복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (1)   직스캐드(ZYXCAD)는 2022년 처음 출시한 국내 자체 개발 범용 CAD 솔루션 프로그램으로, 가격 경쟁력을 높이는 한편으로 처리 속도를 빠르게 해 사용자 편의성을 높인 것이 특징이다. 이번 호부터 직스캐드 2024에서 업그레이드된 주요 기능을 소개할 예정이다. 이번 호에서는 사용자에게 더 많은 유연성과 제어 기능을 제공하는 동적블록의 활용도를 알아보고, 건축 설계에서 동적블록의 실제 활용사례를 확인해보자.   ■ 이소연  직스테크놀로지 기술지원팀의 대리로 직스캐드의 기술지원 및 교육을 맡고 있다. 이메일 | tech@zyx.co.kr 홈페이지 | https://zyx.co.kr   동적 블록 기능 소개   그림 1. 동적 블록 설정   직스캐드 2024 버전에서는 이전 버전에서 지원되지 않던 동적 블록 생성 및 편집 기능이 추가되었다. 동적 블록은 형상에 매개변수 및 구속 조건, 동작을 추가하여 블록을 분해하지 않아도 유연하게 수정하여 사용할 수 있는 기능이다.   편리한 관리 동적 블록은 정적인 구성 요소를 뛰어넘어 사용자에게 더 많은 제어와 유연성을 제공한다. 이 기능을 통해 하나의 블록에 필요에 따라 동적으로 변할 수 있는 속성을 부여할 수 있다. 이는 다양한 디자인 요소에 적용할 수 있어, 블록 기능을 더욱 다채롭게 표현할 수 있게 한다.   시간 절약 및 효율성 동적 블록은 작업 속도를 높여주는 장점이 있다. 한 번의 디자인 작업으로 여러 상황에 대응할 수 있기 때문에, 반복적인 프로세스에서 작업 시간을 단축할 수 있다. 또한, 동적 블록의 업데이트가 필요할 때 한 번의 수정으로 모든 인스턴스를 한꺼번에 업데이트할 수 있어 불필요한 수고를 덜어준다.   동적 블록 사용하기   그림 2. 동적 블록 설정   블록 생성 동적 블록은 블록을 생성한 후 블록 편집기에서 속성을 부여할 수 있다.   속성 정의 동적으로 사용할 객체를 선택한 후 속성을 정의한다. 예를 들면 크기, 위치, 배열 등을 동적 속성으로 지정 가능하다.   속성 값 할당 설정된 매개 변수값에 동작을 추가한 후 범위를 지정한다. 이러한 값은 나중에 블록을 사용할 때 동적으로 변경된다.   블록 목록화 블록을 뷰에 따라 설정하고 동적으로 변경될 수 있는 속성을 부여하면 목록으로 구성하여 사용할 수 있다.    동적 속성 수정 블록의 동적 속성을 필요에 따라 수정 가능하다. 블록을 선택하고 해당 속성을 조정하여 자유롭게 편집할 수 있다.   블록 업데이트 블록의 원본을 수정하여 업데이트하면 원본 객체와 관련된 모든 블록을 한 번에 수정할 수 있다.   그림 3. 동작 범위 설정     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   요즘 LLM 모델을 사용하는 방법이 점차 간편해지고 있어 자체적으로 LLM을 구축해 챗봇, 전문가 시스템 등을 자신의 서버에서 제공하는 경우가 많아지고 있다. 이번 호에서는 GPU가 있는 PC에서 직접 실행해 볼 수 있도록, 로컬 호스트 LLM(대규모 언어 모델) 오픈소스 기반의 BIM 전문가 챗봇 서비스를 간단히 개발해 본다.   ■ 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. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   이번 호에서는 기존의 BIM PDF 파일을 검색해 학습하고, LLM에 RAG(Retrieval-augmented generation) 증강 학습한 후, 이를 간단한 UI로 웹 서비스하는 과정을 간략히 따라해 본다. 이번 호의 내용은 로컬 LLM의 편한 개발을 지원하는 올라마(Ollama), LLM 프롬프트 엔지니어링 프레임워크인 랭체인(LangChain), 텍스트 임베딩 벡터 데이터베이스 크로마(Chroma), 손쉬운 웹 앱 개발 지원 도구인 스트림릿(Streamlit)을 사용한다. 이를 이용해 간단하게 BIM 전문 지식을 PDF로 학습한 챗봇을 개발한다.   그림 1. 로컬 호스트 LLM 챗봇 아키텍처   그림 2. 구현된 BIM 지식 챗봇 서비스   LLM에 관련된 깊은 내용은 다음의 링크를 참고한다. 이 글은 여러 참고 자료를 이용해 작성된 것이다. 상세 내용은 레퍼런스를 참고하기 바란다. Facebook LLAMA-2 paper : https://daddynkidsmakers.blogspot.com/2024/02/llama-2.html Facebook LLAMA-2 installation : https://daddynkidsmakers.blogspot.com/2023/09/llama2.html LLM은 빅테크 업체 간 경쟁이 심한 분야이다. 이와 관련해서 젬마(Gemma), MPT-7B과 같은 LLM 모델이 오픈소스로 공개되고 있어 선택지가 많아지고 있다. 이와 관련해서는 다음을 참고한다.  Google Gemma : https://github.com/google/gemma_pytorch Blooom : https://huggingface.co/bigscience/bloom   설치 설치를 위해서는 엔비디아 드라이버, CUDA, 텐서플로(TensorFlow), 파이토치(PyTorch) 등 기본 딥러닝 개발 환경이 설치되어 있어야 한다.(최소 구동을 위한 GPU RAM은 6GB이다.) TensorFlow 설치 : https://www.tensorflow.org/install/pip?hl=ko#windows-native_1 Start Locally | PyTorch 설치 : https://pytorch.org/get-started/locally/ 설치 순서는 다음과 같다.  1. 기본 패키지를 설치한다. LLM 모델 기반 서비스 개발 지원 라이브러리 랭체인, 웹 앱 UI 개발을 지원하는 스트림릿, 텍스트 임베딩 벡터 데이터베이스 크로마 DB 등을 설치한다. pip install langchain streamlit streamlit_chat pypdf fastembed chardet pip install chromadb==0.4.15   그림 3. 다양한 LLM 모델을 이용한 서비스 개발을 지원하는 랭체인 패키지   그림 4. 간단한 코드로 웹 앱 개발을 지원하는 UI 라이브러리 패키지 streamlit.io   혹은 pip와 유사한 패키지 설치 관리자인 poetry를 설치한 후, 다음 사용 패키지들을 pyproject.toml 이름으로 저장하고 설치한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

새로워진 캐디안 2024 살펴보기 (4)   이번 호에서는 오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian) 2024 버전에서 이용 가능한 몇가지 부가 기능들에 대해서 알아보겠다. 특히 캐디안 2022 버전부터 지원되던 구성선(cline)과 기본 기능 중 하나인 자유선(freehand) 기능을 알아보고, 그 활용 방법에 대해서 살펴보도록 하겠다.    ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 이메일 | cad@cadian.com 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   구성선(Cline) 구성선은 전면이나 측면도의 투영을 만들기 위해 빠른 제도 기술이 필요할 때 일반적으로 사용되는 특수한 유형의 무한선이다. 무한선과 유사하게 구성선은 주어진 점을 통과하는 선으로 3차원 공간에서 지정된 각도로 향하고 양방향으로 무한대로 확장된다. 구성선은 무한대로 확장되기 때문에 도면 범위의 일부로 계산되지 않는다. 구성선은 기본적으로 CLINE이라는 자체 레이어에 자동으로 그려진다. 이렇게 하면 구성선의 모양을 쉽게 변경할 수 있다. 색상, 투명도 등과 같은 레이어의 속성을 변경하기만 하면 된다. 또한 CLINELAYER 시스템 변수를 사용하여 구성선을 찾기 위해 다른 레이어를 지정할 수 있다.   1. 리본 메뉴에서 2D 그리기 → 구성선을 클릭하거나 또는 메뉴에서 그리기 → 구성선을 클릭한 뒤 세부항목 중에서 원하는 그리기 항목을 선택하거나, 명령창에 ‘cline’을 입력하여 구성선 그리기를 실행한다.      2. 구성선 그리기의 세부항목은 그림과 같이 준비되어 있다. 원하는 기능을 클릭하여 선택하거나 ‘cline’을 입력한 경우, 세부항목의 단축키(예 : 수평 구성선은 H)를 입력한다.     3. 수평, 수직, 수평 및 수직 구성성의 경우, 구성선의 위치를 마우스로 클릭하거나 키보드로 좌표를 입력하면 해당 위치에 하늘색의 구성선이 즉시 작도된다.     4. 각도 구성선의 경우, 명령창에 ‘각도 입력:’ 메시지가 표시될 때 각도를 입력(예 : 45)한 뒤 위치를 마우스로 클릭하거나 키보드로 좌표를 입력하면 해당 위치에 하늘색의 각도 구성선이 즉시 작도된다.        ■ 자세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2024 (12)   DWG 호환 CAD 프로그램인 독일 그래버트(Graebert)의 ARES CAD는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 세 가지 모듈은 상호간에 동기화되므로 이를 ‘삼위일체형(Trinity) CAD’라고 부른다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더가 어떻게 오토캐드 사용자에게 친숙한 동시에 차별화되었는지를 중심으로, 아레스 커맨더의 사용자 인터페이스(UI)에 대해 소개한다.   ■ 천벼리 캐디안의 3D 솔루션 사업본부 대리로 기술 영업 업무를 담당하고 있다.  이메일 | ares@cadian.com 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert  유튜브 | www.youtube.com/GraebertTV   리본 인터페이스    그림 1. 아레스 커맨더의 그래픽 유저 인터페이스   아레스 커맨더와 오토캐드는 사용자가 필요한 기능을 빠르게 찾아낼 수 있도록 도구와 명령을 일련의 탭과 패널로 구성하는 리본 인터페이스를 사용한다. 이 리본 인터페이스로 작업의 속도와 효율을 크게 향상시킨다.   맞춤형 작업 공간    그림 2. 아레스 커맨더의 작업 공간   아레스 커맨더는 왼쪽 상단의 콤보 박스를 통해 작업 스타일에 맞게 작업 공간 간에 전환할 수 있는 기능을 제공한다.   그림 3. 클래식 작업 공간   드롭 다운 메뉴와 툴바로 작업하는 것을 선호한다면 클래식(Classic) 작업 공간을 선택할 수 있다.   명령 호환성   그림 4. 아레스 커맨더의 작업 공간   아레스 커맨더는 오토캐드 사용자가 쉽게 전환할 수 있도록 오토캐드의 명령과 시스템 변수를 지원한다. 별칭 시스템을 통해 오토캐드에서 익숙한 명령을 아레스 커맨더에서도 사용할 수 있다. 예를 들어, 오토캐드의 MTEXT 명령에 해당하는 아레스 커맨더의 NOTE 명령을 사용할 수 있는 기능을 포함한다.   ■ 참고 ‘별칭’이란 원래 이름이나 공식적인 명칭 대신에 사용되는 다른 이름을 의미한다. 예를 들어 소프트웨어에서는 특정 명령어나 함수에 대한 더 짧거나 기억하기 쉬운 이름을 제공하기 위해 별칭을 사용할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI 모델 학습과 같이 현재도 다양한 곳에서 필수로 사용되는 강화학습 딥러닝 기술의 기본 개념, 이론적 배경, 내부 작동 메커니즘을 확인한다.   ■ 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. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   강화학습은 바둑, 로봇 제어와 같은 제한된 환경에서 최대 효과를 얻는 응용분야에 많이 사용된다. 강화학습 코딩 전에 사전에 강화학습의 개념을 미리 이해하고 있어야 제대로 된 개발이 가능하다. 강화학습에 대해 설명한 인터넷의 많은 글은 핵심 개념에 대해 다루기보다는 실행 코드만 나열한 경우가 많아, 실행 메커니즘을 이해하기 어렵다. 메커니즘을 이해할 수 없으면 응용 기술을 개발하기 어렵다. 그래서 이번 호에서는 강화학습 메커니즘과 개념 발전의 역사를 먼저 살펴보고자 한다. 강화학습 개발 시 오픈AI(OpenAI)가 개발한 Gym(www.gymlibrary.dev/index.html)을 사용해 기본적인 강화학습 실행 방법을 확인한다. 참고로, 깃허브 등에 공유된 강화학습 예시는 대부분 게임이나 로보틱스 분야에 치중되어 있는 것을 확인할 수 있다. 여기서는 CartPole 예제로 기본적인 라이브러리 사용법을 확인하고, 게임 이외에 주식 트레이딩, 가상화폐, ESG 탄소 트레이딩, 에너지 활용 설비 운영과 같은 실용적인 문제를 풀기 위한 방법을 알아본다.   그림 1. 강화학습의 개념(출처 : Google)   강화학습의 동작 메커니즘 강화학습을 개발하기 전에 동작 메커니즘을 간략히 정리하고 지나가자.   강화학습 에이전트, 환경, 정책, 보상 강화학습의 목적은 주어진 환경(environment) 내에서 에이전트(agent)가 액션(action)을 취할 때, 보상 정책(policy)에 따라 관련된 변수 상태 s와 보상이 수정된다. 이를 반복하여 총 보상 r을 최대화하는 방식으로 모델을 학습한다. 정책은 보상 방식을 알고리즘화한 것이다. <그림 2>는 이를 보여준다. 이는 우리가 게임을 하며 학습하는 것과 매우 유사한 방식이다.   그림 2. 강화학습 에이전트, 환경, 액션, 보상 개념(출처 : towardsdatascience)   강화학습 설계자는 처음부터 시간에 따른 보상 개념을 고려했다. 모든 시간 경과에 따른 보상치를 동시에 계산하는 것은 무리가 있으므로, 이를 해결하기 위해 DQN(Deep Q-Network)과 같은 알고리즘이 개발되었다. 모든 강화학습 라이브러리는 이런 개념을 일반화한 클래스, 함수를 제공한다. 다음은 강화학습 라이브러리를 사용한 일반적인 개발 코드 패턴을 보여준다.   train_data, test_data = load_dataset()  # 학습, 테스트용 데이터셋 로딩 class custom_env(gym):  # 환경 정책 클래스 정의    def __init__(self, data):       # 환경 변수 초기화    def reset():       # 학습 초기 상태로 리셋    def step(action):       # 학습에 필요한 관찰 데이터 변수 획득       # 액션을 취하면, 그때 관찰 데이터, 보상값을 리턴함 env = custom_env(train_data)  # 학습환경 생성. 관찰 데이터에 따른 보상을 계산함 model = AgentModel(env)      # 에이전트 학습 모델 정의. 보상을 극대화하도록 설계 model.learn()                       # 보상이 극대화되도록 학습 model.save('trained_model')    # 학습된 파일 저장 # 학습된 강화학습 모델 기반 시뮬레이션 및 성능 비교 env = custom_env(test_data)  # 테스트환경 생성 observed_state = env.reset() while not done:    action = model.predict(observed_state) # 테스트 관찰 데이터에 따른 극대화된 보상 액션    observed_state, reward, done, info = env.step(action)    # al1_reward = env.step(al1_action) # 다른 알고리즘에 의한 액션 보상값과 성능비교    # human_reward = env.step(human_action) # 인간의 액션 보상값과 성능비교   ■ 상세한 기사 내용은 PDF로 제공됩니다.

새로워진 캐디안 2024 살펴보기 (3)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian) 2024 버전에서는 몇 가지 새로운 기능이 추가되었다. 이번 호에서는 캐디안 2024 버전에 추가된 새로운 기능 중 슈퍼해치(SuperHatch)와 SetZ(모든 Z 값 수정) 기능에 대해서 살펴보도록 하겠다.   ■ 최영석 인텔리코리아 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 이메일 | cad@cadian.com 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   슈퍼해치 기존에 제공되던 해치(Hatch) 기능의 경우 지정된 무늬만 이용이 가능하지만, 캐디안 2024에서 새로 추가된 슈퍼해치(SuperHatch) 기능은 이미지, 블록, 텍스처, 외부참조 등 다양한 객체를 무늬로 이용하여 해치 작업을 할 수 있게 되었다. 슈퍼해치 기능을 이용하여 이미지를 무늬로 이용하여 해칭하는 방법을 알아보도록 하겠다.   1. 메뉴에서 Express Tools → 슈퍼해치를 클릭하거나, 명령창에 ‘superhatch’를 입력하여 슈퍼해치를 실행한다.     2. 슈퍼해치 창이 표시되면 해치에 사용할 이미지를 선택하기 위해서 위쪽의 ‘이미지’ 버튼을 클릭한다.     3. 이미지 파일(JPG, BMP 등)이 저장된 폴더로 이동한 뒤, 해치에 사용할 이미지 파일을 클릭하여 선택한다. 그 후 아래쪽의 ‘열기’ 버튼을 클릭한다.     4. 오른쪽 상단의 이미지 미리보기를 확인한 후 왼쪽 하단의 ‘삽입점’ 항목을 확인한다. 화면에 지정 항목을 체크할 경우, 이미지를 삽입할 때 마우스 클릭이나 좌표 입력으로 이미지의 위치를 지정할 수 있다. 체크하지 않을 경우 이미지가 삽입될 위치(좌표)를 즉시 지정할 수 있다.     ■ 상세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2024 (11)   DWG 호환 CAD 프로그램인 독일 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 세 가지 모듈은 상호간에 동기화되므로 이를 삼위일체형(Trinity) CAD라고 부른다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2024의 ExportSheet(시트 내보내기) 명령에 대해 간단하게 알아보도록 하겠다.   ■ 천벼리 인텔리코리아 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다.   이메일 | ares@cadian.com 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   활성 시트를 새 도면으로 내보내기   그림 1. ExportSheet 적용 전(활성 시트)   그림 2. ExportSheet 적용 후(모델 공간)   ‘ExportSheet’ 명령을 사용하여 활성 시트 도면 요소를 새 도면의 모델 공간으로 내보낼 수 있다. 이 명령은 활성 시트 뷰포트와 다른 모든 레이아웃 시트 도면 요소의 시각적인 표현이 있는 새 도면을 작성한다. ■ 이 명령은 시트 모드에서만 사용할 수 있다. 또한 블록과 참조 도면은 편집하는 동안에는 시트를 내보낼 수 없다.   활성 시트를 새 도면으로 내보내려면 1. 다음 중 하나를 수행한다.   명령창 또는 그래픽 영역에서 ‘EXPORTSHEET’를 입력한 후 Enter 키를 누른다.   그림 3. 시트 내보내기 명령 실행(명령어)   리본 메뉴의 ‘시트’ 탭에서 ‘시트 내보내기’를 클릭한다.   그림 4. 시트 내보내기 명령 실행(리본 메뉴)   메뉴의 ‘내보내기’에서 ‘시트 내보내기’를 클릭한다.   그림 5. 시트 내보내기 명령 실행(메뉴)   ■ 상세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 GPU CUDA(쿠다) 병렬처리를 지원하는 넘바(Numba) 라이브러리를 간략히 소개한다. CUDA는 현재 딥러닝 기술의 기반처럼 사용되며, 사실상 산업 표준이다. 딥러닝은 모든 연산이 텐서 행렬 계산이므로, 엔비디아 GPU에 내장된 수많은 계산 유닛(실수 계산에 특화된 CPU)들을 사용한다. CUDA의 강력한 수치해석 데이터 병렬처리 기능은 딥러닝뿐 아니라 디지털 트윈의 핵심인 시뮬레이션, 모델 해석 등에 필수적인 수치계산 엔진으로 사용된다.   ■ 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 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   CUDA는 내장된 수많은 계산 유닛에 입력 데이터를 할당하고, 행렬연산을 하여 출력된 데이터를 CPU 메모리가 접근할 수 있도록 데이터 고속 전송/교환하는 역할을 한다. 그러므로, 딥러닝 모델 학습 성능은 GPU CUDA 성능에 직접적 영향을 받는다. 이벙 호에서는 파이썬(Python)에서 CUDA를 이용해 수치해석 등 계산 성능을 극대화할 수 있는 방법과 간단한 예제를 살펴본다.   그림 1. CUDA 아키텍처(출처 : Multi-Process Service : GPU Deployment and Management Documentation)   GPU CUDA 소개 CUDA는 게임 화면에 렌더링되는 3차원 이미지를 2차원 픽셀에 매핑하기 위한 수많은 행렬을 실시간 처리할 수 있도록 개발되어 왔다. 이런 이유로, 행렬 고속 연산이 필요한 딥러닝 학습에 적극 사용된 것이다.   그림 2. CUDA 기반 실시간 텐서 행렬 연산 결과   CUDA는 오랫동안 개발자의 요구사항을 반영해 발전되어, 개발 플랫폼으로서 탄탄한 생태계를 구축했다.   그림 3. 엔비디아 개발자 사이트   그림 4. CUDA 기반 레이트레이싱 렌더링 결과(출처 : Ray Tracey's blog : GPU path tracing tutorial 3 : GPU)   사실, 많은 스타트업이 이런 기능을 지원하는 딥러닝용 AI 칩을 FPGA 기법 등을 이용해 개발, 홍보하고 있으나, 이런 개발자 지원도구와 플랫폼 생태계 없다면 산업계에서는 의미가 없다고 볼 수 있다.   넘바 소개 넘바는 파이썬 기반 CUDA GPU 프로그래밍을 지원한다. 넘바는 컴파일 기술을 지원하여 CPU와 GPU 모드에서 코딩되는 데이터 구조, 함수 호출을 추상화한다. 넘바는 엔비디아의 CUDA 함수와 설정을 래핑한 고수준의 함수 API를 제공한다. 이를 통해 개발자가 CUDA의 세부 설정에 신경쓸 필요 없이, 데이터 병렬 처리 개발에만 집중할 수 있다.   개발 환경 넘바의 개발 환경은 다음과 같다. NVIDIA Compute Capability 5.0 이상 CUDA 지원 GPU 장착 PC(2023년 12월 시점) NVIDIA CUDA 11.2 이상 NVIDIA TX1, TX2, 자비에, 젯슨 나노 GTX 9, 10, 16 시리즈. RTX 20, 30, 40 시리즈. H100 시리즈 CONDA 환경의 경우, 다음과 같이 터미널을 이용해 CUDA 툴킷을 자동 설치할 수 있다. conda install cudatoolkit 넘바는 cuda python을 이용해 엔비디아 GPU CUDA와 바인딩한다. conda install nvidia::cuda-python 설치 방법은 다음과 같다. conda install numba   ■ 상세한 기사 내용은 PDF로 제공됩니다.

새로워진 캐디안 2024 살펴보기 (2)   새로 출시된 캐디안(CADian) 2024는 오토캐드와 양방향으로 호환되는 국산 CAD로, 몇 가지 새로운 기능이 추가되었다. 이번 호에서는 캐디안 2024 버전에 추가된 새로운 기능 중, 테이블 테두리 서식 지정 및 비주얼 스타일 탐색기 기능에 대해서 살펴보도록 하겠다.   ■ 최영석 인텔리코리아 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   테이블 테두리 서식 지정(Table) 캐디안 2024 버전에서 새로 추가된 기능을 이용하여 테이블의 셀 외곽선에 서식 지정이 가능하다. 작성된 테이블의 테두리 서식을 변경하는 방법은 다음과 같다.   1. 테이블 테두리의 서식을 지정할 테이블 객체의 셀을 클릭하여 선택한다.     2. 또는 여러 개의 셀을 선택하길 희망하는 경우 여러 셀을 드래그하여 선택한다.     3. 상단의 리본 메뉴에서 ‘테두리 편집’ 버튼을 클릭한다.     4. 셀 경계 특성창이 활성화된다.     5. 먼저 원하는 테두리의 서식(선 가중치, 색상, 이중선 여부 등)을 지정하여 준다.     6. 지정한 테두리의 서식을 적용할 셀 범위를 지정하여 준 후 확인 버튼을 클릭한다.     7. 지정한 셀 테두리 서식이 적용되어 외곽선이 변경된다.     ■ 상세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2024 (10)   DWG 호환 CAD 프로그램인 독일 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 세 가지 모듈은 상호간에 동기화되기 때문에, 이를 삼위일체형(Trinity) CAD라고 부른다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2024에서 생산성을 향상시킬 수 있는 도구 팔레트를 사용자화하는 방법에 대해 간단하게 알아보도록 하겠다.   ■ 천벼리 인텔리코리아 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다.   홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   도구 팔레트 실행하기 1. 리본 메뉴의 ‘삽입’ 탭에서 ‘도구 팔레트’를 클릭한다.     2. 명령창 또는 그래픽 영역에서 ‘TOOLPALETTES’를 입력하거나 단축키(별칭) ‘TP’를 입력한 후 Enter 키를 누른다.     3. 바로가기 키의 Ctrl + 3 키를 클릭하여 도구 팔레트를 켠다.     4. 리본 영역을 마우스 오른쪽 버튼으로 클릭한 후, <그림 4>와 같이 나타나는 메뉴에서 선택할 수 있다.     빈 팔레트 생성하기 1. 도구 팔레트에서 마우스 오른쪽 버튼을 클릭하고 ‘새 팔레트(New Palette)’를 선택한다.     2. 새 팔레트의 이름을 입력하고 Enter 키를 누른다.     ■ 상세한 기사 내용은 PDF로 제공됩니다.