애즈락(ASRock)이 인텔 아크(Intel Arc) B580과 B570 GPU를 기반으로 한 신제품 라인업 ‘Steel Legend’와 ‘Challenger’ 시리즈 그래픽카드 3종을 공개했다. 애즈락의 신제품 인텔 아크 B 시리즈 그래픽카드는 Xe2-HPG 아키텍처를 기반으로 1440p와 1080p 해상도에서 고성능 게임 경험을 제공하며, 더 높은 성능과 높은 이미지 충실도를 위한 AI 강화 업스케일링과 게임 경험을 한 차원 높여주는 인텔 Xe 슈퍼 샘플링 기술(XeSS)을 통해 지금까지 선보인 아크 시리즈 그래픽카드 중 가장 진화한 기술이 적용됐다. 핵심 기술별 특징을 살펴보면 Intel XeSS Frame Generation과 Intel Xe Super Sampling(XeSS)는 더 높은 성능과 높은 이미지 충실도를 위한 AI 강화 업스케일링으로 게임 경험을 한 차원 높여주며, Intel Xe Low Latency 기술은 게임을 더욱 매끄럽고 빠르게 플레이할 수 있도록 한다. Intel Xe Matrix eXtensions(XMX) AI 엔진은 AI로 향상된 게임, 제작 및 미디어 생성을 가속화한다. 또한, Advanced Media Engine을 통해 AV1을 포함한 다양한 미디어 포맷의 빠른 트랜스코딩을 지원해 콘텐츠 제작 효율을 가속화한다. 애즈락 인텔 아크 B 시리즈 그래픽카드는 냉각 효율을 높이기 위한 스트라이프 링 팬과 축형 팬과 울트라 핏 히트파이프, 견고한 디자인의 메탈 백플레이트, 화려한 효과를 구현하는 PolychROMe SYNC 조명 기술을 갖추고 있다.     애즈락 인텔 아크 B580 Steel Legend 12GB OC 모델은 사전 오버클럭된 최대 클럭 2800MHz 으로 동작하며, 12GB GDDR6 메모리(19Gbps)를 장착했다. 트리플 팬 디자인의 스트라이프 링 팬, 울트라 핏 히트파이프를 적용해 냉각 효율을 높였다. 후면 메탈 백플레이트는 구조적 강성을 높이고 PCB 휨을 방한다. PolychROMe SYNC를 지원하는 ARGB 팬과 조명 패널을 통해 사용자가 조명 효과를 자유롭게 설정할 수도 있다. 화이트 테마의 PC 빌드를 선호하는 사용자를 위한 화이트 버전도 있다. 애즈락 인텔 아크 B580 Challenger 12GB OC 모델은 최대 클럭 2740MHz 으로 동작하며, 12GB GDDR6 메모리(19Gbps)를 탑재했다. 스트라이프 축 팬과 울트라 핏 히트파이프를 적용한 듀얼 팬 쿨링 설계를 적용 냉각했다. 특히 콤팩트한 듀얼 슬롯 디자인으로 케이스 호환성을 높였다. 프리 오버클럭을 지원하며 후면 메탈 백플레이트와 LED 인디케이터를 탑재해 내구성과 심미성을 모두 충족한다. 애즈락 인텔 아크 B570 Challenger 10GB OC 모델은 그래픽 클럭 최대 2600MHz 으로 동작하며, 10GB GDDR6 메모리(19Gbps)를 탑재했다. 스트라이프 축 팬과 울트라 핏 히트파이프를 적용한 듀얼 팬 설계가 열을 빠르게 제어하며, 견고한 메탈 백플레이트, 콤팩트한 듀얼 슬롯 디자인으로 케이스 호환성도 높다. 프리 오버클럭을 지원하며, 새롭게 디자인한 LED 인디케이터를 적용했다. 애즈락의 한국 홍보 및 마케팅을 담당하고 있는 김성현 실장은 “애즈락은 더욱 진화한 인텔 아크 B 시리즈 그래픽카드를 시장에 선보인다. 진화한 AI 기술에 게이밍을 위한 기술까지 담아낸 아크 B580 스틸 레전드 12GB OC, 아크 B580 챌린저 12GB OC, 아크 B570 챌린저 10GB OC 그래픽카드는 시스템 통합업체와 메인스트림 시장에서 높은 만족을 안겨줄 것”이라고 전했다.

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.

유니티는 크리에이터에게 소셜 임팩트 프로젝트를 위한 자금 지원 기회를 제공하는 ‘유니티 포 휴머니티 그랜트(Unity for Humanity Grant) 2025’ 신청 접수를 시작한다고 발표했다. 유니티는 실시간 3D 기술을 활용해 더 공정하고 포용적이며 지속 가능한 세상을 만들어가는 크리에이터의 사회적 가치 창출을 지원해오고 있다. 유니티는 “특히 2025년에는 지원자를 위한 새로운 리소스 및 기능 제공과 함께, 유엔의 지속가능발전목표(SDGs)에 부합하는 글로벌 목표를 추진해나가는 크리에이터를 지원하기 위해 총 50만 달러의 상금이 여러 프로젝트에 걸쳐 수여될 예정”이라고 전했다.     이번 공모전에서는 처음으로 신청자가 요청할 경우 본인이 제출한 신청서에 대한 피드백을 받을 수 있는 ‘피드백 요청’ 기능도 신설된다. 피드백 요청 방법은 신청자에게 추후 발송되는 이메일을 통해 확인할 수 있다. 또한, 차세대 소셜 임팩트 크리에이터에게 영감을 주기 위해 ‘학생 부문’도 새롭게 추가된다. 의미 있는 사회적 가치 창출을 목표로 한 게임, 체험(experience), 영화, 모바일 앱이나 기타 실시간 3D 프로젝트를 제작 중인 학생은 누구나 참여할 수 있다. 유니티는 참가를 준비하는 크리에이터를 돕기 위해 두 가지 신규 가이드를 제공한다고 전했다. 우선, ‘유니티 포 휴머니티 : 크리에이터를 위한 가이드(Unity for Humanity : Guide for Creators)’는 공모전을 시작하는 데 필요한 정보를 정리한 짧은 강좌이며, ‘역대 수상자 사례 가이드(Examples fROM Past Winners)’는 과거 수상작들을 통해 영감을 얻고 프로젝트를 준비할 수 있도록 돕는 자료이다. 지원서 제출 마감일은 2025년 2월 7일 오후 11시 59분(태평양 표준시 기준)으로, 자세한 지원 자격, 신청 가이드라인, FAQ 등은 ‘유니티 포 휴머니티 그랜트 2025’ 홈페이지에서 확인할 수 있다.

#ZWCAD 2025 최대 53만원 할인 프로모션 #연말한정 #지더블유캐드코리아 #캐드할인 연말특가 문의하기

‘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.

안전은 전기자동차(EV)에서 가장 중요한 관심사이다. EV에 일반적으로 사용되는 리튬 이온 배터리는 높은 에너지 밀도로 인해, 배터리 설계 시 상정된 작동 조건에서 벗어날 경우 고장이 날 위험이 있다. 배터리 관리 시스템(BMS)은 배터리 파괴로 이어지는 통제할 수 없는 발열 반응인 열폭주를 비롯한 부정적인 결과를 방지하는 데에 핵심 역할을 한다. BMS의 주요 기능으로는 전류, 전압 및 온도 모니터링, 과충전 및 과방전 방지, 셀 간 전하 밸런싱, 배터리의 충전 상태(SOC) 및 성능 상태(SoH) 추정, 배터리팩의 온도 제어 등이 있다. 이러한 기능은 전기자동차의 성능, 안전성, 배터리 수명, 사용자 경험에 영향을 미치므로 매우 중요하다. 예를 들어, BMS는 전압 한계를 넘는 과충전 및 과방전을 방지함으로써 배터리의 조기 노화를 방지하고, 차량이 수명 기간 동안 성능을 유지할 수 있도록 한다.    그림 1. EV에 일반적으로 사용되는 리튬 이온 배터리의 높은 에너지 밀도는 배터리 설계 시 상정된 동작 조건에서 벗어나는 경우 고장이 날 위험이 있다.   BMS 개발에서 시뮬레이션의 이점 엔지니어는 거동 모델을 사용해 데스크톱 컴퓨터에서 배터리 플랜트 모델, 환경 및 BMS 알고리즘을 시뮬레이션한다. 그리고 하드웨어 프로토타입을 제작하기 전에 데스크톱 시뮬레이션을 통해 새로운 설계 아이디어를 탐색하고 여러 시스템 아키텍처를 테스트한다. 데스크톱 시뮬레이션을 통해 엔지니어는 BMS 설계의 기능적 측면을 검증할 수 있다. 예를 들어, 다양한 밸런싱 구성을 탐색해 적합성과 구성 간의 균형을 평가할 수 있다. 시뮬레이션은 요구사항 테스트에도 중요하게 작용한다. 엔지니어는 절연 이상이 있는 상황에서 올바른 접촉기의 거동을 검증할 수 있고, 하드웨어 테스트를 대체하기 위해 시뮬레이션을 통해 결함이 발생한 동안 시스템의 거동을 평가한다.    그림 2. 엔지니어는 거동 모델을 사용해 데스크톱 컴퓨터에서 배터리 플랜트 모델, 환경 및 BMS 알고리즘을 시뮬레이션한다.   데스크톱 시뮬레이션을 사용해 설계가 검증되면, 엔지니어는 신속 프로토타이핑(RP)이나 HIL(Hardware-in-the-Loop) 테스트를 위해 자동으로 C 코드나 HDL 코드를 생성하고, 실시간으로 코드가 실행되는 BMS 알고리즘을 더욱 면밀히 검증할 수 있다. RP를 통해 BMS 알고리즘 모델에서 코드가 생성되며, 이는 프로덕션 마이크로컨트롤러의 기능을 수행하는 실시간 컴퓨터에 배포된다. 자동 코드 생성을 통해 모델에 적용된 알고리즘 변경 사항을 며칠이 아닌 몇 시간 안에 실시간 하드웨어에서 테스트할 수 있다. HIL 테스트의 경우 BMS 알고리즘 모델이 아닌 배터리 플랜트 모델에서 코드가 생성되어 배터리팩, 능동 및 수동 회로 소자, 부하, 충전기 및 기타 시스템 컴포넌트를 나타내는 가상의 실시간 환경이 제공된다. 이 가상 환경을 통해 엔지니어는 실제 하드웨어 프로토타입을 개발하기 전에 실시간으로 BMS 컨트롤러의 기능을 검증할 수 있다.  시뮬레이션을 통해 엔지니어는 설계부터 코드 생성까지의 시간을 획기적으로 단축하고, 향상된 속도와 효율로 다양한 기술을 빠르게 모델링할 수 있다. 알티그린 프로펄션 랩(Altigreen Propulsion Labs)의 엔지니어들은 칼만 필터링 및 전류 적산법 등의 SOC 추정을 위한 다양한 기술을 모델링하고 반복적으로 테스트하기 위해 시뮬레이션 기반 접근 방식을 사용했으며, 포괄적인 접근 방식을 설계했다.  알티그린의 제어 시스템 책임자인 프라타메시 파트키(Prathamesh Patki) 수석 엔지니어는 “임베디드 코더(Embedded Coder) 덕분에 개발 시간이 절반으로 단축되었다”면서, “그 어떤 것을 개념화하든, 실제 하드웨어에서 가장 짧은 시간 안에 그것을 실행할 수 있다”고 말했다.    BMS 개발에서 모델링 및 시뮬레이션 활용 사례 셀 특성화는 배터리 모델을 실험 데이터에 맞추는 과정이다. BMS 알고리즘은 배터리 모델을 사용해 SOC 추정을 위한 칼만 필터나 SOC에 따른 전력 제한, 과전압이나 저전압 조건을 피하기 위한 온도와 같은 제어 파라미터를 설정하기 때문에 정확한 셀 특성화가 필수이다. BMS 개발의 후반 단계에서는 엔지니어가 동일한 배터리 모델을 사용해 시스템 수준 폐순환(closed-loop) 데스크톱 및 실시간 시스템 시뮬레이션을 수행할 수 있다. 심스케이프 배터리(Simscape Battery)와 같은 툴은 등가 회로, 전기화학 및 차수 축소 모델링(ROM : Reduced Order Modeling)을 비롯한 배터리 모델링에 대해 신경망을 사용한 다양한 접근 방식을 제공한다.  충전 속도는 EV 설계 및 도입에 있어서 핵심 성과 지표이다. 고속 충전의 높은 전력 수준은 배터리 재료에 스트레스를 주고 수명을 단축시키기 때문에, 최대 충전 속도와 배터리에 가해지는 스트레스를 최소화하기 위해 고속 충전 중 전력 프로필을 최적화하는 것이 필수이다. 이는 시뮬레이션과 최적화를 통해 달성되며, 이로써 충전 시간이 최소화되고 스트레스 요인을 허용 범위 내로 유지할 수 있다.  양산용 코드 생성은 자동차 산업의 인증 표준을 준수하는 BMS 설계 워크플로를 보완한다. 예를 들어, LG화학(현 LG에너지솔루션)이 볼보 XC90 플러그인 하이브리드 자동차의 BMS를 개발했을 때 오토사(AUTOSAR)가 필수 표준이었다. LG화학은 BMS 알고리즘 및 거동을 설계 워크플로의 필수적인 부분으로 모델링하고 시뮬레이션하기로 결정했다. 각 소프트웨어 릴리스에서 발견된 소프트웨어 문제의 수는 약 22개에서 9개 미만으로 줄어 프로젝트 목표를 크게 웃돌았다. LG화학이 오토사를 사용하여 볼보를 위해 개발한 BMS는 ASIL C(Automotive Safety Integrity Level C)에 대한 ISO 26262 기능 안전 기반 인증을 취득했다.    맺음말 BMS 설계에서의 모델링과 시뮬레이션은 개발 주기를 단축하고, 비용을 절감하며, 더 안전하고 효율적인 EV를 실현할 수 있도록 지원한다. 엔지니어는 모든 가능한 동작 및 결함 조건에 대해 BMS 알고리즘을 실행함으로써, BMS 소프트웨어가 실제 시스템에서 해당 조건을 처리할 수 있다는 확신을 높이고 고비용 테스트의 필요성을 줄인다. 결국, 이러한 접근방식은 최종 제품이 업계 표준과 소비자 기대치를 뛰어넘도록 한다.    ■ 이웅재 매스웍스코리아의 이사이다. 홈페이지 | https://kr.mathworks.com  

<마이다스아이티 다분야 통합해석 원데이 클래스> * 안산 : 12/10(화) 경기테크노파크 * 수원 : 12/11(수) 한국산업안전보건기술원 * 서울 : 12/12(목) 유비온 디지털 교육센터 (구로) * 천안 : 12/13(금) 충남기업교육센터 수강료 무료, 주차 무료 , 식사 및 다과 제공 세미나 자세히 보기 더많은 혜택 참여하기   이 메일이 잘 안 보이시나요? 이곳을 클릭하세요.

효율적인 설계 솔루션! 캐디안(2.5D) & 아이언캐드(3D) 프로모션, 1+1 연말할인 이벤트! 이벤트 참여하기      

앤시스 워크벤치를 활용한 해석 성공사례   ASME BPVC, Section-VIII, Division-2, Part 5는 해석을 통한 설계 요구사항에 대해 설명하고 있다. 이 중에서 5.4 Protection Against Collapse FROM Buckling은 좌굴 해석에 대해 설명하고 있는데, 2023년판부터 좌굴 해석의 내용을 좀 더 상세하게 설명하고 평가 방법도 변경되었다.  이번 호에서는 2021년판과 2023년판에서 설명하고 있는 선형 좌굴 해석 방법을 알아보고, 예제를 통해 하중계수 및 관련 요소들을 산출하는 방법에 대해 이해하고자 한다.    ■ 정준영 태성에스엔이 MBU-M5팀의 수석매니저로 구조 해석 기술 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   ASME(American Society of Mechanical Engineers)는 미국 기계 학회의 약칭으로, 기계에 관한 표준 정립, 보일러 및 압력 용기의 설계, 제작, 검사에 관한 기술 기준을 제시하고 있다. ASME 규격은 1900년대 초까지 많은 보일러 사고에 의해 수 많은 인명 피해가 발생함에 따라, 보일러에 대한 안정성 확보가 필요하다는 관점에서 정립되어 설계에 대한 지침을 제공하고 있다. 그 중에서 Section-VIII-2, 5.4 항에 설명된 좌굴 해석은 2021년판까지 세 가지 타입으로 구분하여 설명하고 있었으나, 2023년판부터 개정되어 두 가지(A-탄성, B-소성) 방법을 제시하고 있다.    그림 1. ASME BPVC-VIII-2-2023   지금부터 2021년판 타입-1과 2023년판부터 개정된 방법-A에 설명된 선형 좌굴 해석 방법에 대해 소개한다.   ASME-VIII-2, 2021 Edition, 5.4.1.2 구조 안정성 평가에 사용되는 설계 계수(design factor)는 수행된 좌굴 해석 유형에 기반한다. 좌굴 하중이 수치 해석(분기 좌굴 해석 또는 탄소성 붕괴 해석)을 통해 결정될 때, 셸 부재에 적용하기 위한 최소 설계 계수는 다음의 세 가지 유형으로 정의한다.    TYPE-1 : Elastic Stress Analysis without Geometric Nonlinearities in the Solution(Minimum Design Factor, ΦB=2/βcr)  구성 요소의 전하중(prestress)을 결정하기 위해 솔루션에서 기하학적 비선형성 없이 탄성 응력을 이용하여 분기 좌굴 해석을 수행하는 경우 최소 설계 계수 ΦB=2/βcr을 사용해야 하며, 다음 의 βcr 계수에 대한 사용 값을 제시하고 있다.  The Capacity Reduction Factors, βcr   For unstiffened or ring stiffened cylinders and cones under axial compression    For unstiffened and ring stiffened cylinders and cones under external pressure    For spherical shells and spherical, torispherical, elliptical heads under external pressure    앞의 내용에서는 ASME-VIII-2, Table 5.3의 설계 하중 조합 (1)~(9)를 바탕으로 부품의 전하중을 설정한다.(그림 2)    그림 2. Load Case Combination and Allowable Stresses for an Elastic Analysis    <그림 2>에 있는 Table 5.3의 파라미터는 <그림 3>의 ASME-VIII-2 Table 5.2를 참고한다.   TYPE-2 : Elastic-Plastic Analysis with the Effects of Nonlinear Geometry in the Solution(ΦB=1.667/βcr) 부품의 전하중을 결정하기 위해 솔루션에서 비선형 형상의 영향을 받는 탄소성 응력을 사용하여 분기 좌굴 해석을 수행하는 경우, 최소 설계 계수 ΦB=1.667/βcr를 사용하며 <그림 2>의 설계 하중 조합 (1)~(9)를 바탕으로 부품의 전하중을 설정한다.   그림 3. Load Combination Parameters     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 LLM(대규모 언어 모델)의 자연어 처리에서 핵심 기술인 토큰, 임베딩 및 모델 파인튜닝의 이해를 위한 개념과 임베딩 모델의 동작 메커니즘을 살펴본다. 여기서 토큰은 문장을 구성하는 단어로 가정하면 이해하기 쉽다. 토큰과 임베딩은 입력 시퀀스에 대한 출력을 학습, 예측할 때 훈련의 전제가 되는 LLM의 기본조건이다. 이에 대해 좀 더 깊게 이해해 보자.    ■ 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    최근 대규모 언어 모델(LLM : Large Language Model)과 검색 증강 생성(RAG : Retrieval-Augmented Generation) 기술을 이용해 다양한 전문가 서비스 에이전트를 개발하는 사례가 많아지고 있다. 특히, 전문가처럼 행동하며 문제를 해결하거나 의사결정을 지원하는 멀티 에이전트 기술은 이미 선진국을 중심으로 금융, 제조, 건설 등 엔지니링 분야에 개발되고 있다.    도메인 의존 정보와 토큰  의학과 같은 특별한 분야에서는 환각 현상 등으로 인해 챗GPT(ChatGPT)와 같은 범용 LLM이 제대로 정보를 생성하지 못하는 경우가 많다. 이런 문제를 해결하기 위해 전문 분야의 지식을 기존 LLM 모델을 이용해 재학습하는 방법이 생겨났는데, 파인튜닝은 그 중 한 가지 방법이다.  파인튜닝은 빅테크 업체가 공개한 LLM 모델을 특정 도메인 지식을 잘 표현할 수 있도록 재학습하는 방법 중 하나이다. LLM의 신경망 전체를 재학습하기 위해서는 매우 비싼 GPU 사용 비용이 필요하다. 이는 일반적인 기업에서 수행할 수 없는 수준이다. 이런 이유로, 파인튜닝은 메타에서 공개한 라마(LLaMA)와 같은 파운데이션 LLM 모델의 신경망에 별도의 작은 신경망을 추가해, 이를 별도로 준비된 데이터로 학습하는 방식을 사용한다.  LLM을 파인튜닝하기 전에 어떤 토큰이 사용되었는지, 임베딩 모델이 무엇인지 확인해야 한다. 파인튜닝 시 용어가 LLM에 사전 학습되어 있지 않다면, 용어 간 관계를 통계적으로 추론하는 학습 절차가 매우 비효율적으로 계산된다. 일반적으로 모델을 파인 튜닝하려면 LLM 토큰 확인 및 개발, 임베딩 모델의 적절한 사용이 필요하다.  <그림 1>은 토큰이 수치화된 결과를 보여준다. 참고로, 토큰이 숫자로 표현되지 못하는 문제를 OOV(Out-Of-Vocabulary)라 한다.    그림 1. 숫자 토큰화 결과   임베딩은 학습 모델이 입력되는 문장의 토큰 패턴을 통계적으로 계산하기 전, 토큰을 수치화시키는 함수이다. 이 함수를 임베딩 모델이라 한다. 임베딩 모델은 토큰을 수치화하여 모델 학습에 사용하는데 필요한 입력값을 출력한다. 이런 이유로, 토큰 사전과 임베딩 모델이 다르면 제대로 된 모델 학습, 예측, 패턴 계산 결과를 얻기 어렵다. 임베딩 모델도 별도의 신경망 모델이며 다양한 방식으로 학습될 수 있다. 이번 호에서는 구글에서 공개한 BERT(Bidirectional Encoder Representations fROM Transformers) 임베딩 모델을 사용한다.  이와 관련된 실험을 하기 위해, 개발 환경을 설치하고 파이썬 코드를 준비해 본다.    개발 환경 준비 미리 컴퓨터에 파이썬, 아나콘다 등 필수적인 라이브러리가 설치되어 있다는 조건에서, 실습을 위해 명령창에서 다음을 실행해 설치한다. pip install transformers torch   참고로, 다음은 파인튜닝에 사용하는 오픈소스 라이브러리를 보여준다. Torch : 텐서 계산 및 딥 러닝을 위한 핵심 라이브러리이다. PEFT : 낮은 순위의 적응 기술을 사용하여 대규모 언어 모델을 효율적으로 미세 조정할 수 있다. 특히 리소스가 제한된 장치에서 학습 가능한 매개 변수의 수를 줄여 모델을 압축하고 더 빠르게 미세 조정할 수 있다. bitsandbytes : 신경망에 대한 양자화 및 이진화 기술을 제공하여 모델 압축을 지원한다. 모델 압축에 도움이 되므로 메모리와 계산 능력이 제한된 에지 장치에 모델을 보다 실현 가능하게 만들 수 있다. Transformers : 대규모 언어 모델 작업을 간소화하여 사전 학습된 모델 및 학습 파이프라인을 제공한다. trl : 대규모 언어 모델의 경우 효율적인 모델 학습 및 최적화에 중점을 둔다. accelerate : 다양한 하드웨어 플랫폼에서 학습 및 추론을 가속화한다. dataset : 기계 학습 작업을 위한 데이터 세트 로드 및 준비를 간소화한다. pipeline : 사용자 지정 학습 없이 일반적인 NLP 작업에 대해 사전 학습된 모델의 사용을 간소화한다. PyArrow : 효율적인 데이터 로드 및 처리를 위해 사용될 수 있다. LoraConfig : LoRA 기반 미세 조정을 위한 구성 매개변수를 보유한다. SFTTrainer : 모델 학습, 최적화 및 평가를 처리한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.