성원에 힘입어 설문조사 조기 종료되었습니다. 감사합니다. 이 내용이 잘 보이지 않으십니까? 여기를 클릭하십시오.

케이던스는 삼성 파운드리와의 협력을 확장한다고 밝혔다. 케이던스는 다년간의 신규 IP 계약을 통해 삼성 파운드리의 SF4X, SF5A, SF2P 첨단 공정 노드에서 케이던스의 메모리 및 인터페이스 IP 설루션을 확장하고, 지속적인 기술 협력을 더욱 발전시킬 것이라고 전했다. 새로운 다년간 계약은 AI, 고성능 컴퓨팅(HPC) 및 전장 애플리케이션을 목표로 하는 첨단 메모리 및 인터페이스 IP 설루션을 제공하기 위한 것이다. 또한, 양사는 케이던스의 AI 기반 설계 설루션과 삼성의 첨단 공정 노드를 활용하여 AI 데이터 센터, 첨단 운전자 지원 시스템(ADAS)을 포함한 전장, 그리고 차세대 RF 연결성 애플리케이션을 위한 고성능 저전력 설루션을 개발할 계획이다.     케이던스는 광범위한 설계 및 기술 최적화(DTCO) 프로젝트를 기반으로 한 디지털 풀 플로우가 최신 삼성 SF2P 공정 노드에 대해 인증되었으며, 페가서스 검증 시스템(Cadence Pegasus Verification System)이 삼성 SF2P 및 추가 삼성 노드에 대해 인증되었다고 밝혔다. 케이던스의 물리적 검증 플로우는 고객이 대규모 확장성을 사용하여 사인오프 정확도와 런타임 목표를 달성할 수 있도록 최적화되어, 더 빠른 시장 출시를 가능하게 한다. 케이던스와 삼성 파운드리는 아날로그 셀 기반 4nm IP를 첨단 2nm 공정 노드로 자동 마이그레이션하여, 기능 및 설계 의도를 유지하면서 더 빠른 처리 시간을 가능하게 했다. 케이던스와 삼성은 초기 탐색부터 최종 사인오프에 이르는 전 과정에 걸쳐 3D-IC를 위한 포괄적인 풀 플로우 전력 무결성 분석에 협력했으며, Voltus InsightAI, Innovus Implementation System, Integrity 3D-IC Platform을 포함한 케이던스의 EDA(전자 설계 자동화) 도구를 활용한다. 케이던스는 자사의 AI 기반 설계 설루션과 IP 및 실리콘 설루션의 포괄적인 포트폴리오를 통해 설계자의 생산성을 높이는 동시에, 삼성 파운드리의 첨단 공정에서 최첨단 SoC(시스템 온 칩), 칩렛, 3D-IC의 시장 출시를 가속화할 수 있을 것으로 보고 있다. 케이던스 실리콘 설루션 그룹의 보이드 펠프스(Boyd Phelps) 총괄 부사장은 “삼성 파운드리 공정 노드에서 IP, 서브시스템, 칩렛의 전체 포트폴리오를 지원하며, 최신 다년간의 IP 계약으로 지속적인 협력이 강화되었다”면서, “케이던스의 AI 기반 설계 및 실리콘 설루션과 삼성의 첨단 공정을 결합함으로써, 상호 고객들이 혁신하고 제품을 더 빠르게 시장에 출시하는 데 필요한 최첨단 기술을 제공하고 있다”고 전했다. 삼성전자 파운드리 설계기술팀 김형옥 상무는 “RTL에서 GDS까지 케이던스의 디지털 도구 제품군은 삼성의 최신 SF2P 공정 노드에 대해 인증되었으며, Hyper Cell 및 LLE 2.0 기술과 같은 발전을 지원한다”면서, “케이던스와 삼성은 아날로그 마이그레이션을 지원하고, 전력 무결성을 향상하며, GPU 가속을 사용하여 3D-IC의 열 및 뒤틀림 분석을 개선하기 위해 긴밀하게 협력하고 있다. 또한, 메모리 및 인터페이스 IP 설루션 확대를 위한 케이던스와 삼성 파운드리의 다년간 계약은 양사 간의 파트너십을 더욱 강화할 것”이라고 덧붙였다.

디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SoC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SoC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

리얼타임 3D 기술을 도입하여 한층 발전된 프로젝션 매핑 구현   화재로 큰 피해를 입은 파리의 노트르담 대성당이 5년에 걸친 복원 끝에 재개관했다. 복원된 성당을 더욱 돋보이게 한 프로젝션 매핑 작업은 언리얼 엔진의 실시간 렌더링 기술을 활용해 역사적 건축물을 사실적이고 정교하게 되살린 혁신적인 사례로 주목받고 있다. ■ 자료 제공 : 에픽게임즈   ▲ 이미지 제공 : 코스모 AV    2019년 4월, 파리의 상징인 노트르담 대성당에서 끔찍한 화재가 발생했다. 건물 처마 밑에서 시작된 불길은 곧 첨탑과 목조 지붕 대부분을 집어삼키며 다음 날 아침까지 밤새 타올랐다. 이후 장대한 복원 프로젝트가 진행되었으며, 5년에 걸쳐 1200명 이상의 인원이 재건에 힘을 쏟았다. 채석장 작업자와 목수, 모르타르 제조자, 석공 등 숙련된 장인이 고용되어 12세기 건축 당시와 똑같은 재료와 기법으로 대성당을 재건했다.  2024년 12월, 잿더미에서 부활한 노트르담 대성당의 재개관식이 TV 시청 황금 시간대에 방송되었다. 프랑스 텔레비지옹(France Télévisions)은 복원된 대성당의 영광스러운 모습을 선보이기 위해 비디오 매핑 회사인 코스모 AV(Cosmo AV)에 의뢰했고, 코스모 AV는 프로젝션 매핑 전문가 앙투안 부르구앵(Antoine Bourgouin)에게 재개관식을 위한 멋진 건축 라이팅을 제작해 달라고 요청했다.   ▲ 이미지 제공 : 코스모 AV   언리얼 엔진을 사용한 프로젝션 매핑 지난 2010년, 앙투안 부르구앵은 거대한 트롱프뢰유를 보여줄 캔버스로 건물을 사용하는 데 처음 관심을 갖게 되었다. 트롱프뢰유는 ‘눈속임’이라는 뜻의 프랑스어로, 2차원 표면에 3차원 공간과 물체를 표현하는 극사실적인 착시 기법을 나타내는 미술 용어다. 이는 주로 회화에서 관람자가 그림 속의 사물이나 공간을 실제처럼 인식하도록 속이는 기법을 일컫는다. 초기에는 이러한 종류의 작업을 구현할 수 있는 툴이 시중에 없어, 건물의 윤곽과 규모에 맞는 비주얼을 제작하려면 직접 컴퓨터 프로그램을 개발해야 했다. 하지만 부르구앵은 비디오 프로젝터 컨트롤러와 같은 역할을 하는 소프트웨어인 모듈로 플레이어(Modulo Player)를 사용하여 벽이나 건물과 같은 표면에 영상을 투영하여 재생하고, 각 표면에 맞게 영상을 정밀하게 변형시키고 조정할 수 있도록 했다. 특히, 부르구앵은 이 과정에 리얼타임 기술을 도입하여 프로젝션 매핑 기술을 더욱 발전시키고 있다. 전통적인 비디오 매핑은 사전 녹화된 영상을 투영하는 방식이었지만, 부르구앵은 언리얼 엔진을 사용해 개발한 비주얼을 실시간으로 건물에 투영한다. 이러한 혁신적인 아이디어로 그는 플레이어의 스마트폰을 게임 패드처럼 사용하는 비디오 게임을 제작하겠다는 아이디어로 메가그랜트를 지원하게 되었다. 이러한 아이디어를 실현하고자 부르구앵은 코스모 AV의 CEO이자 인텐스시티(IntensCity)의 공동 설립자인 피에르 이브 툴로(Pierre-Yves Toulot)를 만났다.    ▲ 이미지 제공 : 코스모 AV   3D 모델에 라이팅 매핑 코스모 AV는 프랑스 국영 텔레비전 방송사인 프랑스 텔레비지옹으로부터 노트르담 대성당 재개관을 위한 프로젝션 매핑 비주얼 제작을 의뢰받았다. 그 요청 중 하나는 대성당의 외관을 돋보이게 할 아름다운 라이팅 연출을 제작하는 것이었다. 툴로와 부르구앵은 이전에도 비슷한 프로젝트에서 협업한 적이 있었는데, 특별하면서도  우아함이 필요한 작업에서는 뛰어난 전통 건축 라이팅 디자이너인 장 프랑수아 투샤(Jean-François Touchard)의 기술을 활용했다. 툴로가 노트르담 프로젝트에 부르구앵과 투샤를 합류시킨 것은 당연한 결정이었다. 먼저 부르구앵은 노트르담 대성당의 3D 스캔 모델을 언리얼 엔진으로 가져왔고, 이 과정은 FBX 파일을 임포트하는 것만큼이나 간단했다. 부르구앵은 “언리얼 엔진과 나나이트(Ninite) 기술 덕분에 이제는 임포트한 메시의 폴리곤 밀도에 더 이상 신경 쓰지 않아도 된다. 노트르담 모델은 400만 개의 트라이앵글로 구성된 메시 구조였지만, 현재 언리얼 엔진에서는 이 정도의 폴리곤 수를 아주 쉽게 처리할 수 있다”고 말했다. 나나이트는 언리얼 엔진 5의 가상화된 지오메트리 시스템으로, 성능에 미치는 영향을 최소화하면서 방대한 양의 폴리곤으로 구성된 디테일한 3D 모델을 제작할 수 있다. 이 시스템은 활용해 대성당의 매우 정밀한 메시를 렌더링하는 데 쓰였으며, 가장 작은 디테일까지 정확하게 구현할 수 있었다. 팀은 대성당의 모든 디테일을 강조하기 위해 3D 모델에 옴니 라이트, 스포트 라이트, 렉트 라이트 등 500개의 라이트를 배치했다. 이 라이트는 강도와 온도, 색상이 조화를 이루도록 하는 것이 중요했다. 부르구앵은 “조작해야 하는 라이트의 수량이 이 프로젝트에서 가장 큰 과제였다. 하지만 즉석에서 바로 만든 블루프린트를 사용하고 라이트 액터에 태그를 지정하여 다른 그룹을 나누는 방식으로 매우 원활하게 작업할 수 있었다”고 설명했다. 툴로는 아트 디렉터 역할을 했고, 장 프랑수아는 대성당의 디테일한 부분에 대한 라이팅을 실제로 구현하는 데 전문성을 발휘했다. 팀은 조각상마다 두세 개의 스포트 라이트를 배치하고 그림자를 세심하게 조작하여 조각상의 형태와 입체감을 강조했다. 또한, IES(Illuminating Engineering SoCiety)의 라이트 프로파일을 사용해 3D 라이팅이 실제 라이트처럼 각 아치와 발코니, 기타 건축 요소의 디테일과 정확하게 일치하도록 했으며, 깊이를 강조하기 위해 라이트 온도를 조정했다. 라이팅 구성을 이미지로 렌더링한 다음 모듈로 플레이어 시스템과 연결된 30대의 고광도 파나소닉(Panasonic) 비디오 프로젝터를 사용하여 노트르담 대성당에 투영했다.   ▲ 이미지 제공 : 코스모 AV   메가라이트와 루멘 활용 노트르담 프로젝트에서 팀은 사전 녹화된 영상을 대성당에 투영할 예정이었지만, 리얼타임 기술을 사용하면서 라이팅 디자인에서 많은 이점을 얻을 수 있었다. 라이팅이 실제 건물에서 어떻게 보일지 테스트하기 위해 팀은 현장에서 언리얼 엔진으로 3D 모델을 바로 업데이트하여, 대성당에서 즉시 결과를 확인하고 필요에 따라 조정할 수 있었다. 부르구앵은 언리얼 엔진으로 작업을 완성할 수 있었던 주요 이유로 나나이트와 결합된 강력한 라이팅 시스템의 성능을 꼽았다. 부르구앵은 “라이트 수가 많은 하이 폴리곤 메시에서 직관적인 편집 방식(WYSIWYG)으로 원활하게 작업할 수 있었다. 이로써 기존의 3D 모델링 소프트웨어에서처럼 렌더링 결과를 상상할 필요가 없었다”고 말했다. 또한 최근 언리얼 엔진 5.5에 출시된 강력한 신규 기능인 메가라이트에 대해서도 높이 평가했다. 메가라이트는 아티스트가 신(scene)에 다이내믹 섀도를 드리우는 수백 개의 라이트를 추가할 수 있게 해주는 실험적인 도구다. 언리얼 엔진의 다이내믹 글로벌 일루미네이션 및 리플렉션 기능인 루멘과 함께 사용하면 매우 사실적인 라이팅을 구현할 수 있다. 부르구앵은 “메가라이트는 상당히 유용한 기능 중 하나였다. 실시간으로 그림자를 유지하면서 수백 개의 라이트로 작업할 수 있었다. 루멘을 보완하는 환상적인 기능”이라고 말했다.   되찾은 노트르담의 영광 툴로, 장 프랑수아와 함께 한 부르구앵의 라이팅 작업은 파리에서 가장 유명한 기념물 중 하나인 대성당의 재개관식에서 중요한 역할을 했다. 언리얼 엔진 덕분에 팀은 복원가들의 놀라운 작업을 빛내고 노트르담 대성당의 영광스러운 모습을 선보일 수 있었다. 부르구앵은 “파리의 노트르담 대성당은 프로젝션 매핑 작업을 하는 사람들이라면 누구나 꿈꾸는 건물 중 하나다. 이 작업에 기여할 수 있32 · 어서 정말 큰 영광이었다”라고 말했다.      ■ 기사 내용은 PDF로도 제공됩니다.

로크웰 오토메이션이 운영 기술(OT) 환경을 위한 신규 보안 모니터링 및 대응(Security Monitoring & Response) 서비스를 출시했다고 밝혔다. 이 서비스는 산업 조직이 점점 정교해지는 사이버 위협에 효과적으로 대응하고, 복원력 있는 운영 체계를 구축할 수 있도록 설계됐다. 이번 신규 서비스는 로크웰 오토메이션의 OT 보안 운영 센터(Security Operations Center : SoC)와 경험이 풍부한 사이버 보안 분석가로 구성된 전담팀이 실시간으로 위협을 탐지하고 대응함으로써, OT 보안의 복잡성을 해소하고 기술 격차 및 운영 비효율성을 최소화할 수 있도록 지원한다. 산업 사이버 보안 사고, 시스템 취약성, 그리고 숙련된 보안 인력의 부족으로 인해 OT 환경의 보안은 점점 복잡해지고 있다. 실제로 최근 발표된 스마트 제조 현황 보고서에 따르면, 사이버 보안 위협과 인력 부족은 모두 제조 산업에 영향을 미치는 중요 상위 5대 외부 장애 요인으로 지목되었다. 이번 설루션의 주요 기능으로는 ▲지속적인 보안 모니터링 및 대응 서비스 ▲신속한 사고 대응 및 문제 해결 ▲포괄적인 보고 체계 및 유연한 확장성이 있다.     보안 모니터링 및 대응 서비스는 OT 환경에 대한 연중무휴 24시간 실시간 모니터링 기능을 통해 잠재적 위협을 신속하게 탐지하고, 고급 분석 기법을 통해 원시 데이터를 실행 가능한 인사이트로 전환함으로써 대응의 정확성과 속도를 높인다. 또한, 사고 발생 시 축적된 노하우와 검증된 절차를 기반으로 한 단계별 대응 가이드를 통해 사고를 효율적으로 관리하고, 운영 중단을 최소화한다. 로크웰 오토메이션의 SoC 분석가는 고객의 보안팀을 보완하며 신속한 대응을 제공한다. 보고 체계와 확장성 측면에서도 강점을 갖추고 있다. 로크웰 오토메이션은 고객이 조직 차원에서 보안 상태를 체계적으로 점검하고 개선할 수 있도록 월간 경영진 요약 보고서와 분기별 비즈니스 리뷰를 제공하며, 주요 이해관계자들의 전략적 참여를 유도한다. 또한 모듈형 구조로 설계된 본 서비스는 각 고객의 고유한 요건에 맞춰 유연하게 확장 및 맞춤화가 가능하다. 이번 서비스를 통해 고객은 위협을 조기에 탐지하고 신속히 완화하여 운영 중단 및 재정적 손실을 줄일 수 있으며, 반복적인 보안 작업을 자동화함으로써 전반적인 운영 효율성을 높일 수 있다. 로크웰 오토메이션은 특히 실시간 보안 가시성을 기반으로 데이터 기반의 의사결정이 가능하며, 전문 인력이 부족한 환경에서도 효과적인 보안 체계를 유지할 수 있는 대안으로 작용할 것으로 기대하고 있다. 로크웰 오토메이션의 닉 크리스(Nick Creath) 사이버 보안 서비스 수석 제품 관리자는 “사이버 위협이 갈수록 정교해지는 상황에서 제조업체는 상시적인 경계와 전문 대응 역량이 필요하지만, 이를 위한 내부 리소스가 부족한 경우가 많다”며, “자사의 보안 모니터링 및 대응 서비스는 연중무휴 실시간 위협 감지와 전문가 주도 대응을 통해 고객의 보안 태세를 강화하고 기술 격차를 해소할 수 있도록 돕는다”고 밝혔다.

인텔은 ‘상하이 모터쇼(Auto Shanghai)’에 처음 참가하면서, 멀티-공정 노드 칩렛 아키텍처 기반 차량용 2세대 인공지능(AI) 강화 소프트웨어 정의 차량(SDV : Software-Defined Vehicle) SoC(시스템온칩)을 공개했다. 이번 신형 SoC는 인텔리전트 커넥티드 차량에 대한 수요 증가에 발맞춰 설계되었으며, 완성차 업체에 확장 가능한 성능, 첨단 AI 기능 및 비용 효율을 제공한다. 또한, 인텔은 자동차 기술 기업인 모델베스트(ModelBest), 블랙세서미 테크놀로지(Black Sesame Technologies)와의 전략적 협업을 발표하며 자사의 자동차 생태계를 더욱 확장하고 있다고 소개했다. 이를 통해 인텔은 AI 기반 차량용 콕핏(Cockpit), 통합 첨단 운전자 보조 시스템(ADAS), 에너지 효율적인 차량 컴퓨팅 플랫폼 등에서의 혁신을 가속화할 계획이다. 2세대 인텔 SDV SoC는 멀티 노드 칩렛 아키텍처를 채택한 차량용 SoC로, 완성차 업체가 컴퓨팅, 그래픽, AI 기능을 필요에 따라 유연하게 구성할 수 있도록 지원한다. 이를 통해 개발 비용을 절감하고 제품 출시 기간을 단축할 수 있으며, 기능별로 최적화된 최고 수준의 실리콘을 결합한 아키텍처에 기반한다. 인텔은 2세대 SDV SoC가 ▲생성형 및 멀티모달 AI를 위한 최대 10배 향상된 AI 성능 ▲더욱 풍부한 HMI(인간-기계 간 인터페이스) 경험을 위한 최대 3배 향상된 그래픽 성능 ▲카메라 입력 및 이미지 처리 기능 강화를 위한 12개 카메라 레인 지원 등의 특징을 갖추었다고 밝혔다. 또한, 유연하고 미래 지향적인 설계를 바탕으로 완성차 업체가 첨단 기능을 바탕으로 제품 차별화를 실현하고, 차세대 사용자 경험을 제공하는 동시에 전력 소비와 비용도 최적화할 수 있도록 지원한다고 전했다.     한편, 인텔은 상하이 모터쇼 2025에서 주요 파트너들과의 신규 협업을 발표했다. 인텔은 SDV SoC와 인텔 아크(Intel Arc) 그래픽 기반으로 구동되는 모델베스트의 GUI 인텔리전트 에이전트를 통해 기기 자체에서 대규모 언어 모델(LLM)의 구현을 현실화하고 있다. 이 에이전트는 네트워크 연결 없이도 작동하는 AI 기반 음성 제어 및 사용자 맞춤형 경험을 가능하게 하며, 복잡한 상황에서도 자연어를 정확히 이해해 직관적인 콕핏 경험을 제공한다. 이번 협업은 모델베스트가 인텔의 AI PC 가속화 프로그램에서 거둔 성공을 기반으로 하며, 인텔 차량 플랫폼에서 즉시 활용 가능한 AI 경험을 최적화한 결과다. 또한, 블랙세서미 테크놀로지스의 ADAS 기술에 인텔의 SDV SoC와 차량용 인텔 아크 그래픽을 결합해 ADAS와 몰입형 콕핏 경험을 하나의 에너지 효율적인 중앙 컴퓨팅 플랫폼으로 통합하고 있다. 고속·저지연의 안정적인 연결을 기반으로, 끊김 없는 차량 내 경험을 구현할 계획이다. 인텔 오토모티브 총괄인 잭 위스트(Jack Weast) 팰로우는 “인텔은 2세대 SDV SoC를 통해 자동차 컴퓨팅의 패러다임을 새롭게 정의하고 있다. 칩렛 기술의 유연성과 인텔의 검증된 총체적 차량 접근 방식을 결합해, SDV 혁신을 실현해 나가고 있다. 에너지 효율성부터 AI 기반 사용자 경험까지, 업계가 직면한 실질적인 과제를 파트너와과 함께 해결하며 SDV 시대를 모두를 위한 현실로 만들고자 한다”고 밝혔다.

인텔은 광범위한 데이터센터 및 네트워크 인프라 워크로드에 높은 성능과 효율을 제공하는 P-코어를 탑재한 제온 6(Xeon 6 processors with Performance-cores) 프로세서를 출시했다. 최신 인텔 제온 6 프로세서는 데이터센터와 네트워킹 분야에서 성능 향상을 제공한다. P-코어를 탑재한 인텔 제온 6700/6500 시리즈 프로세서는 최신 데이터센터에 최적화된 CPU로, 성능과 에너지 효율성 간의 균형을 제공한다. 인텔은 “폭넓은 엔터프라이즈 워크로드에서 이전 세대 대비 평균 1.4배 향상된 성능을 제공하며, AI 시스템의 기본 CPU로서 GPU와 결합해 호스트 CPU로도 높은 성능을 발휘한다”고 설명했다. 또한, 제온 6 프로세서는 높은 와트당 성능 효율을 구현해 평균적으로 5년 된 서버를 5:1 비율로 통합할 수 있으며, 인텔이 소개한 일부 사용 사례에서는 최대 10:1의 통합을 지원해 총소유비용(TCO)을 최대 68%까지 절감할 수 있다.   ▲ 인텔 제온 6 프로세서   네트워크 및 에지를 위한 인텔 제온 6는 고성능과 전력 효율을 갖춘 시스템 온 칩(SoC)으로, 가상 무선 액세스 네트워크(vRAN), 미디어, AI, 네트워크 보안을 위한 인텔의 내장 가속기를 활용해 AI 중심 환경에서 증가하는 네트워크 및 에지 수요에 대응한다. 제온6 SoC는 인텔 vRAN 부스트(vRAN Boost)를 통해 이전 세대 대비 RAN 처리 용량을 최대 2.4배 확대하고, 와트당 성능을 70% 향상시켰다. 또한, 제온 6은 인텔 미디어 트랜스코드 가속기(Intel Media Transcode Accelerator)를 내장한 서버 SoC이며, 인텔 제온 6538N과 비교해 와트당 성능을 최대 14배까지 높인다.   인텔 제온 6 SoC는 웹루트 CSI(Webroot CSI) 업로드 모델 추론 속도가 인텔 제온 D-2899NT10 대비 최대 4.3배 빠르며, AI RAN의 코어당 성능이 vRAN 부스트를 통해 이전 세대 대비 최대 3.2배 향상되었다. 38코어 시스템은 비디오 에지 서버에서 int8 추론을 통해 최대 38개의 카메라 스트림을 동시에 처리할 수 있다.   ▲ 인텔 제온 6 SoC   한편, 인텔은 기업, 통신, 클라우드, 고성능 컴퓨팅(HPC), 에지 및 AI 애플리케이션의 증가하는 수요를 충족하기 위해 새로운 이더넷 컨트롤러 및 네트워크 어댑터 제품군 2종을 공개했다. 초기 제품은 듀얼 포트 25GbE PCIe 및 OCP 3.0 규격 어댑터로 제공되며, 올해 안에 추가 스펙도 선보일 예정이다. 인텔 이더넷 E830 컨트롤러 및 네트워크 어댑터는 최대 200GbE 대역폭, 유연한 포트 구성, 정밀 시간 측정(Precision Time Measurement, PTM)을 포함한 고급 정밀 시간 기능을 제공한다. 고밀도 가상화 워크로드에 최적화되어 있으며, 강력한 보안 기능과 높은 성능을 지원한다. 인텔 이더넷 E610 컨트롤러 및 네트워크 어댑터는 컨트롤 플레인(Control Plane) 작업에 최적화된 10GBASE-T 연결을 지원한다. 610 시리즈는 높은 전력 효율성, 첨단 관리 및 보안 기능을 제공해, 네트워크 운영을 간소화하고 네트워크 무결성을 강화한다. 인텔은 제온 6 프로세서와 고성능 이더넷 설루션을 결합해, 기업이 혁신을 가속화하고 경쟁력을 확보할 수 있는 강력한 기반을 제공한다고 전했다. 인텔의 미쉘 존스턴 홀타우스(Michelle Johnston Holthaus) 임시 공동 최고경영자(CEO) 겸 인텔 프로덕트 CEO는 “인텔은 고객의 가장 큰 과제를 해결하고 비즈니스 성장을 지원하는 최첨단 리더십 제품을 시장에 선보이는 데 집중하고 있다”면서, “제온 6 제품군은 AI를 위한 업계 최고 수준의 CPU와 혁신적인 네트워킹 기능을 제공하는 동시에 효율성을 높이고 총소유비용(TCO)을 절감한다”고 말했다.

지멘스 디지털 인더스트리 소프트웨어, 지멘스 EDA 사업부는 일본의 국가 연구 개발 기관인 이화학연구소(RIKEN)이 차세대 AI 디바이스 연구를 강화하기 위해 지멘스의 반도체 설계 검증 설루션인 벨로체 스트라토 CS 에뮬레이션(Veloce Strato CS emulation) 및 캐터펄트(Catapult) 상위 수준 합성(HLS) 플랫폼을 채택하여 AI 가속기(AI accelerator) 디바이스의 아키텍처 및 설계 공간 탐색을 수행한다고 발표했다. 지멘스의 하드웨어 기반 설루션인 벨로체 스트라토 CS 에뮬레이션 및 캐터펄트 HLS 플랫폼의 결합은 대규모 주문형 집적 회로(ASICs)의 빠른 합성 및 에뮬레이션을 가능하게 하는 기술을 RIKEN에 제공한다. 이러한 지멘스의 설루션은 RIKEN이 최적화된 AI 컴퓨팅 회로 및 이를 포함하는 시스템온칩(SoCs)의 성능을 평가하는 데 중요한 역할을 담당하고 있다. 지멘스는 이러한 검증 작업을 거쳐 개발된 AI 가속기가 2030년까지 운영될 예정인 후가쿠(Fugaku) 이후 차세대 슈퍼컴퓨터에 도입될 가능성이 있는 후보 중 하나가 될 것으로 보고 있다.     RIKEN 계산과학센터 프로세서 연구팀의 팀장인 사노 겐타로(Kentaro Sano) 박사는 “RIKEN이 지멘스의 에뮬레이션 및 HLS 기능을 도입함으로써 ‘과학을 위한 AI(AI for Science)’ 연구를 위한 차세대 AI 디바이스 탐색을 수행할 수 있게 되었다. 이를 통해 세계에서 가장 강력한 슈퍼컴퓨터를 개발하고 있는 자사의 입지를 강화할 수 있다”라고 말하며, “자사의 목표는 과학적 발견을 위한 생성형 AI 모델을 구축하는 데 필수인 컴퓨팅 인프라를 구축, 관리 및 지속적으로 강화하는 것이다. 지멘스의 설루션은 이러한 연구에서 중요한 역할을 한다”라고 말했다. RIKEN 계산과학센터는 일본에서 가장 큰 계산과학 연구 기관이자 다양한 과학 분야에서 세계적인 리더로 자리 잡고 있으며, K 컴퓨터(K computer) 및 후가쿠(Fugaku)와 같은 슈퍼컴퓨터를 개발한 것으로 알려져 있다. RIKEN은 일본 사이타마현 와코시에 본부를 둔 자연과학종합연구소로 일본 문부과학성 산하의 연구 기관이며, 일본 내에선 최고로 평가되고 있는 것은 물론 그리고 세계적으로도 상당한 연구 실적을 남긴 곳이다. 지멘스 디지털 인더스트리 소프트웨어의 장 마리 브루네(Jean Marie Brunet) 하드웨어 지원 검증 부문 부사장은 “RIKEN의 혁신적인 AI 디바이스 연구를 지원할 수 있어 기쁘다. 최신 벨로체 스트라토 CS 에뮬레이션 및 캐터펄트 HLS 플랫폼은 RIKEN이 연구 목표를 달성하고 AI 분야에서 혁신을 주도할 수 있도록 포괄적인 설루션을 제공한다”고 말했다. 지멘스 디지털 인더스트리 소프트웨어의 쓰치다 유키오(Yukio Tsuchida) 일본 전자설계자동화(Electronic Design Automation) 부문 부사장은 “지멘스는 RIKEN에서 진행되는 최첨단 연구 개발을 지원하게 되어 매우 자랑스럽게 생각한다. 우리는 AI의 강력한 성능을 대규모 과학 연구에 적용하는 가능성을 탐색하는 RIKEN의 목표 달성을 지속적으로 지원할 것”이라고 말했다.