새로워진 캐디안 2026 살펴보기 (6)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)이 한 차원 높은 사용자 경험을 제공하는 차세대 CAD ‘캐디안 2026’을 선보였다. 이번 호에서는 캐디안 2026에서 새롭게 선보인 신기능 및 기존 유틸리티 기능 중에서 사다리꼴 옵셋 외 여러 기능을 자세히 살펴보도록 하겠다.   ■ 최영석 위즈코어 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   유틸리티 - 작도 – 사각형(DRECT) 사각형 및 마름모를 그려주는 명령으로 각 꼭지점을 모깎기 및 모따기, 스캘럽(scallop)을 자동으로 그려주는 명령이다.   1. 명령 : DRECT    2. 대화상자(D)/<시작점> : ‘D’를 입력한다.(대화상자를 호출한다.)     3. 작도방법 : 대화상자의 그림에서 그리고자 하는 모양과 작도 방법을 선택한다. 윗줄에 있는 사각형 작도 방법은 직사각형과 정사각형 모두 작도가 가능하고, 아래 줄은 정사각형을 작도한다.   4. 모깎기 : 모깎기 모양 및 반지름 값을 설정한다.     5. 모깎기 : 모따기에서 가로, 세로 거리값을 입력한다.     6. 치수 입력 : 그려질 상자의 가로, 세로 크기를 숫자로 입력하여 작도하는 기능이다.  폭 : 박스를 그리는 선의 두께를 설정한다. 높이 : 박스의 3차원 두께를 설정한다.   7. 대화상자(D)/<시작점> : ⓐ점을 찍는다.    8. 대화상자(D)/<시작점> : ⓑ점을 찍는다.    9. 대화상자(D)/<시작점> : ⓒ점을 찍는다.      10. 명령 : DRECT    11. 대화상자(D)/<시작점> : ‘D’를 입력한다.(대화상자를 호출한다.)     12. 대화상자(D)/<시작점> : ⓐ점을 찍는다.   13. 대화상자(D)/<시작점> : ⓑ점을 찍는다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

#태성에스엔이 #CAE #컨퍼런스 구조/유동/열 해석부터 AI 연계까지 | TSTS 2026 기술 컨퍼런스 안내    이 내용이 제대로 보이지 않으면 행사 상세 페이지에서 확인하시기 바랍니다. 엔지니어링 경쟁력은 더 이상 기술의 보유 여부가 아니라 얼마나 빠르고 효과적으로 활용하는가에 의해 결정됩니다. 특히 AI와 시뮬레이션의 결합은 제품 개발 속도와 의사결정 방식 전반에 의미 있는 변화를 만들어오고 있습니다. TSTS 2026에서는 다양한 산업의 실제 적용 사례를 통해 엔지니어링 혁신이 어떻게 개발 기간 단축, 비용 절감, 경쟁력 강화로 이어지는지를 확인하실 수 있습니다. - 개발 리드타임 단축 및 비용 절감 사례 - 데이터 기반 설계 의사결정 고도화 전략 - 기업 경쟁력 강화를 위한 기술 활용 방향 이번 행사를 통해 귀사의 엔지니어링 전략을 점검하고, 실질적인 성과로 이어질 수 있는 방향을 확인하시기 바랍니다. 출장공문 다운로드 ■ AGENDA 기조연설 : 10:00 ~ 11:20 르웨스트홀 A 10:00 – 10:30  |  #Ai 반도체 Agentic AI 인공지능을 위한 HBM-HBF 메모리 구조의 혁신 Physical AI 시대로의 진입에 따라 AI의 성능은 이제 GPU가 아닌 '메모리 대역폭과 용량'에 의해 결정됩니다. 본 강연에서는 초거대 AI 데이터 센터의 핵심 전략이 될 HBM-HBF 최적화 구조를 제안합니다. 차세대 기술인 HBDF와 3차원 통합 구조를 통해 미래 AI 서비스를 위한 메모리 기술 혁신의 방향성을 확인하시기 바랍니다. 김정호 교수  KAIST 10:30 – 11:00  |  #방산/구조해석 고밀도 AESA 레이더 시스템을 위한 구조해석 기반 수냉식 냉각판 설계와 검증: 내압 성능 예측부터 헬륨 기밀시험을 통한 프로토타입 검증까지 근접방어무기체계(CIWS)의 핵심인 AESA 레이더는 고밀도 발열 소자를 포함한 TRM의 안정적 냉각이 운용 신뢰성을 좌우합니다. 본 발표에서는 복잡한 냉각 유로를 내장한 수냉식 냉각판의 설계 단계에서 구조해석을 통해 내압 성능과 최대 변위를 사전 검증한 과정을 소개합니다. 제작 공정 안정화를 거쳐 완성된 프로토타입에 대한 헬륨 기체 내압시험 결과를 통해 설계 기준 충족 여부를 확인하시기 바랍니다. 신동준 수석연구원  LIG D&A 11:00 – 11:20  |  #Ai+Ansys From Physics to AI: The Evolution of Simulation with Ansys and Tae Sung S&E AI의 기능 확대에 따라, 공학 시뮬레이션 분야에서도 '정확한 물리 해석'을 유지하면서 '속도와 자동화'를 극대화할 수 있는 도구로서의 개발이 활발히 진행되고 있습니다. 본 세션에서는 Ansys의 AI의 기술개발 현황과 함께 이의 올바른 적용을 위한 태성에스엔이의 서비스를 설명합니다. 윤진환 본부장  태성에스엔이 Lunch Break 11:30 - 12:50 산업군 트랙 : 12:50 ~ 17:00 르웨스트홀 4F 각 세션장 전기/전자/ 반도체 자동차/ 모빌리티 항공우주/ 방산 에너지/중공업/ 플랜트 헬스케어  Agenda 한 눈에 보기 ■ 사전등록 안내 기간 : 2026.04.01.~05.08. 한정된 좌석으로 인하여 조기 마감 될 수 있습니다. 혜택 1 사전등록 후 현장참여 선착순 300분께 태성에스엔이의 키링을 제공합니다.   혜택 2 사전등록 후 현장참여 선착순 500분께 점심식사를 제공합니다.   ＊ 행사 종료 후 진행되는 설문조사에 참여해 주세요. 소중한 의견을 주신 분들께 깜짝 기념품을 드립니다. 사전신청 바로가기 Sponsor Platinum Gold Silver

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 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   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 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   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

한국공작기계산업협회가 주최하는 ‘제21회 서울국제생산제조기술전(SIMTOS 2026)’이 4월 13일~17일 일산 킨텍스(KINTEX) 제1, 2전시장에서 개최된다. 전체 전시 면적이 102,431㎡에 이르는 이번 행사는 ‘AI Autonomous Manufacturing Meets Talent(AI 자율제조, 인재와 연결하다)’를 주제로 내걸었다. 전 세계 35개국에서 1300개 기업이 참가하며 규모는 6000부스에 이른다. SIMTOS 사무국은 5일간 해외 방문객 5000명을 포함해 약 10만 명의 참관객이 전시장을 찾을 것으로 전망하고 있다. 한국공작기계산업협회의 박재현 사업본부장은 3월 10일 열린 기자간담회에서 “행사를 한 달 앞둔 시점에서 사전등록자가 전회 대비 20% 이상 늘어나 코로나19 이전 수준을 회복할 수 있을 것”이라고 기대감을 나타냈다.   ▲ 기자간담회에서 한국공작기계산업협회 박재현 사업본부장이 SIMTOS 2026에 대해 소개했다.   킨텍스 제1전시장에는 금속절삭 및 금형기술관, 소재부품 및 제어기술관, 툴링 및 측정기술관이 마련된다. 절삭가공 장비부터 핵심 부품과 제어기술, 공구 및 측정 설루션까지 생산제조 기술의 흐름을 한눈에 확인할 수 있다. ‘금속절삭 및 금형기술관’에는 DN솔루션즈, 스맥, 위아공작기계, 화천기계 등 국내 주요 기업과 화낙, 한국야마자키마작 등 글로벌 기업이 참가한다. 이들 기업은 머시닝센터, 터닝센터, CNC 자동선반, 복합가공기 등 최신 장비를 소개한다. 특히 CNC 국산화 기술개발을 위해 설립된 합작법인 ‘KCNC(케이씨엔씨)’가 참가해 국내 CNC 기술력을 선보일 예정이다. ‘소재부품 및 제어기술관’은 장비 성능을 결정하는 핵심 유닛과 지능화 제어기술을 집중적으로 다룬다. 공작기계 유닛, 이송 및 구동계, 모터와 센서, 제어시스템 등이 전시된다. 삼천리기계, 서암기계공업, 한성GT 등 국내 기업과 지멘스, NSK 등의 글로벌 기업이 참여한다. ‘툴링 및 측정기술관’에서는 정밀 절삭공구와 첨단 측정 설루션이 소개된다. 한국야금, 와이지-원, 한국OSG 등 국내 공구기업과 미쓰도요, 헥사곤, 칼자이스, 마르포스 등 글로벌 기업이 참여한다. 이들은 비접촉 품질관리 기술과 머신비전, 3차원 스캐닝 시스템 등을 선보인다. 제1전시장이 금속절삭가공 기반의 정밀 설루션 중심이라면 제2전시장 9~10홀은 판금과 소성가공 중심이다. 이곳은 대면적과 대출력 생산기술을 아우르는 공간으로 꾸며진다. ‘절단가공 및 용접기술관’과 ‘프레스 및 성형기술관’에서는 레이저, 워터젯, 로봇용접 등 고효율 기술이 전시된다. 에이치케이, 트럼프, 아마다 등 주요 기업이 디지털 기반의 자동화 기술을 선보인다. 프레스 및 성형 분야에서도 글로벌 기업과 국내 전문기업이 참여해 자동화 흐름을 제시한다. 킨텍스 제2전시장 7~8홀에서 운영되는 로봇 및 디지털제조기술 특별전(M.A.D.E. in SIMTOS)은 미래 제조 플랫폼을 보여준다. AI 자율제조 시대의 핵심 기술이 이곳에 집약된다. 인터엑스, 레인보우로보틱스, 뉴로메카 등 국내 기업과 글로벌 로봇 기업이 참여해 디지털 트윈, AI 공장, MES, 통합 자동화 설루션, 3D 프린팅, 엔지니어링 소프트웨어 등 제조 DX 전주기 기술을 선보인다. 특별전 내 ‘Machine on AI 테마관’에서는 글로벌 표준 기반의 AI 자율제조 실증 시연이 진행된다. 이를 통해 장비 중심의 전시를 넘어 데이터 기반 자율제조로 확장되는 기술 흐름을 현장에서 직접 확인할 수 있다. SIMTOS 2026 기간에는 다양한 부대행사가 열린다. 글로벌 제조 트렌드 공유부터 신제품 발표회, 첨단 기술 정보 교류까지 전문가와 실무자를 위한 프로그램이 운영된다. 글로벌 제조 AX 혁신 콘퍼런스는 ‘AI-Driven Next-Generation Manufacturing’이라는 주제로 열린다. 10개 세부 주제별로 60여 개의 세션이 발표된다. 피지컬 AI, 디지털 트윈, 다크팩토리 등 최신 트렌드와 수요산업의 혁신 전략을 공유한다. 생산제조 분야 여성 인재를 위한 ‘여성 엔지니어 네트워크 포럼’도 열린다. 산업계 여성 리더의 강연과 멘토링 프로그램이 진행된다. ‘오픈스테이지 세미나’에서는 참가업체의 혁신적인 신제품과 신기술이 발표된다. 이 밖에도 채용 플랫폼인 커리어커넥트가 온·오프라인으로 운영된다. 바이어 상담회(MatchMaking4U), 테크니컬 가이드 투어, 스마트 스탬프 투어 등 참관객을 위한 참여형 프로그램도 마련된다. SIMTOS 사무국은 “글로벌 제조업은 데이터 기반 의사결정과 AI 융합 기술이 경쟁력을 좌우하는 전환기에 놓여 있다”면서, “SIMTOS 2026은 대한민국 제조혁신의 방향을 가늠하는 전략적 플랫폼으로서, 글로벌 기술 트렌드를 분석하고 새로운 비즈니스 기회를 모색하는 자리가 될 것이다. 절삭가공부터 로봇과 디지털 제조까지 전 공정을 아우르는 통합 플랫폼 SIMTOS를 통해 제조업의 미래를 준비하길 바란다”고 전했다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 독일 뮌헨공과대학교(TUM) 연구팀이 개발하여 공개한 세계 최대 규모의 3D 건물 지도 데이터셋인 ‘글로벌 빌딩 아틀라스(Global Building Atlas)’ 프로젝트에 대해 설명한다. 특히, 인공지능과 위성 영상 분석 기술을 결합하여 전 세계에 존재하는 건물을 3차원 모델로 구현한 방법을 기술적 관점에서 나눔한다.   ■ 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   그림 1. Literally a Map Showing All the Buildings in the World(https://gizmodo.com/literally-a-map-showing-all-thebuildings-in-the-world-2000694696)   이 결과는 오픈소스로 공개되었으며, 기존에 가장 방대하다고 알려진 데이터셋이 포함하던 약 17억 개의 건물 수치를 크게 웃도는 규모로 개발되었다. 그동안 디지털 지도 데이터에서 소외되었던 아프리카, 남미, 아시아의 농촌 지역 건물들까지 정밀하게 포착해냈다는 점에서 기술적 진보를 보여준다.   개발 과정 지도의 기반이 된 데이터는 주로 2019년에 촬영된 플래닛스코프(PlanetScope) 위성 이미지를 활용하였으며, 연구팀은 이를 통해 각 건물의 2D 바닥 면적뿐만 아니라 높이 정보까지 정밀하게 추출했다. 이 지도가 제공하는 높이 데이터의 해상도는 3×3미터 수준으로, 기존의 글로벌 건물 높이 데이터셋들이 주로 90미터 해상도에 그쳤던 것과 비교하면 약 30배 이상 정밀도가 향상된 수치이다. 제공되는 데이터는 건물의 대략적인 형태와 높이를 단순화하여 표현하는 LoD1(Level of Detail 1) 수준의 3D 모델 형식을 따르고 있어, 전 지구적 규모의 방대한 데이터를 다루면서도 활용성을 확보했다.   그림 2. 3차원 건물 모델 데이터셋 자동화 결과물   이 연구는 기존 데이터셋이 가진 커버리지의 한계와 3D 정보의 부재를 해결하기 위해 진행되었으며, 전 세계 약 27억 5000만 개의 건물을 포함하는 방대한 규모의 데이터를 구축하였다. 이는 기존의 가장 포괄적인 데이터베이스보다 10억 개 이상 많은 수치로, 그동안 데이터상에서 누락되었던 전 세계 건물의 약 40% 이상을 메우는 성과이다. 연구팀은 이 데이터셋 구축을 위해 플래닛스코프 위성 이미지만을 사용하는 머신러닝 기반 파이프라인을 개발했다. 이 과정은 크게 건물 폴리곤 생성과 높이 추정의 두 단계로 나뉘며, 기존의 오픈소스 건물 데이터(오픈스트리트맵, 구글, 마이크로소프트 등)와 자체 생성한 데이터를 ‘품질 기반 융합 전략’을 통해 결합하여 데이터의 완성도를 극대화했다. 이를 통해 완성된 ‘GBAHeight’는 3×3미터의 공간 해상도를 제공하는데, 이는 기존 글로벌 제품들이 제공하던 90미터 해상도보다 약 30배 더 정밀한 수준이며 이를 통해 지역 및 전 지구 규모에서 신뢰할 수 있는 건물 부피 분석이 가능해졌다. 또한 연구팀은 건물 높이 정보를 포함한 ‘GBA-LoD1’ 모델을 생성하여 약 26억 8000만 건의 건물 인스턴스를 구현했으며, 이는 전체의 97%에 달하는 높은 완성도를 보인다.  높이 추정의 정확도를 나타내는 RMSE(평균제곱근오차)는 대륙별로 1.5미터에서 8.9미터 사이로 나타났으며, 특히 오세아니아와 유럽에서 높은 정확도를 보였다. 데이터 분석 결과 아시아가 건물 수와 총 부피 면에서 압도적인 비중을 차지하는 반면, 아프리카는 건물 수는 많으나 총 부피가 작아 소규모 또는 비공식 건물이 다수 분포함을 시사했다.     그림 3. 공개된 글로벌 빌딩 아틀라스 LoD1 웹 서비스(선릉역 및 뉴욕 근처의 생성된 3D 건물 모델)   AI 모델 개발 접근법 인공지능 모델 개발 및 활용 관점에서 본 글로벌 빌딩 아틀라스(GBA) 프로젝트는 3미터 해상도의 단일 시점(monocular) 위성 영상인 플래닛스코프 데이터를 입력으로 받아 전 지구적 규모의 3D 건물 모델을 생성하는 파이프라인을 구축했다는 점에서 기술적 의미가 있다. 전체 시스템은 크게 2D 건물 폴리곤 생성을 위한 의미론적 분할(semantic segmentation) 네트워크와 3D 높이 추정을 위한 단안 높이 추정(monocular height estimation) 네트워크로 이원화되어 설계되었다. 2D 건물 폴리곤 생성 모델의 경우, 연구팀은 UPerNet(Unified Perceptual Parsing Network) 아키텍처를 기반으로 하되 백본(backbone)으로 ConvNeXt-Tiny를 사용했다. 모델의 성능을 높이기 위해 ‘추출(extraction)’과 ‘정규화(regularization)’라는 두 단계의 네트워크를 직렬로 구성한 점이 특징이다. 첫 번째 네트워크가 위성 영상에서 1차적인 이진 마스크를 생성하면, 동일한 아키텍처를 가진 두 번째 정규화 네트워크가 이를 입력받아 노이즈를 제거하고 건물 경계를 다듬는다. 특히 정규화 네트워크 학습 시에는 깨끗한 폴리곤 마스크에 인위적인 노이즈를 주입한 것을 입력 데이터로 사용하여, 모델이 거친 마스크를 정제된 형태로 복원하는 일종의 디노이징(denoising) 기능을 수행하도록 훈련시켰다.   그림 4. GBA 딥러닝 모델 아키텍처     ■ 기사 상세 내용은 PDF로 제공됩니다.

에이수스 코리아는 AR 글라스 기업 엑스리얼(XREAL)과의 파트너십을 통해 CES 2026에서 240Hz 마이크로 OLED 게이밍 글라스인 ‘ROG XREAL R1’을 발표했다. ROG XREAL R1은 대형 게이밍 디스플레이의 개념을 새롭게 재정의하는 웨어러블 디스플레이로, ROG의 성능과 비주얼을 휴대 가능한 폼팩터에 담아냈다. 사용자는 언제 어디서나 4미터 전방에 펼쳐지는 171인치의 가상 화면을 경험할 수 있으며, 57°의 시야각(FOV)과 집중 시야 영역의 95%를 커버하는 화질을 즐길 수 있다. 특히 최대 240Hz의 주사율과 3ms의 모션-투-포톤(Motion-to-Photon) 레이턴시를 지원하여, 모션 블러나 화면 떨림 없는 게이밍 비주얼을 제공한다. 얼굴 전면을 덮는 형태의 글라스가 아닌 일반 안경 형태로 디자인되어 기존 대비 착용감을 높였으며, 91g의 무게로 장시간 착용이나 이동 중에도 부담이 없다.     이 제품은 ROG 생태계와 통합되도록 설계되었다. 함께 제공되는 ROG 컨트롤 독(ROG Control Dock)은 한 개의 디스플레이포트(DisplayPort) 1.4와 2개의 HDMI 2.0 포트를 갖춰 PC와 콘솔 게임기를 버튼 하나로 손쉽게 전환할 수 있다. 또한 휴대용 게임기인 ROG Ally와는 USB-C 연결을 통해 별도의 설정 없이 플러그 앤 플레이로 즉시 사용 가능하며, Ally의 터치스크린 기능을 그대로 활용하면서 사용자 눈앞에 거대한 가상 전장을 펼칠 수 있다. ROG XREAL R1은 내장된 공간 코프로세싱(co-processing) X1 칩을 통해 3 DoF 추적을 지원하는 앵커 모드(Anchor mode)를 제공한다. 이를 통해 사용자는 가상 화면을 현실 공간의 원하는 위치에 고정하거나 자신의 시야 중앙에 배치할 수 있으며, 버튼 하나로 화면의 크기와 거리를 자유롭게 조절할 수 있다. 사용자 편의성을 위한 기술도 탑재됐다. 일렉트로크로믹(Electrochromic, 전자식 변색) 렌즈 기술을 적용해 주변 조도에 따라 렌즈의 투명도를 지능적으로 조절한다. 사용자가 화면을 보지 않을 때는 렌즈가 투명해지고, 다시 화면에 집중하면 자동으로 어두워지며, 수동으로 3단계 밝기 조절도 가능해 밝은 야외부터 어두운 실내까지 모든 환경에서 최적화된 선명한 시야를 보여준다. 오디오 측면에서는 Sound by Bose 기술을 채택하여 몰입감을 극대화했다. 미세한 발자국 소리부터 멀리서 들리는 폭발음까지 생생하게 구현하는 3차원 사운드 스테이지를 제공하여 플레이어가 게임 속 상황을 정확하게 감지하고 즉각적으로 반응할 수 있도록 지원하며, 현실적인 사운드로 깊이 있는 몰입감과 현장감을 더해준다.

로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (4)   지난 호에서는 로코드 분석 설루션인 나임(KNIME)에 대해 알아보고 전력 판매량(Electric Power Sales) 예측에 대한 따라하기를 완성해 보았다. 나임을 활용해 코딩에 크게 의존하지 않으면서 비교적 쉽고 간단하게 데이터 분석을 수행할 수 있다는 것을 확인해 볼 수 있었다. 이번 호에서는 전형적인 데이터 분석 유형과는 좀 다른 과제에 도전해 보고자 한다.   ■ 연재순서 제1회 데이터 분석에 로코드 설루션이 필요한 이유 제2회 데이터 분석 로코드 설루션을 배워보자 Ⅰ 제3회 데이터 분석 로코드 설루션을 배워보자 Ⅱ 제4회 로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 제5회 데이터 분석 로코드 설루션을 클라우드로 확장해 보자   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 김도희 잘레시아 DX 프로   대부분의 데이터 분석 과제는 데이터를 수집하고 정리하고 가공하는 과정이 복잡하고 어려운 경우가 많다. 특히 데이터에 대한 구조와 규칙을 이해하고 이를 정제하는 과정은 중요하지만 업무 성과로서 크게 돋보이지도 않는 경우도 종종 있다. 하지만 일단 제대로 정리해놓고 나면(전처리) 데이터를 활용하여 중요한 정보를 얻을 수도 있고 핵심적인 인사이트를 찾는 것도 용이할 수 있다. 어떤 면에서 진정한 데이터 분석 워크플로의 핵심 노하우는 머신러닝 분석 기술을 사용했는지가 아니라 데이터 전처리를 어떻게 수행해 왔는지에 달라질 수 있다고도 볼 수 있다. 그래서 이번 호에서는 다소 복잡해 보일수도 있지만 차량 부품(프런트 범퍼 빔) 파트에 대한 시뮬레이션 데이터 정리를 나임을 통해 정리해 나가는 방법을 보여주고자 한다. 분석 영역 : 차량 범퍼 빔(bumper beam) 파트 분석 데이터 : 시뮬레이션(CAE) 모델 데이터 유형 : NASTRAN(진동소음해석 분석을 위해 사용하는 솔버 포맷)  데이터 분석 목표 : 면적(area) + 체적(volume) 구하기   그림 1   시뮬레이션(CAE) 모델 및 나스트란(NASTRAN)에 대한 자세한 설명은 이번 호 내용의 범위를 벗어나기 때문에 넘어가도록 하겠다. <그림 1>의 차량 범퍼 빔 파트 모델은 삼각형 요소(tria element)와 사각형 요소(quad element)로 구성되어 있는데 상대적으로 삼각형 요소가 적으므로(26개) 삼각형 요소에 대한 면적을 구하는 과정을 진행해 보도록 하겠다.   그림 2   차량 범퍼 빔 파트 모델을 나스트란 포맷으로 익스포트(export)해 보면 <그림 3>과 같은 텍스트 형식으로 출력이 된다는 것을 알 수 있다. 노트패드++(Notepad++)같은 텍스트 에디터 소프트웨어를 통해 파일을 오픈할 수 있다. 설명을 용이하게 하기 위해 실제 데이터에서 일부만 샘플로 추출한 내용으로 설명하도록 하겠다. 참고를 위해 나스트란 데이터에 대한 설명을 간결하게 진행해 보자. GRID는 3차원 공간상의 점(point/node)을 나타내는 것으로 ID/좌표 X/좌표 Y/좌표 Z로 구성되어 있다.  CTRIA3는 공간상의 삼각형 요소를 나타내는 것으로 ID/PSHELL ID/GRID ID1/GRID ID2/GRID ID3로 구성되어 있다.  CQUAD4는 공간상의 사각형 요소를 나타내는 것으로 ID/PSHELL ID/ GRID ID1/GRID ID2/GRID ID3/GRID ID4로 구성되어 있다.  PSHELL은 요소들(elements)이 속한 그룹에 대한 정보로 ID/ MAT1 ID/두께 등의 정보로 구성되어 있다.  MAT1은 PSHELL이 속한 재질(material)에 대한 정보를 담고 있는 것으로 ID/탄성계수(elastricity)/포아송비(poisson ratio)/밀도(density)로 구성되어 있다. 나임을 실행하고 나서 처음으로 해야 할 일은 데이터를 불러오는 것이다. 지난 연재에서 설명한 것과 같이 CSV Reader 노드를 사용하면 편리하다.   그림 3   그림 4   그림 5     ■ 자세한 기사 내용은 PDF로 제공됩니다.

유니티로 구현한 핵융합 디지털 트윈, V-KSTAR   핵융합 기술은 미래를 열어갈 수 있는 태양과 같은 에너지이지만 복잡한, 실험 데이터를 분석하고 이해하는 데 많은 시간이 소요된다. 트라이텍과 UNIST는 이러한 문제를 해결하기 위해 V-KSTAR 프로젝트를 추진했다. 이 프로젝트에서는 유니티의 디지털 트윈 기술을 활용해 직관적이고 효율적인 가상 핵융합 실험 플랫폼을 구현할 수 있었다. ■ 자료 제공 : 유니티 코리아   가상 핵융합 디지털 트윈 플랫폼 : V-KSTAR 프로젝트 V-KSTAR는 한국핵융합에너지연구원(KFE)의 공동 과제인 핵융합 R&D의 일환으로, 가상 핵융합 기술 개발을 위한 디지털 트윈 플랫폼 개발 프로젝트이다. 이 프로젝트는 3차원 CAD 모델 기반의 가상 핵융합 시뮬레이션을 연산하는 슈퍼컴퓨팅 기술을 활용하여 최적화된 가상 핵융합 모델 및 시뮬레이션 기술을 개발하고, 최적의 실험 결과를 도출하기 위한 가상 핵융합 시뮬레이션 통합 플랫폼 기술 개발을 목표로 한다. 핵융합 실험의 핵융합로인 토카막(Tokamak) 장치 내부에서 실시간으로 측정된 데이터의 가시화 모니터링, 시뮬레이션 데이터 분석 및 시각화, 데이터 추적 및 데이터 형상 관리 기능 등을 통해서 종합적인 파이프라인 관리 시스템을 구현하기 위한 가상 핵융합 기술 통합 플랫폼 개발 프로젝트이다. 핵융합 실험 과정에서 만들어지는 고온의 플라스마가 안정성을 가지고, 오래 유지되기 위해서는 자기력을 통해 플라스마의 모양과 위치를 고정시키는 것이 필요하다. V-KSTAR는 3차원 가상 핵융합 시뮬레이션의 반복 트레이닝을 통해 최적의 플라스마 형성 조건과 자기력 제어 기술을 확보하고, 실험을 통해서 플라스마 형상 및 장치 상태를 모니터링할 수 있는 통합 시스템 개발에 목적이 있다.   유니티의 시각화를 통한 핵융합 실험 장치의 개선 핵융합 실험 장치에서 실험 시 플라스마가 접촉하는 토카막 내부 타일은 플라스마로부터 열을 받아 온도가 상승하게 된다. 토카막 설비가 손상되는 것을 감지하고 정비해야 하는 문제에 대응하기 위해 각 타일의 온도를 색상과 수치로 표시하고 높은 수준으로 온도가 상승했을 경우에 경고 표시와 로그 기록을 남겨야 하는 필요성이 있었다.   그림 1. 토카막 내부 타일을 디지털 트윈으로 구현해낸 모습. 내부 타일의 온도를 실시간으로 색과 숫자로 확인할 수 있다.   핵융합 실험 장치에서 플라스마는 수억 도(℃)에 이르는 고온을 유지해야 하며, 이를 위해 고속 중성입자 빔을 플라스마에 조사하는 방법이 대표적으로 사용된다. 조사된 중성입자는 뜨거운 플라스마 내부에서 이온화되고, 플라스마와 충돌하며 에너지를 전달하고 전체 온도를 상승시킨다. 그러나 이온화된 후 충분한 에너지 전달을 하지 못한 일부 고속 이온은 플라스마 영역을 빠져나와 토카막 내벽에 충돌하게 되며, 이는 벽면 타일의 급격한 온도 상승과 손상으로 이어질 수 있다. 실제 실험에서는 이러한 손상을 막기 위해 장치 운전을 중단해야 하는 경우도 발생한다. 따라서 토카막 내부 타일의 온도를 실시간으로 색과 숫자로 표시하고, 온도가 일정 수준 이상 상승할 경우 경고를 발생시키며 로그를 기록하는 모니터링 체계가 필요하다. 나아가, 개발 팀은 물리적 트윈(physical twin)인 K-STAR 장치에서 고속 이온의 손실이 발생하는 위치를 실험 전 또는 실험 사이에 미리 파악하고, 내벽 손상을 최소화하기 위해 유니티 기반의 3차원 디지털 트윈인 ‘V-KSTAR’를 구축하였다. 이를 통해 입자 궤적을 추적하고 벽면과 고속 이온의 충돌을 시각화함으로써, 고속 입자 손실 메커니즘을 정밀하게 분석하고 장치 보호 및 실험의 안정성을 강화할 수 있게 되었다.   플라스마 발생 영역을 분석하기 위한 3차원 셰이더 구현 개발 팀은 유니티가 VR(가상현실), XR(확장현실)과 같은 여러 플랫폼과 호환성이 높고, 확장할 수 있는 통합 도구 제공이 잘 되어 있다는 점에 주목했다. 또한, C# 기반에서 프로젝트를 구성하기 때문에 개발 진입 장벽이 낮고 사례가 많아 개발에서 오는 리스크를 최소화할 수 있는 가능성이 많다는 점도 개발 프로젝트에 유니티를 선택하게 된 요인이 됐다. 유니티에서 플라스마는 흔히 도넛으로 알고 있는 토러스(torus, 원환면) 형태로 생성된다. 토러스를 수직으로 자른 단면의 경계를 기저로 하여 360도 회전을 통해 전체 플라스마 형상이 만들어진다. 토러스 내부는 구멍이 있고, 이 공간에 토카막 내벽이 위치하기 때문에 토러스가 내벽을 가리는 구조이다. 개발 팀은 투시가 가능하면서도 그 경계가 명확하게 시각화될 수 있도록 플라스마 셰이더를 구현했다. 또한 이중 노멀을 구현하여 카메라가 플라스마에 포함되어도 플라스마의 형상을 관찰할 수 있도록 하였다.   그림 2. 토러스 형태의 플라스마   핵융합 장치 시각화를 위해 선택한 유니티 플랫폼과 툴 개발 팀은 다양한 유니티 플러그인을 분석적 가시화에 활용했다. 예를 들어, CrossSection 플러그인을 활용하여 모델 내부 단면을 관찰할 수 있도록 하였으며, 토카막 장치를 360도로 회전시키며 원하는 각도에서 내벽과 외벽이 전체 장비와 어떻게 모양을 이루고 있는지를 한눈에 파악할 수 있는 기능을 구현했다.또한, 시간에 따른 부품별 온도 상태를 한 눈에 파악하기 위한 그래프를 그리는 데에도 Vectrosity와 같은 플러그인으로 원하는 기능을 쉽게 구현했다. 코드의 부분적인 교체와 유지 보수를 효율적으로 진행할 수 있도록 프로그램 모듈화를 진행할 때에도 유니티가 제공하는 Assembly Definition 기능을 활용해 손쉽게 프로그램을 체계적으로 모듈 단위로 분리할 수 있었다.   디지털 트윈 도입을 통한 핵융합 실험의 변화 V-KSTAR의 또 다른 기능은 실시간 데이터를 대용량으로 파일 포맷으로 기록하고 실제 실험이 끝나고 난 뒤 스트리밍 방식으로 실험 결과를 재현하는 것이다. 약 2~3분 단위의 실험은 샷넘버라는 고유 번호로 구분이 되고, 그 번호에 해당하는 플라스마 형상이 어떤 모양인지 확인하여 실험 설정의 최적값을 재사용할 수 있도록 돕는다. 설정 값과 그에 따른 실험 결과가 수많은 문서에 표와 숫자로 기록된 것을 연구자들이 읽고 이해해야 하는 일을 디지털 트윈이 빠르고 직관적인 방식으로 만들어 시간을 절약하는 효과가 있다. 실제 캠페인 현장에 가면 플라스마를 관찰할 수 있는 특수 카메라 영상이 흑백 모니터로 표시되고, 그 주변으로 수많은 센서 값에 대한 계기판이 벽면을 가득 채우고 있다. V-KSTAR는 한 눈에 파악하기 어려운 복잡한 수치 데이터를 가상 공간의 3D 모델에 다양한 색상으로 시각화하여, 마치 실제로 가까이서 관찰하는 것과 같은 직관적인 환경을 제공한다. 또한 플라스마 형상을 감지하는 센서 정보를 바탕으로 플라스마를 재구성하여, 특수 카메라의 제한된 시야에서는 관찰하기 어려웠던 전체적이고 동적인 모습을 제공하기 때문에 실험 결과에 대한 이해가 더욱 효율적이다. 따라서, V-KSTAR 프로젝트 도입을 통해 시뮬레이션 결과를 보다 빠른 시간에 분석하고, 연구자 간 시뮬레이션 결과를 공유하고 토론할 수 있는 가상 공간을 통해 연구의 진척도를 높일 수 있는 효과가 있다.   V-KSTAR 시각화 과정에서 유니티 활용의 효과 핵융합 실험의 특성 상 대규모의 그래픽 요소를 고성능을 유지하며 가시화하는 데는 일정한 한계가 있었다. 이로 인해 복잡한 데이터 시각화를 위해 일부 요소를 단순화해야 하는 경우가 발생했다. 하지만 유니티를 사용한 개발은 확실히 쉽고, 가볍고, 직관적인 면이 있다. 그래서 프로젝트 초기에 간단한 사용자 요구가 많을 때는 즉시 반영하여 해결하기에 적합했다. 개발 팀은 “핵융합 연구와 같은 전문 분야를 위한 유니티의 고성능 그래픽 설루션에 대한 자료와 사례가 더 풍부해지기를 기대한다”고 전했다.   V-KSTAR의 향후 기술 발전 방향 향후 프로젝트의 핵심 과제는 폭발적으로 증가하는 방대한 데이터를 기존의 렌더링 성능 수준에서 효과적으로 가시화하는 기술 개발이다. 이를 위해 컴퓨터의 그래픽 성능을 무제한에 가깝게 확장할 수 있는 하드웨어 또는 소프트웨어 측면의 방법을 발굴하여 프로젝트에 접목해야 할 것으로 보인다. 또한 개발 팀은 핵융합 실험을 위한 최적의 CAD 환경을 구현하기 위해, 설계–변환–시뮬레이션–피드백의 자동화된 워크플로를 실현할 수 있도록 V-KSTAR에 모델과 데이터의 자동 관리 시스템을 갖출 수 있도록 노력하고 있다. 개발 팀은 “향후에 진행되는 새로운 핵융합 실험 장치와 ITER 및 DEMO 장치에도 현재 개발되고 있는 플랫폼이 확장 적용될 것이며, AI를 접목하여 학습한 결과를 가시화하고 분석하는 연구가 장기적으로 진행될 것으로 예상된다”고 전했다. 또한, “AI를 도입한 V-KSTAR를 통해 핵융합 실험을 일부 대체할 수 있다면 실험 시간과 운영 비용을 절감하는데 보다 크게 기여할 것으로 기대된다. 유니티를 활용해 V-KSTAR를 원활하게 구현해냈기 때문에, 이 경험을 바탕으로 향후에도 유니티를 지속적으로 활용할 계획”이라고 덧붙였다.     ■ 기사 내용은 PDF로도 제공됩니다.