학, 의료 등 인류가 직면한 주요 과제 해결에도 적극적으로 활용될 것으로 내다보고 있다. 특히, 이러한 흐름은 AI의 논리적 사고와 데이터 처리 능력의 고도화를 통해 더욱 가속화될 것으로 예상된다. 마이크로소프트는 이러한 변화를 지원하기 위해 안전하고 신뢰할 수 있는 AI 기술 개발에 집중하고 있으며, 이를 사용자들이 안심하고 활용할 수 있도록 지원할 계획이다.  마이크로소프트의 크리스 영(Chris Young) 사업개발·전략·투자 담당 부사장은 “AI는 불가능해 보였던 많은 것을 가능하게 하고 있으며, 지난 한 해 동안 많은 조직이 실험 단계를 넘어 실질적인 도입 단계로 진입했다”고 말했다. 이어 그는 "AI 기술은 우리 삶의 모든 영역에 전면적인 변화를 가져올 전환점에 서 있다"고 강조했다.      마이크로소프트가 제시한 2025년 6가지 주요 AI 트렌드는 ▲더 유용하고 유능해질 AI 모델 ▲업무 형태를 변화시킬 AI 에이전트의 활약 기대 ▲모든 일상을 지원하는 AI 역할 확장 ▲지속 가능한 AI 인프라 구축 필요성 증대 ▲테스트와 맞춤화를 통한 책임 있는 AI 구축 ▲과학적 혁신을 가속화하는 AI 등이다. 첫 번째, AI 모델은 더 많은 일을 더 잘 수행할 것이다. 이 AI 모델들은 과학, 코딩, 수학, 법률 및 의학 등 여러 분야에서 혁신을 주도하며, 문서 작성부터 코딩 같은 복잡한 업무에 이르기까지 폭 넓은 업무를 수행할 수 있는 능력을 갖추게 될 것으로 보인다. 특히 AI의 추론 능력도 향상될 전망이다. 고급 추론 AI 모델인 오픈AI o1은 인간이 생각하는 방식과 유사한 논리적 과정을 거쳐 복잡한 문제를 단계적으로 해결하는 데 뛰어난 성능을 입증했다. 데이터 선별과 후속 학습도 AI 모델 발전에서 핵심적인 역할을 하게 된다. 마이크로소프트의 소형언어모델 파이(Phi)는 고품질 데이터를 활용해 모델 성능과 추론 능력을 효과적으로 개선할 수 있음을 보여줬다. 또한, 오르카(Orca) 및 오르카2(Orca 2) 모델은 합성 데이터를 활용한 학습으로 대규모 언어 모델에 준하는 성능을 구현하며 새로운 가능성을 열었다. 두 번째, 개인화된 차세대 AI 에이전트는 반복적이고 일상적인 업무를 자동화하는 데에서 나아가, 복잡하고 전문적인 작업까지 수행하며 조직의 업무 환경과 프로세스를 근본적으로 변화시킬 것으로 기대된다. AI 에이전트는 메모리, 추론, 멀티모달 기술의 발전을 통해 더욱 정교하게 작업을 처리할 수 있다. 예를 들어 조직의 재고 공급에 문제가 발생하면 AI 에이전트가 이를 관리자에게 알리고, 적합한 공급 업체를 추천하거나 직접 주문을 실행해 업무가 중단 없이 진행될 수 있도록 돕는다. 또한, 누구나 AI 에이전트를 설계하고 개발할 수 있는 환경도 마련된다. 마이크로소프트의 코파일럿 스튜디오(Copilot Studio)는 코딩 없이도 AI 에이전트를 개발할 수 있으며, 애저 AI 파운드리(Azure AI Foundry)는 복잡한 프로세스를 처리할 수 있는 고급 AI 에이전트 설계를 지원한다. 이러한 변화는 단순히 사용자와 협력하며 응답하는 프롬프트 기반 AI 에이전트에서, 독립적으로 업무를 수행하고 프로세스를 조율하는 완전 자율형 AI 에이전트까지 다양화될 것으로 예상된다. 세 번째, AI가 일상생활에서 차지하는 역할의 확장이다. 마이크로소프트 코파일럿(Microsoft Copilot)은 AI 동반자로서, 사용자가 하루 일과를 우선 순위에 따라 시간을 효율적으로 관리할 수 있도록 돕는다. 또한, 개인 정보와 데이터 보안을 강화해 보다 안전한 환경에서 AI를 사용할 수 있도록 설계됐다. 사용자는 일상에서 코파일럿을 더욱 밀접하게 활용할 수 있다. 예를 들어, 사용자는 하루를 시작하며 코파일럿 데일리(Copilot Daily)의 음성을 통해 최신 뉴스와 날씨 정보를 확인할 수 있다. 또한, 코파일럿 비전(Copilot Vision)은 사용자가 접속한 웹페이지를 분석해 관련 질문에 답하거나 다음 단계를 제안하는 등 보다 직관적인 상호작용을 지원한다. 코파일럿은 의사결정 과정에서도 유용하게 활용된다. 예를 들어, 새 아파트 인테리어를 위해 어울리는 가구를 추천하고, 효율적인 배치 방안을 제시해 사용자의 공간을 더 편리하고 실용적으로 꾸밀 수 있도록 돕는다. 이는 시작 단계이며, 앞으로 AI는 정서 지능의 고도화를 통해 보다 유연하고 자연스러운 상호작용을 제공할 전망이다. 네 번째, 에너지 자원 효율화를 통한 지속 가능한 AI 인프라 구축에 대한 노력이다. 실제로 전 세계 데이터 센터 처리량은 2010년부터 2020년까지 약 9배 증가했음에도 전력 소비량은 단 10% 증가에 그쳤다. 이는 마이크로소프트가 AMD, 인텔, 엔비디아 등과 협력해 반도체 칩 애저 마이아(Azure Maia)와 코발트(Cobalt), 그리고 대규모 AI 시스템 냉각을 위한 액체 냉각 열교환기 기술을 통해 하드웨어의 에너지 효율을 높인 결과다. 향후 몇 년 내에는 냉각에 물을 전혀 사용하지 않는 워터-프리 데이터센터가 도입될 예정이다. 동시에 초고효율 액체 냉각 기술인 콜드 플레이트(Cold plates)의 사용도 확대된다. 이러한 기술들은 지속 가능한 AI 인프라 조성을 위한 노력의 핵심이다. 이와 함께 마이크로소프트는 저탄소 건축 자재를 도입해 데이터센터 설계를 친환경적으로 혁신하고 있다. 탄소 배출이 거의 없는 철강, 콘크리트 대체 소재, 교차 적층 목재 등이 대표적인 예다. 이와 함께 풍력, 지열, 원자력 및 태양광 등 무탄소 에너지원에도 적극 투자하며, 2030년까지 탄소 네거티브, 워터 포지티브, 제로 웨이스트 목표를 달성하기 위한 장기적인 비전을 실행하고 있다. 다섯 번째, AI의 위험을 측정하고 평가하는 기준의 강화다. 2025년에는 책임 있는 AI를 구현하기 위해 ‘테스트’와 ‘맞춤화’에 대한 기준이 높아질 것으로 예상된다. 포괄적인 테스트 체계는 외부의 정교한 위협을 탐지하고, AI가 생성하는 부정확한 응답(환각)과 같은 내부 문제를 해결하는 데에 효과적이다. 마이크로소프트는 AI 모델이 직면할 수 있는 위협을 정밀하게 분석하고 개선하는 과정을 지속하며, 더욱 안전한 AI 환경 구축을 목표로 하고 있다. 특히 모델의 안전성이 높아질수록 테스트와 측정 기준도 더욱 정교해지고 있다. ‘맞춤화’와 ‘제어’는 미래 AI 응용 프로그램의 핵심으로 자리 잡을 것으로 보인다. 조직은 콘텐츠 필터링과 작업에 적합한 가드레일 설정 등 AI 활용 방식을 자유롭게 조정할 수 있다. 예를 들어, 게임사는 직원이 볼 수 있는 폭력 콘텐츠의 종류를 제한할 수 있다. 마이크로소프트 365 코파일럿은 업무 환경에 적합한 콘텐츠를 설정할 수 있는 맞춤형 제어 기능을 제공한다. 여섯 번째, AI가 과학 연구에 미치는 영향력 확대다. 이미 AI는 슈퍼컴퓨팅과 일기 예보 같은 분야의 연구 속도를 가속화하고 있으며, 앞으로는 자연 과학, 지속 가능한 소재 개발, 신약 연구 및 건강 분야에서 중요한 역할을 할 것으로 예상된다. 2024년, 마이크로소프트 리서치(MSR)는 생체 분자 과학 문제를 해결할 생체분자 역학 시뮬레이션(simulate biomolecular dynamics)을 개발했다. AI2BMD(AI-driven Biomolecular Dynamics)로 불리는 이 시스템은 단백질 설계, 효소 공학, 신약 개발 등의 분야에서 전례 없는 속도와 정밀도로 문제를 해결하며 생물 의학 연구에 새로운 가능성을 열었다. 2025년에는 AI가 지속 가능한 소재 설계와 신약 개발 같은 인류의 공동 과제 해결에 중요한 역할을 할 것으로 보인다. 이를 통해 과학 기관과 연구자들은 AI를 통해 연구 효율을 높이고, 지금까지 불가능했던 새로운 돌파구를 마련할 것으로 기대를 모으고 있다.

문화유산 분야의 이미지 데이터베이스와 활용 사례 (12)   지난 호에서는 1920년대에 발견되어 재활용 참기름병으로 사용되었던 백자가 1997년에 조선을 대표하는 국보가 된 ‘백자청화철채동채초충문병’의 화려한 외출 과정을 소개하였다. 개인의 경험을 바탕으로 한 안목감정에 의한 축적되기 어려운 도자기에 관한 정보를 어떻게 검증하고 체계적으로 정리해 나가야 할 것인가에 관해서 생각해 보았다. 도자기의 분류, 명명법, 각종 분석법의 원리와 한계에 관해서 소개하였다. 도자기 제작 시대, 지역, 재료, 제작방법 등 다양한 관점에서 데이터베이스에 담아내야 할 것인가에 대해서도 고민해 보았다. 이번 호에서는 올해의 주제였던 문화유산 분야의 이미지 데이터베이스와 활용 사례에 관한 기고를 마무리하면서 마지막 분야로 단청, 불화, 초상화, 등에 사용된 전통 안료에 관해서 살펴보고, 안료의 색상을 어떻게 안료 데이터베이스로 표현하고 기록할 것인가에 관해서 살펴보도록 한다.   ■ 연재순서 제1회 이미지 데이터와 데이터베이스의 중요성 제2회 서화, 낙관, 탁본 데이터베이스 제3회 옛 사진 데이터베이스 제4회 한지 데이터베이스 제5회 고지도 데이터베이스  제6회 고서 자형 데이터베이스 제7회 필사본 고서 데이터베이스  제8회 목판본 고서 데이터베이스  제9회 금속활자본 고서 데이터베이스  제10회 근대 서지 데이터베이스  제11회 도자기 데이터베이스 제12회 안료 데이터베이스   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본 교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산설비분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원이다. 홈페이지 | www.wafermasters.com   그림 1. 2008년 2월 10일의 화재 후에 재건된 광화문의 낮과 밤의 모습(2014년 촬영). 단청으로 채색된 광화문의 야경은 조명과 어우러져 어둠 속에서 화려한 색상으로 재탄생한다.   색 색(色)이라는 단어를 사전에서 찾아보면 다음과 같이 정의하고 있다.  빛을 흡수하고 반사하는 결과로 나타나는 사물의 밝고 어두움이나 빨강, 파랑, 노랑 따위의 물리적 현상. 또는 그것을 나타내는 물감 따위의 안료. 일반인이 이해하기 쉽게 간단 명료하게 잘 정리되어 있지만, 빛에 대한 개념이 사람마다 다를 것이므로 같은 문장의 설명을 읽고도 각자 다른 생각을 할 수도 있다. 빛의 밝기와 파장 분포에 관한 정보가 없는 상태에서 빛이라고 하면 각자의 경험에 바탕을 두고 생각하게 되기 때문이다. 같은 옷을 입어도 아침, 점심, 저녁, 밤, 실내, 실내, 날씨, 조명 상태에 따라서 우리 눈에 비치는 색은 전혀 다르게 보이기 때문이다. 만약 형광 성분이 있는 물체라면 우리의 상상을 초월한 색으로 나타날 수도 있다.  <그림 1>에 2008년에 화재로 전소된 숭례문(남대문)을 재건한 것을 2014년의 어느 날 낮과 밤에 촬영한 사진을 소개하였다. 숭례문에는 화려한 색상의 단청이 입혀져 있다. 일반 상식으로 생각하면 낮에 단청이 더 멋지게 보일 것 같지만, 주변이 밝고 햇빛이 위에서 아래로 비추기 때문에 지붕에 가려진 단청은 지붕의 그늘에 가려지기도 하고 햇빛의 간접 조명 효과로 인하여 그다지 화려하게 보이지 않는다. 이와는 반대로 야간에는 주변이 어둡고 조명이 아래에서 위쪽으로 비추고 있어 지붕 아래쪽의 단청이 화려하게 나타난다. 물론 조명의 광원을 다르게 하여 광원의 파장 분포가 달라지면 겉으로 드러나는 색상도 달라지게 된다. 이렇게 조명 조건에 따라서 나타나는 색상이 달라진다면 색을 어떻게 정의해야 할까? 큰 건물의 넓은 면적에 단청을 칠할 때 어떻게 단청 색을 균일하게 칠할 수 있을까? 단청이 마르기 전과 마른 후의 색상은 다르기 마련인데, 경험적으로 마르기 전과 마른 후의 색상 차이를 터득하고 건물 천체를 수 개월간 칠해서 완성한 단청의 색상이 비교적 균일하게 보이는 것도 대단한 기술이라 하겠다.  낮에 촬영한 사진은 석축에 지붕의 그림자가 드리우고 있지만, 밤에는 아래쪽에서 조명이 이루어져 지붕의 그림자는 사라진다. 화재 후 복원된 석축은 오래된 돌과 새로 끼워 놓은 돌이 섞여 있어 얼룩 무늬가 나타난다. 낮에 촬영한 사진과 밤에 촬영한 사진을 비교해 보면 조명 조건에 따른 색상의 영향을 쉽게 이해할 수 있다. 지붕 없이 단청이 자외선이 강한 햇빛에 장시간 노출되면 단청이 변색되고 단청의 수명도 짧아지게 된다. 단청이 오래 유지되는 것은 광물성 천연 안료를 사용한 것 외에도 높은 에너지의 자외선을 포함한 직사 태양광이 지붕에 의해서 가려져 있기 때문이다.    안료 물체는 그 자체가 빛을 흡수, 반사, 산란하면서 빛의 종류에 따라 고유의 색을 띄게 된다. 고유의 색을 다르게 보이게 하기 위하여 다른 색상을 띄게 하는 물질을 덧씌우기 위한 것이 안료이다. 마치 화장품과도 같은 역할을 하는 물체이다.  다음에 안료의 정의와 화학적 특징에 따른 분류를 정리해 보았다. 안료는 크게 무기안료와 유기안료로 구별할 수 있다. 분자 구조에 탄소 원자가 없는 광물이나 금속, 금속 산화물 또는 금속염이 무기안료이고, 색상 범위에 제한이 있으나 안정성과 안전성이 뛰어나다. 유기안료는 탄소, 수소 및 산소 원자를 포함하는 탄소화합물로, 천연 또는 합성 원료에서 추출하게 되며 물감이나 페인트처럼 넓은 범위의 색상을 얻을 수 있다. 유기안료는 무기안료에 비해서 안정성이 낮고 안전성이 문제가 되기도 한다.  안료는 화학 구조에 따른 분류 이외에 색상, 형태, 용도에 따라 분류하기도 한다. 여성이 사용하는 화장품의 종류만 보아도 안료가 색상, 형태, 용도, 효과에 따라서 분류되어 일상생활에서 구별되고 있는지 쉽게 알 수 있다. 여성용 색조 화장품을 예로 들면 BB크림, 파운데이션, 파우더, 컨실러, 립스틱, 아이섀도, 아이브로, 아이라이너, 마스카라, 불러셔 등 다양한 안료를 사용한 제품이 있다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (16)   터보 기계는 흐르는 유체와 회전하는 요소 사이에서 에너지 전달이 일어나는 기계에 초점을 맞춘 기계공학의 한 분야이다. 이러한 장치는 많은 산업 분야에서 중추적인 역할을 한다.이번 호에서는 지오메트리 준비를 위한 팁과 메시의 생성/변형/세분화에 대한 내용을 소개한다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   효과적인 지오메트리 준비를 위한 팁 지오메트리 생성 후에는 안정적인 터보 기계 시뮬레이션을 달성하기 위해 효과적인 모델 준비가 필수이다. 이 프로세스를 관리하는 데 도움이 되는 팁을 다음과 같이 소개한다.  지오메트리 정리 및 수리 : CAD 모델에서 틈새, 겹침 또는 중복된 가장자리를 복구한다. 양질의 메시를 생성하려면 깨끗하고 빈틈없는 지오메트리가 필요하다.  메시 최적화 : 날카로운 모서리나 모서리에 필렛을 추가하고 지오메트리를 분할하여 로컬 메시를 세분화할 수 있도록 한다.  가능한 경우 단순화 : 연구 중인 유동 물리학에 필수적이지 않은 작은 피처와 디테일을 제거한다.  매개변수화 : 설계 연구를 위해 치수를 쉽게 변경할 수 있도록 지오메트리를 매개변수화한다. 이러한 팁을 따르면 엔지니어는 터보 기계 형상이 최고 수준의 표준에 맞게 준비되었다고 확신할 수 있다.   메시 생성 지오메트리 생성 및 준비 외에도 전처리에는 복잡한 형상을 위한 메시 생성이 포함되며, 이는 종종 터보 기계 CFD 워크플로의 병목 현상이 된다. 터보 기계 구성 요소의 복잡성과 작동의 동적 특성으로 인해, 정확한 시뮬레이션 결과를 얻기 위해서는 정밀하고 잘 구성된 메시가 필요하다. 자동화 및 템플릿 기반 접근 방식을 활용하면 이 단계의 효율성을 높이고 전반적인 생산성을 높일 수 있다.   메시 생성의 기본 사항 메시 생성은 계산 영역을 셀 또는 요소라고 하는 작은 영역으로 세분화하여 그 위에 지배 방정식을 푸는 프로세스이다. 잘 구성된 그리드는 필수적인 흐름 특징과 물리적 현상을 포착하는 정확하고 효율적인 터보 기계 시뮬레이션을 보장한다. [참고] 피델리티 오토메시를 통한 향상된 터보 기계 메싱 피델리티 오토메시(Fidelity Automesh) 소프트웨어 패키지는 회전 기계 메싱을 위한 툴로, 피델리티 오토그리드를 통한 자동화된 멀티블록 구조형 메싱과 피델리티 헥스프레스를 통한 비정형 메싱 기능을 제공한다. 모든 유형의 터보 기계 애플리케이션을 위한 템플릿을 갖춘 이 설루션은 메시 프로세스를 간소화하여 복잡한 지오메트리를 손쉽게 처리하고 고품질 메시를 빠른 시간 내에 제공한다. 피델리티 오토메시로 시뮬레이션 워크플로를 가속화하여 설계 혁신과 최적화에 집중할 수 있다.   그림 1. (a) 풍력 터빈의 구조화된 메시, (b) 로터 블레이드 팁의 하이브리드 메시   메시 유형 터보 기계 시뮬레이션에 사용되는 주요 메시 유형과 기법은 다음과 같다.  Structured : 일정한 간격의 그리드 포인트로 구성된 구조화된 메시(그림 1-a)는 일관된 패턴을 사용하며, 종종 격자형 구조와 유사하다. 예측 가능한 흐름 패턴이 있는 영역에서는 고품질 해상도를 제공하지만, 복잡한 지오메트리에서는 구현하기가 어려울 수 있다.  멀티블록 : 계산 도메인은 구조화된 격자로 개별적으로 메시 처리된 여러 개의 간단한 블록으로 나뉜다. 이 방법을 사용하면 복잡한 도형에 대해 국소적인 세분화가 용이하고 그리드를 쉽게 생성할 수 있다.  Unstructured : 이러한 메시는 불규칙한 패턴으로 구성되며 2D에서는 삼각형, 3D에서는 사면체로 구성되는 경우가 많다. 복잡한 형상에 적합한 비정형 메시는 복잡한 모델에 쉽게 적용할 수 있지만, 중요한 흐름 영역에서 해상도가 저하되는 경우가 있다.  Hybrid : 구조화된 메시와 구조화되지 않은 메시의 장점을 결합한 하이브리드 메시(그림 1-b)는 경계 레이어와 같이 더 높은 해상도가 필요한 영역에는 구조화된 그리드를 사용하고, 복잡한 기하학적 영역에는 구조화되지 않은 그리드를 사용한다.  Conformal : 이 기술은 지오메트리의 여러 부분에 걸쳐 메시가 연속되도록 하여 인접한 메시 블록 사이의 간격과 중첩을 제거한다. 컴프레서나 터빈의 블레이드와 같이 간격이 좁은 구성 요소 사이의 흐름을 정확하게 캡처하는 데에 필수이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 AI 업계에서 표준적으로 사용되고 있는 도구를 개발하는 W&B(Weights & Biases)를 소개하고, 이를 사용하는 방법을 소개한다. 그리고 건설, 제조와 같은 전통 엔지니어링 산업에서 생존을 위해 생각할 부분을 정리해 보고자 한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 |  http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 |  www.facebook.com/groups/digestpodcast 모든 산업 분야에서 딥러닝으로 시작된 인공지능(AI) 기술 트랜드가 거세게 몰아치고 있다. 특히, 올해는 생성형 AI가 업무에 실질적으로 사용되기 시작했다. 생성형 AI는 다양한 업무 분야를 자동화하고 있어, ‘Job Killer’라 불릴 만큼 오피스에 많은 영향을 주고 있다. 이와 같이 기술이 전통적인 시장과 일자리를 축소하기도 하지만, 이번 호에서 소개할 W&B는 골드러시에서 역마차를 만들어 운영했던 웰스파고의 전략을 잘 실행한 스타트업이다.     W&B 기술 소개 딥러닝 모델을 개발하다 보면 수많은 종류의 데이터셋, 하이퍼모델 파라미터 튜닝 등으로 인해 관리해야 할 자료가 매우 복잡해진다는 것을 알게 된다. W&B는 이름 그대로 완벽한 모델 학습을 위해 필요한 딥러닝 모델의 가중치(weights)와 편향(biases)을 모니터링 및 관리할 수 있는 로그 도구이다. 즉, 딥러닝 모델 개발자를 위한 프로세스 로그 및 가시화 플랫폼을 제공한다.    그림 1. W&B(AI Summer)   매우 직관적인 이름을 가진 이 스타트업은 텐서보드(Tensorboard)와 비슷하지만, 적은 코드로 모델 개발에 많은 통찰력을 준다. W&B의 WandB 라이브러리를 사용하면 딥러닝 모델 학습 시 지저분하게 붙어 나가는 로그 처리를 간단한 함수 몇 개로 처리할 수 있고, 통합된 대시보드 형태로 다양한 모델 학습 품질 지표를 확인 및 비교할 수 있다. 이외에도 학습 모델 하이퍼 파라미터 관리와 튜닝 및 비교 보고서 생성 기능을 제공한다. 로그는 숫자, 텍스트, 이미지 등 다양한 포맷을 지원한다.    그림 2. W&B 딥러닝 모델 개발 프로세스 가시화 대시보드   이번 호에서는 딥러닝 모델 학습 로그 및 가시화 영역에 집중해 살펴본다. 글의 마무리에서는 W&B의 개발 배경도 간단히 알아본다.     사용법 다음 링크에 방문해 회원 가입한다.  wandb.ai website : https://wandb.ai 회원 가입한 후 <그림 3~4>와 같이 홈 메뉴에서 키 토큰 값을 얻어 복사한다. 이 키는 wandb API를 사용할 때 필요하다.   그림 3    그림 4   명령행 터미널에서 다음 명령을 실행해 wandb 파이썬 라이브러리를 설치한다.  pip install wandb     ■ 자세한 기사 내용은 PDF로 제공됩니다.

개발 및 공급 : 태성에스엔이 주요 특징 : 확률적 머신러닝 알고리즘 접근 방식 사용, 기존 데이터 활용 또는 새로운 데이터 수집 계획으로 샘플과 자원의 효율적 관리, 전문가의 도움 없이도 확률적 머신러닝 작업 수행, 2D 및 3D FEM/CFD 등 다양한 형상과 데이터 형식 학습 가능, 실제 실험 데이터와 시뮬레이션 데이터의 유연한 처리 등   ▲ DIM-GP 알고리즘   Stochos(스토코스)는 딥러닝(DL)과 가우시안 프로세스(GP)를 독창적으로 결합하여 각 알고리즘의 장점을 최대화하고 단점을 최소화한 혁신적인 머신러닝 솔루션(DIM-GP : Deep infinite mixture of Gaussian Processes)을 제공한다. 기존 머신러닝 기업이 주로 딥러닝에 의존해 많은 하이퍼 파라미터 튜닝을 요구하는 것과 달리, 하이퍼 파라미터 훈련이 전혀 필요하지 않다. 또한 온프레미스(on-premise) 방식으로 학습 및 응용 시에 사내에서 안전하게 처리 및 보관할 수 있어 보안이 강화되며, 비용과 자원이 많이 드는 클라우드 컴퓨팅 솔루션이 요구되지 않는다.  낮은 하드웨어 요구 사항으로 빠른 AI 모델 구축 가능(클라우드 필요 없음) 하이퍼 파라미터 설정 불필요(AI 전문 지식 필요 없음) 다양한 형태의 데이터 사용 가능(1D/2D/3D, 이미지, 실험 데이터, 정해석, 과도해석 등) CAE 해석 프로그램의 종류에 무관하게 적용 가능 적은 데이터 수로 높은 정확도 구현 자동 노이즈 처리 데이터는 고객에게 보관됨 Stochos는 지도 학습, 비지도 학습, 강화 학습의 세 가지 유형의 머신러닝을 모두 지원한다. 지도 학습에서는 시뮬레이션 솔버를 대체하고 최적화를 수행하는 데에 유용하다. 비지도 학습의 예로는 모델이 센서 데이터에서 이상을 분석하는 예측 유지보수 작업이 있다. 강화 학습 작업은 로봇 공학이나 자율주행과 같은 실시간 제어 작업을 모두 포괄한다. 이 소프트웨어는 CPU, GPU, 마이크로 컨트롤러 등 다양한 하드웨어 플랫폼에서 작동하여 실시간 응답을 제공할 수 있다.   2D 유동 과도 해석, 사용 샘플 5개 변수 : 받음각 엔비디아 4090 GPU, 학습 시간 14분 1 CPU(8 코어), 학습 시간 32분   3D 고주파 해석, 사용 샘플 37개 변수 : 안테나 위치 엔비디아 4090 GPU, 학습 시간 7초, CPU  학습 시간 10초   3D 과도 충돌 해석, 사용 샘플 32개 변수 : 판재 두께 엔비디아 4090 GPU, 학습 시간 21초   3D 열유동 해석, 사용 샘플 34개 변수 : 냉각채널 형상 엔비디아 4090 GPU, 학습 시간 6시간   또한, Stochos의 AI 라이브러를 이용해 업체 맞춤형 AI 제작 프로그램을 만들어, 해석 및 분석 작업의 효율을 최대화할 수 있다.    ▲ Stochos 라이브러리를 이용한 맞춤형 AI 프로그램 제작     ■ 기사 내용은 PDF로도 제공됩니다.

‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로 한 ‘CAE 컨퍼런스 2024’가 지난 11월 8일 수원컨벤션센터에서 진행됐다. 스마트공장구축 및 생산자동화전(SMATEC 2024) 전시회와 함께 치러진 이번 행사에서는 제품 개발 과정에서 필수로 여겨지는 CAE 기술의 발전과 함께, 제조산업에서 AI(인공지능)의 방향성을 짚는 기회가 마련됐다. ■ 정수진 편집장      CAE 컨퍼런스 2024 준비위원회의 위원장인 KAIST 강남우 교수(나니아랩스 대표)는 개회사에서 “사전 학습된 대규모 모델의 활용이 활발해지면서, AI로 할 수 있는 일이 무궁무진해지고 있는 것 같다. 한편으로 CAE와 제조 분야에서는 어떻게 AI를 활용해야 할 것인지에 대해 아직 의문점이 많다”면서, “최고 전문가들이 현장의 소리를 전하는 CAE 컨퍼런스 2024에서 이런 의문을 풀고 AI와 제조 혁신을 위한 인사이트와 아이디어를 얻을 수 있기를 바란다”고 전했다.   제조 혁신을 위한 통섭의 중요성 에스엔에이치의 민태기 연구소장은 ‘기술독립과 통섭에서 배우는 CAE 엔지니어를 위한 판타레이’를 주제로 기조연설을 진행했다. 그는 “애플이 ‘기술과 리버럴 아트의 교차점’을 강조한 이후, 우리나라에서는 ‘리버럴 아츠’를 인문학으로 해석해 인문학 열풍이 일었다. 하지만 ‘리버럴 아츠’는 중세 대학의 교양 과목인 문법, 수사학, 논리학, 산술, 기하학 등을 포함하며, 단순히 인문학에 국한되지 않는다. 기술 혁신에 대한 이러한 오해를 바로잡을 필요가 있다”고 강조했다. 기술 혁신의 목적은 생산성 향상이며, 이는 공정의 변화를 통해 이루어졌다. 석기 시대에서 청동기, 철기 시대로의 변환, 증기기관을 활용한 대형 철갑선과 방적기의 등장 등은 모두 생산성 차이에 따른 제조 공정의 혁신이 사회와 역사를 근본적으로 변화시킨 사례이다. 민태기 연구소장은 “우리 중소기업에게 제조 혁신은 생존의 문제이기도 하다. AI를 활용하는 것은 기존 편견을 극복하고 새로운 영역을 개척하는 데 초점을 맞춰야 한다”며, “우리 제조산업의 미래는 디지털 기술을 활용한 제조 혁신에 달려 있다. 이를 위해 정밀 공학과 창의적 사고의 융합으로 새로운 성장 동력을 만들어야 한다”고 전했다.    ▲ 에스엔에이치 민태기 연구소장   AI/ML과 디지털 플랫폼을 통한 CAE 혁신 헥사곤 매뉴팩처링 인텔리전스의 전완호 본부장은 ‘AI/ML과 디지털 리얼리티 플랫폼을 통한 CAE 혁신 전략’을 주제로 기조연설을 진행했다. 그는 디지털 전환을 “데이터와 프로세스를 디지털화하여 생산성과 창의성을 극대화하는 과정”으로 정의하며, “센서 기반의 실제 데이터를 활용하는 것이 해석 데이터만 사용하는 것보다 더 정확하고 유용하다”고 강조했다. 헥사곤은 센서를 통해 실제 세계의 형상을 디지털 환경으로 가져와 설계와 시뮬레이션을 거쳐 다시 실제 세계로 반영하는 ‘디지털 리얼리티 설루션’을 내세운다. 전완호 본부장은 AI와 머신러닝을 활용한 축소 차수 모델(ROM)을 이용해 데이터를 실시간으로 예측하고 활용함으로써 디지털 트윈의 운영 효율을 높이는 기술과 사례를 소개했다. 그리고 “헥사곤은 다양한 데이터를 통합하는 넥서스(Nexus) 플랫폼을 통해 CAE, 제조, 품질 관리 등 여러 팀이 협업할 수 있는 환경을 제공한다”고 전했다. 통합 플랫폼과 AI/머신러닝을 결합해 실시간 시뮬레이션과 디지털 트윈을 운영하고, 데이터의 수집부터 해석, 최적화, 협업까지 모든 과정을 하나의 플랫폼에서 관리함으로써 디지털 전환을 더욱 효과적으로 추진할 수 있다는 것이 전완호 본부장의 설명이다.    ▲ 헥사곤 매뉴팩처링 인텔리전스 전완호 본부   SDV 전환과 소프트웨어 품질 강화 전략 현대오토에버의 박경훈 실장은 ‘SDV 체계 전환 및 차량 소프트웨어 품질 경쟁력 강화 방안’을 주제로 기조연설을 진행했다. 자동차는 이동 수단에서 벗어나 소프트웨어 중심의 차량(SDV)으로 변화하고 있다. 차량의 전자화와 함께 서비스와 사용자 경험을 중시하게 되면서 소프트웨어의 중요성이 더욱 부각되고 있다. 자동차 업계는 소프트웨어의 품질을 높이고, 출시 시간을 줄이면서, 시장 점유율을 확보하기 위해 핵심 기능을 빠르게 구현하고 테스트하는 애자일(agile) 방식의 개발 체계로 전환하고 있으며, OTA 업데이트를 통해 지속적으로 소프트웨어를 개선하고 있다. 박경훈 실장은 “오토에버는 이러한 산업 변화에 따라 국제 표준 및 컴플라이언스를 준수하는 개발 환경을 구축하고, 가상 검증 및 지속적인 테스트 체계를 도입하고 있다”고 소개했다. 가상 검증은 제어기를 가상화하여 테스트를 앞당기고 품질을 높이는 방식으로, 전통적인 개발 뒷단에서의 문제를 앞단에서 발견하여 해결하는 데에 중점을 두고 있다. 이를 위해 오토에버는 클라우드 기반의 검증 체계를 구축했고, 클라우드 컴퓨팅을 활용한 다양한 테스트 시나리오의 자동화를 통해 시간과 비용 절감을 추진하고 있다는 것이 박경훈 실장의 설명이다.    ▲ 현대오토에버 박경훈 실장   타이어 개발의 디지털 트윈 시스템과 생산 최적화 금호타이어의 김기운 전무는 ‘타이어 개발 프로세스에 대한 디지털 트윈 시스템 구축’에 대해 기조연설을 진행했다. 그는 4차 산업혁명 시대 타이어의 기술 진화 방향으로 IoT 센서, 빅데이터 분석, AI 예측 모델, 로보틱스를 활용한 공장 자동화를 짚으면서, 이를 통해 타이어 개발과 생산 과정을 디지털화하고 최적화하는 것이 목표라고 짚었다. 금호타이어는 설계부터 성능 평가, 최적화까지 전체 과정을 디지털화하고 자동화하는 타이어 디지털 트윈 시스템을 구축 중이다. 이 시스템은 ▲타이어 단면 및 트레드 패턴의 자동 설계 ▲빅데이터와 CAE 기술을 이용한 타이어 성능 예측 ▲AI와 유한 요소 해석(FEM)을 통한 설계 최적화 그리고 ▲시뮬레이션을 통한 타이어 성능 가상 평가 등 네 가지 모듈로 구성된다.김기운 전무는 “디지털 트윈을 통해 개발자가 쉽게 성능 평가 결과를 확인하고 빠르게 제품 개발을 진행할 수 있어, 개발 시간 단축과 비용 절감을 기대할 수 있다”고 설명하며, “앞으로 제조 공정에도 디지털 전환을 적용하고, 차량 동역학 해석을 업그레이드하여 드라이빙 시뮬레이터까지 예측하고자 한다”고 전했다.   ▲ 금호타이어 김기운 전무   ■ 이어 보기 : [포커스] CAE 컨퍼런스 2024 발표 내용 정리     ■ 기사 내용은 PDF로도 제공됩니다.