캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 3월 18일 CNG TV는 ‘시뮬링크를 활용한 모델 기반 설계의 핵심과 실제 적용 사례’를 주제로 웨비나를 개최했다. 이번 웨비나에서는 모델 기반 설계(MBD)의 개념과 함께, 시뮬링크(Simulink)를 사용한 제어 시스템 모델 개발 및 적용 방법이 소개됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 매스웍스 유재흥 애플리케이션 엔지니어와 한재훈 애플리케이션 엔지니어   이번 CNG TV에서 매스웍스는 시뮬링크를 활용한 모델 기반 설계(MBD)의 핵심 원리와 실제 적용 사례를 소개했다. 시뮬링크는 동적 시스템과 제어 알고리즘을 효과적으로 시뮬레이션할 수 있는 모델링 도구로, 실제 물리적 시험보다 빠르고 안전하게 그리고 비용 효율적으로 설계를 검증할 수 있는 장점이 있다. 매스웍스코리아의 한재훈 애플리케이션 엔지니어는 “시뮬레이션을 활용하면 실제 환경에서 수행하기 어렵거나 위험한 시험을 안전하게 반복 수행할 수 있어, 개발 초기에 문제를 조기에 발견하고 수정하는 것이 가능하다”고 강조했다. 이번 웨비나에서 발표된 주요 예제는 태양열 발전 시스템이었다. 이 시스템은 태양광 패널이 태양의 움직임을 정확히 추적할 수 있도록 모터를 통해 제어하여 발전 효율을 극대화하는 방식이다. 시뮬링크를 사용하여 모터 및 패널의 물리 시스템 모델링부터 제어기 설계, 시스템 통합 및 검증까지 전 과정이 진행되었다. 특히 자동 코드 생성 기능을 활용하여 프로토타입 설계 과정을 빠르게 진행할 수 있었다. 이에 대해 한재훈 엔지니어는 “자동 코드 생성으로 인해 개발자가 직접 코딩할 때 발생할 수 있는 인적 오류를 크게 줄일 수 있다”고 설명했다.   ▲ 물리적 프로토타입은 비용이 많이 들고 반복 주기가 느리다.    현실적인 시스템 모델링에 필요한 파라미터 추정 기능에 대한 설명도 이어졌다. 이 과정에서 실제 물리적 시험 데이터를 이용해 모델 응답과의 차이를 줄여나가는 방법이 시연되었다. 한재훈 엔지니어는 “파라미터 추정 과정에서 모델의 정확도를 높이기 위해 적절한 범위를 설정하는 것이 중요하다”고 전했다. 한편 산업 현장에서의 실제 성공 사례도 소개됐다. 대표적인 성공 사례로, 나사(NASA)는 마하 10 속도의 초고속 비행기 제어 시스템 개발에 시뮬링크를 활용하여 첫 시도부터 성공적인 결과를 거둔 바 있다. 한국항공우주연구원(KARI)은 항공 소프트웨어 표준인 DO-178 준수를 위한 소프트웨어 개발 과정 일부를 자동화함으로써, 소프트웨어 품질 향상과 개발 효율성을 동시에 확보했다. 닛산은 자동차 엔진 제어 소프트웨어 개발 기간을 대폭 단축하여 비용 효율을 크게 높이는 성과를 거두었다. 시뮬링크 기반의 모델 기반 설계 방식이 팀 협업 및 유지보수 측면에서 우수한 성과를 보이고 있다. 요구 사항이 빈번하게 변경되는 환경에서도 변경사항을 명확히 추적하고, 자동화된 검증 기능을 통해 보다 신속하고 정확한 대응이 가능하다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아가 더 강력하고 지능적인 AI 구축을 지원하는 ‘스케일링 법칙’을 소개했다. 엔비디아는 이 법칙이 훈련 데이터, 모델 파라미터 또는 컴퓨팅 리소스 크기가 증가함에 따라 AI 시스템 성능이 향상되는 방식을 설명한다고 밝혔다. AI 분야에서 오랫동안 정의된 아이디어 중 하나는 컴퓨팅, 훈련 데이터, 파라미터가 더 많을수록 더 나은 AI 모델이 만들어진다는 것이다. 하지만 이후 AI에는 컴퓨팅 리소스를 다양한 방식으로 적용하는 것이 모델 성능에 어떻게 영향을 미치는지 설명하는 세 가지 법칙이 대두됐다. 이는 사전 훈련 스케일링(pretraining scaling), 사후 훈련 스케일링(post-training scaling), 긴 사고(long thinking)라고도 불리는 테스트 타임 스케일링(test-time scaling)이다. 이들 법칙은 점점 더 복잡해지는 다양한 AI 사용 사례에서 추가 컴퓨팅을 사용하는 기술을 통해 AI 분야가 어떻게 발전해왔는지를 보여준다. 최근 추론 시 더 많은 컴퓨팅을 적용해 정확도를 향상시키는 테스트 타임 스케일링이 부상하면서 AI 추론 모델의 발전을 가능하게 했다. 이 모델은 작업을 해결하는 데 필요한 단계를 설명하면서 복잡한 문제를 해결하기 위해 여러 추론 패스를 수행하는 새로운 종류의 대규모 언어 모델(LLM)이다. 테스트 타임 스케일링은 AI 추론을 지원하기 위해 많은 양의 컴퓨팅 리소스를 필요로 하며, 이는 가속 컴퓨팅에 대한 수요를 더욱 증가시킬 것이다.     사전 훈련 스케일링은 AI 개발의 기본 법칙이다. 이는 훈련 데이터 세트 크기, 모델 파라미터 수, 컴퓨팅 리소스를 늘림으로써 개발자가 모델 지능과 정확도의 예측 가능한 향상을 기대할 수 있음을 입증했다. 한 연구 논문에서 설명한 사전 훈련 스케일링 법칙에 따르면, 규모가 큰 모델에 더 많은 데이터가 공급되면 모델의 전반적인 성능이 향상된다. 이를 실현하려면 개발자는 컴퓨팅을 확장해야 하며, 이 거대한 훈련 워크로드를 실행하기 위해서는 강력한 가속 컴퓨팅 리소스가 필요하다. 사후 훈련 기법은 조직이 원하는 사용 사례에 맞춰 모델의 특이성과 관련성을 더욱 향상시킬 수 있다. 사전 훈련이 AI 모델을 학교에 보내 파운데이션 기술을 배우게 하는 것이라면, 사후 훈련은 목표한 업무에 적용할 수 있는 기술을 갖추도록 모델을 향상시키는 과정이다. 예를 들어, LLM은 감정 분석이나 번역과 같은 작업을 수행하거나 의료, 법률과 같은 특정 분야의 전문 용어를 이해하도록 사후 훈련될 수 있다. 긴 사고라고도 하는 테스트 타임 스케일링은 추론 중에 발생한다. 사용자 프롬프트에 대한 단답형 답변을 빠르게 생성하는 기존 AI 모델과 달리, 이 기술을 사용하는 모델은 추론 중에 추가적인 계산 작업을 할당한다. 이를 통해 여러 가지 잠재적 답변을 추론한 후 최적의 답변에 도달할 수 있도록 한다. 테스트 타임 컴퓨팅의 부상으로 AI는 복잡한 개방형 사용자 쿼리에 대해 합리적이고 유용하며 보다 정확한 답변을 제공하는 능력을 갖추게 됐다. 이러한 기능은 자율 에이전틱 AI와 피지컬 AI(Physical AI) 애플리케이션에서 기대되는 세밀하고 다단계의 추론 작업에 매우 중요하다. 또한, 산업 전반에서 사용자에게 업무 속도를 높일 수 있는 고성능 비서를 제공해 효율성과 생산성을 향상시킬 수 있다. 의료 분야에서는 모델이 테스트 타임 스케일링을 사용해 방대한 양의 데이터를 분석하고 질병이 어떻게 진행될지 추론할 수 있다. 뿐만 아니라, 약물 분자의 화학 구조를 기반으로 새로운 치료법이 불러올 수 있는 잠재적인 합병증을 예측할 수 있다. 소매와 공급망 물류 분야에서는 긴 사고가 단기적인 운영 과제와 장기적인 전략 목표를 해결하는 데 필요한 복잡한 의사 결정을 도와줄 수 있다. 추론 기법은 여러 시나리오를 동시에 예측하고 평가해 기업이 위험을 줄이고 확장성 문제를 해결하는 데 도움이 된다. 이를 통해 보다 정확한 수요 예측, 간소화된 공급망 이동 경로, 조직의 지속 가능성 이니셔티브에 부합하는 소싱 결정을 가능하게 한다. 나아가 글로벌 기업에서는 이 기술을 세부적인 사업 계획 작성, 소프트웨어 디버깅을 위한 복잡한 코드 생성, 배송 트럭과 창고 로봇, 로보택시의 이동 경로 최적화 등에 적용할 수 있다. AI 추론 모델은 빠르게 진화하고 있다. 최근 몇 주 동안 OpenAI(오픈AI) o1-미니(o1-mini)와 o3-미니(o3-mini), 딥시크(DeepSeek) R1, 구글 딥마인드(Google DeepMind) 제미나이 2.0 플래시 씽킹(Gemini 2.0 Flash Thinking)이 소개됐으며, 곧 새로운 모델이 추가로 출시될 예정이다. 이러한 모델은 추론 중에 사고하고, 복잡한 질문에 대한 정답을 생성하기 위해 훨씬 더 많은 컴퓨팅이 필요하다. 따라서 기업은 복잡한 문제 해결, 코딩, 다단계 계획을 지원할 수 있는 차세대 AI 추론 도구를 제공하기 위해 가속 컴퓨팅 리소스를 확장해야 한다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 전문적인 BIM 자료를 이해할 수 있는 대규모 언어 모델(LLM, Large Language Model)을 개발하는 방법을 알아본다. BIM 기반 LLM을 개발하는 방법은 여러 가지가 있으나, 여기에서는 그 중 하나인 RAG(Retrieval Augumented Generation, 증강 검색 생성) 시 LLM이 잘 추론할 수 있도록 모델을 파인튜닝(fine-turning)하는 기술을 사용해 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. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   LLM 모델 파인튜닝의 개념 파인튜닝이란 사전에 학습된 LLM을 특정 도메인이나 작업에 맞게 최적화하는 과정이다. 기본적으로 LLM은 일반적인 자연어 처리 작업을 수행하도록 설계되어 있지만, 전문적인 특정 지식 도메인(예 : 건설 분야의 BIM 데이터)이나 문제를 다룰 때는 환각 현상이 심해지므로 해당 도메인에 특화된 데이터로 모델을 재학습시켜야 한다. 이를 통해 모델이 특정 영역에서 더 정확하고 유용한 결과를 생성하도록 만든다. 파인튜닝 과정은 다음과 같은 단계로 이루어진다.  ① 사전 학습된 모델 선택 : 이미 대규모 데이터로 학습된 LLM을 선택한다. ② 도메인 특화 데이터 준비 : 대상 분야와 관련된 고품질 데이터를 수집하고, 이를 정제 및 전처리한다. ③ 모델 파라미터 조정 : LoRA(Low-Rank Adaptation)같은 기법을 사용하여 모델 파라미터를 특정 도메인에 맞게 업데이트한다.  ④ 훈련 및 검증 : 준비된 데이터로 모델을 학습시키고, 성능을 검증하며 최적화한다. 여기서, LoRA 기술은 LLM을 파인튜닝하는 데 사용되는 효율적인 기법이다. 이 방법은 모델 전체를 다시 학습시키는 대신, 모델의 일부 파라미터에만 저차원(lowrank) 업데이트를 적용하여 파인튜닝한다. 이를 통해 학습 비용과 메모리 사용량을 대폭 줄이면서도 높은 성능을 유지할 수 있다. 이 글에서 사용된 라마 3(Llama 3)는 메타가 개발한 LLM 제품이다. 모델은 15조 개의 토큰으로 구성된 광범위한 데이터 세트에서 훈련되었다.(라마 2의 경우 2T 토큰과 비교) 700억 개의 파라미터 모델과 더 작은 80억 개의 파라미터 모델의 두 가지 모델 크기가 출시되었다. 70B 모델은 MMLU 벤치마크에서 82점, HumanEval 벤치마크에서 81.7점을 기록하며 이미 인상적인 성능을 보여주었다. 라마 3 모델은 컨텍스트 길이를 최대 8192개 토큰(라마 2의 경우 4096개 토큰)까지 늘렸으며, RoPE를 통해 최대 32k까지 확장할 수 있다. 또한 이 모델은 128K 토큰 어휘가 있는 새로운 토크나이저를 사용하여 텍스트를 인코딩하는 데 필요한 토큰 수를 15% 줄인다.   개발 환경 준비 개발 환경은 엔비디아 지포스 RTX 3090 GPU(VRAM 8GB), 인텔 i9 CPU, 32GB RAM으로 구성되었다. 이러한 하드웨어 구성은 대규모 BIM 데이터를 처리하고 모델을 학습시키는 최소한의 환경이다. 이 글에서는 사전 학습모델은 허깅페이스(HF)에서 제공하는 Llama-3-8B 모델을 사용한다. 파인튜닝을 위해서는 다음과 같은 환경이 준비되어 있다고 가정한다.  파이토치 설치 : https://pytorch.org/get-started/locally  올라마(Ollama) 설치 : https://ollama.com 허깅페이스에서 제공하는 LLM 모델을 사용할 것이므로, 접속 토큰(access token)을 얻어야 한다. 다음 링크에서 가입하고 토큰을 생성(Create new token)한다. 이 토큰은 다음 소스코드의 해당 부분에 입력해야 동작한다.  허깅페이스 가입 및 토큰 획득 : https://huggingface.co/ settings/tokens   그림 1   명령 터미널에서 다음을 실행해 라이브러리를 설치한다.   pip install langchain pypdf fastembed chardet pandas pip install -U transformers pip install -U datasets pip install -U accelerate pip install -U peft pip install -U trl pip install -U bitsandbytes pip install -U wandb   개발된 BIM LLM 모델 성능이 향상되었는지를 검증할 수 있도록, 기초 모델이 인터넷에서 쉽게 수집 후 학습할 수 있는 BIM 자료를 제외한 데이터를 학습용으로 사용할 필요가 있다. 이런 이유로, 최근 릴리스되어 기존 상용 대규모 언어 모델이 학습하기 어려운 ISO/TS 19166에 대한 기술 논문 내용을 테스트하고, 학습 데이터 소스로 사용한다. 참고로, ISO/TS 19166은 BIM-GIS conceptual mapping 목적을 가진 국제표준으로 기술 사양(TS)을 담고 있다. 학습 데이터로 사용될 파일을 다음 링크에서 PDF 다운로드하여 저장한다.  BIM-GIS 매핑 표준 논문 PDF 파일 : https://www.mdpi. com/2220-9964/7/5/162   BIM 기반 LLM 모델 학습 데이터 준비와 파인튜닝 파라미터 설정 학습 데이터를 자동 생성하기 위해, 미리 다운로드한 PDF 파일을 PyPDF 및 라마 3를 이용해 질문-답변 데이터를 자동 생성한 후 JSON 파일로 저장한다. 이를 통해 수 백개 이상의 QA 데이터셋을 자동 생성할 수 있다. 이 중 품질이 낮은 데이터셋은 수작업으로 삭제, 제거한다.    그림 2. 자동화된 BIM 기반 LLM 학습 데이터 생성 절차     ■ 자세한 기사 내용은 PDF로 제공됩니다.

개발 및 공급 : 에픽게임즈 주요 특징 : 고퀄리티 애니메이션 제작 워크플로 지원 기능 향상, 하드웨어 레이 트레이싱 기반 시스템 지원 강화, 버추얼 프로덕션을 위한 인카메라 VFX 툴세트 정식 버전 제공, 모바일 게임 개발 위한 모바일 포워드 렌더러의 기능 추가 등     이번에 출시된 언리얼 엔진 5.5는 애니메이션 제작, 버추얼 프로덕션, 모바일 게임 개발 기능이 크게 향상됐고, 렌더링, 인카메라 VFX, 개발자 반복 작업 등 많은 기능들을 정식 버전으로 제공한다. 또한 메가라이트와 같은 한계를 뛰어넘는 흥미롭고 새로운 혁신도 계속해서 선보였다.   애니메이션 언리얼 엔진 5.5는 에디터에서 고퀄리티 애니메이션 제작 워크플로를 지원하는 신규 및 향상된 기능을 제공하여 상황에 맞는 애니메이션을 제작할 수 있어, DCC 애플리케이션을 오가며 작업할 필요성이 줄어들었다. 또한, 애니메이션 게임플레이 제작 툴세트에도 새로운 기능이 추가되었다.   시퀀서 이번 버전에서는 언리얼 엔진의 비선형 애니메이션 에디터인 시퀀서가 크게 개선되어 직관적인 인터페이스를 제공하며, 더 나은 필터링과 속성을 더 쉽게 사용할 수 있게 됐다. 이를 통해 워크플로 피로도를 줄이고 생산성을 높일 수 있다.  또한, 원본이 훼손되지 않는 애니메이션 레이어가 추가되어 기존 DCC 애플리케이션에서만 볼 수 있었던 추가 제어 기능과 유연성을 제공한다. 이제 애니메이션 레이어의 애디티브 또는 오버라이드를 선택하고, 이 레이어의 가중치도 애니메이션할 수 있어 손쉽게 콘텐츠를 관리할 수 있다.    ▲ 이미지 출처 : 언리얼 엔진 홈페이지 영상 캡처   마지막으로, 인터랙티브 시네마틱 도중 플레이어의 선택에 따른 조건부 상태 변경, 게임플레이 시네마틱 내에서 오브젝트를 보다 섬세하게 제어하는 커스텀 바인딩 등과 같은 기능으로 다양한 다이내믹 시네마틱 시나리오를 작동하도록 설정하는 것이 더 쉬워졌다. 또한, 커브를 사용해 시퀀스의 타이밍을 워프하고, 서브시퀀스 또는 샷의 원점을 재배치할 수도 있다.   애니메이션 디포머 컨트롤 릭에서 애니메이션을 적용할 수 있는 애니메이션 디포머를 만들어 클릭 한 번으로 시퀀서의 캐릭터에 쉽게 적용할 수 있는 기능이 추가되어, 접촉 디포메이션이나 더 나은 카툰 스타일의 스쿼시 앤 스트레치(찌그러짐과 늘어남)같은 더욱 사실적인 애니메이션 이펙트를 제작할 수 있다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지 영상 캡처   또한, 애니메이터 키트 플러그인에는 래티스, 카메라 래티스, 스컬프팅 등 기본 디포머 기능과 함께 바로 사용할 수 있는 다양한 컨트롤 릭이 포함되어 있으며, 애니메이션에 사용하거나 자신만의 릭으로 구동되는 디포머 또는 헬퍼 릭을 제작하는 데 예제로 활용할 수 있는 유틸리티 컨트롤 릭도 제공된다.   모듈형 컨트롤 릭 모듈형 컨트롤 릭(modular control rig)은 다양한 UI 및 UX 개선, 새로운 사족 보행 및 비클 모듈 그리고 기본 이족 스켈레톤 유형에 대한 지원과 함께 베타 버전으로 제공된다. 또한, 스켈레탈 에디터는 이제 더 빠르고 간소화된 페인팅 워크플로 및 가중치 편집 등 다양한 개선 사항과 함께 정식 버전으로 만나볼 수 있다.   메타휴먼 애니메이터 언리얼 엔진용 메타휴먼 플러그인 중 하나인 메타휴먼 애니메이터도 이번 버전에서 대폭 업그레이드됐다. 처음에는 실험 단계 기능으로 도입되었으나, 이제 오디오만으로도 얼굴 상단 부분의 표정 추론을 포함하여 고퀄리티의 페이셜 애니메이션을 생성할 수 있다. 이 로컬 오프라인 설루션은 다양한 음성 및 언어와 함께 작동되며, 다른 메타휴먼 애니메이터 입력과 함께 일괄 처리 및 스크립팅할 수 있다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지   뮤터블 캐릭터 커스터마이제이션 런타임에 동적으로 변경되는 콘텐츠를 개발하는 게임 개발자에게 큰 도움을 제공할 뮤터블(mutable) 캐릭터 커스터마이제이션 시스템이 새롭게 추가됐다. 이 시스템은 캐릭터, 동물, 소품, 무기 등의 다이내믹 스켈레탈 메시, 머티리얼, 텍스처를 생성하는 동시에 메모리 사용량을 최적화하고 셰이더 비용과 드로 콜 수를 줄여준다. 런타임에 콘텐츠를 수정하는 네이티브 툴과는 달리, 뮤터블에서는 많은 파라미터와 텍스처 레이어, 복잡한 메시 상호작용, GPU에 부하가 큰 텍스처 효과 등을 처리할 수 있는 심층적인 커스터마이징을 제공한다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지 영상 캡처   선택기 선택기도 정식 버전으로 제공된다. 복잡한 로직을 작성할 필요 없이 게임 상황에 따라 재생할 애니메이션을 선택할 수 있는 이 프레임워크는 이제 거의 모든 유형의 애셋을 지원하며, 단순한 랜덤 선택기부터 수천 개의 애니메이션을 관리하는 데이터베이스 기반의 로직까지 다양한 수준의 복잡성을 처리할 수 있다. 이러한 기능은 업데이트된 게임 애니메이션 샘플 프로젝트에서 사용해 볼 수 있다.   렌더링 에픽게임즈는 언리얼 엔진 5의 높은 리얼타임 렌더링 퍼포먼스와 퀄리티를 제공하기 위해 지속적으로 노력하고 있다.   루멘 하드웨어 레이 트레이싱(Hardware Ray Tracing, HWRT) 기반 시스템에 많은 향상이 이루어지면서, 이제 하드웨어 지원을 제공하는 플랫폼에서 루멘을 60Hz로 실행할 수 있다. 이러한 개선을 통해 패스 트레이서 및 라이트 베이킹의 퍼포먼스와 기능도 향상될 수 있다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지   패스 트레이서 물리적으로 정확한 DXR 가속 프로그레시브 렌더링 모드인 패스 트레이서는 이제 정식 버전으로 제공되어 비선형 애플리케이션 또는 모든 기능을 갖춘 실사 레퍼런스 이미지의 최종 픽셀을 제작할 때 높은 퀄리티를 제공한다. 이번 버전에서는 퍼포먼스 및 퀄리티 개선, 리눅스 지원, 스카이 애트머스피어 및 볼류메트릭 클라우드 등 다른 모든 정식 버전 기능을 지원한다.   ▲ Audi e-tron GT 모델(이미지 제공 : Audi Business Innovation)   서브스트레이트 언리얼 엔진 5.2에서 실험 단계로 선보인 머티리얼 제작 프레임워크인 서브스트레이트가 베타 버전으로 전환되어, 언리얼 엔진이 지원하는 모든 플랫폼과 기존 머티리얼의 모든 기능이 지원된다. 리얼타임 애플리케이션을 위해 최적화하는 작업이 진행 중이며, 선형 머티리얼 제작에는 정식으로 사용할 수 있다. 룩 개발 아티스트는 이 강력하고 유연한 프레임워크를 활용하여 오브젝트의 룩 앤 필을 더 제어할 수 있다.   무비 렌더 그래프 언리얼 엔진 5.4에서 실험 단계로 도입되었던 무비 렌더 그래프(Movie Render Graph, MRG)도 이번 버전에서 베타 버전으로 전환된다. 그래프 기반의 환경 설정 워크플로에 많은 노력을 통해 커스텀 EXR 메타데이터를 사용하는 기능, 컬렉션의 스포너블 지원과 같은 초기 사용자의 피드백을 기반한 개선점 그리고 오브젝트 ID 지원과 같은 기존 프리셋 구성의 호환성 향상 등을 제공한다. 또한, 이제 MRG의 렌더 레이어 기능에서 반투명 오브젝트, 나이아가라 FX, 불균질 볼륨, 랜드스케이프, 스카이 스피어를 사용할 필요가 없는 스카이 애트머스피어 등을 포함해 모든 애셋 유형을 지원한다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지 영상 캡처   마지막으로, MRG는 신규 실험 단계 기능인 패스 트레이서용 스파시오 템포럴 디노이저(denoiser)를 제공해 선형 시퀀스에 고퀄리티의 결과를 출력할 수 있다.   메가라이트 언리얼 엔진 5.5에서는 새로운 실험 단계 기능인 메가라이트를 미리 만나볼 수 있다. ‘빛의 나나이트’라고 불리는 메가라이트를 사용하면 신에 제약 없이 다이내믹한 그림자를 만드는 수백 개의 라이트를 추가할 수 있다. 이를 통해 라이팅 아티스트는 이제 콘솔과 PC에서 소프트 섀도와 함께 텍스처가 적용된 에어리어 라이트, 라이트 함수, 미디어 텍스처 재생, 볼류메트릭 섀도를 자유롭게 사용해 볼 수 있어 성능보다는 예술적인 부분에 집중할 수 있다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지 영상 캡처   버추얼 프로덕션 언리얼 엔진은 버추얼 프로덕션을 위한 인카메라 VFX(ICVFX) 툴세트를 통해 전 세계 영화, TV, 광고 등 수많은 제작을 지원하고 있다. 언리얼 엔진 5.5는 여러 버전에 걸친 축적된 노력을 통해 ICVFX 툴세트를 정식 버전으로 제공하며, 버추얼 프로덕션 및 시각화를 위한 다른 기능도 향상되었다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지 영상 캡처   SMPTE 2110 언리얼 엔진의 SMPTE 2110 지원이 대표적인 예로, 이번 출시에서는 ICVFX 프로젝트의 요구사항에 맞춰 수많은 안정성 개선, 프레임록 손실 자동 감지 및 복구, 타임코드로 PTP 지원 추가, 2110 미디어에 대한 OCIO 지원, IP 비디오 신호 흐름에 대한 개선이 이뤄졌다.   카메라 캘리브레이션 카메라 캘리브레이션 솔버 역시 언리얼 엔진 5.5에서 정식 버전으로 제공되어, 렌즈 및 카메라 파라미터 추정 정확도가 크게 향상되었다. 이 작업을 바탕으로 이제 모든 카메라에 오버스캔이 내장되어, 렌즈 왜곡을 렌더링하거나 포스트 프로세싱 단계에서 카메라 셰이크 추가 등을 지원한다.    버추얼 스카우팅 언리얼 엔진 5.4에서 처음 도입된 버추얼 스카우팅 툴세트가 정식 버전으로 업데이트됐다. 이제 OpenXR 호환 HMD(오큘러스 및 밸브 인덱스 기본 지원)를 사용해 강력한 경험을 곧바로 활용할 수 있으며, 광범위한 API를 통한 새로운 커스터마이징도 제공한다. 이 툴세트에서는 새로운 VR 콘텐츠 브라우저와 애셋 배치, 블루프린트로 커스터마이징할 수 있는 트랜스폼 기즈모, 색상 보정 뷰파인더 등이 더욱 향상되었다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지 영상 캡처   컬러 그레이딩 패널 이전에는 ICVFX 에디터에서만 제공됐던 컬러 그레이딩 패널이 이제 언리얼 에디터의 일반 기능으로 사용할 수 있게 돼, 모든 언리얼 엔진 신에서 창의적으로 컬러를 보정할 수 있는 풍부하면서도 아티스트 친화적인 인터페이스를 제공한다. nDisplay로 작업하는 사람들만이 아니라 모든 아티스트에게 향상된 컬러 그레이딩 경험을 제공하는 이 패널은 포스트 프로세스 볼륨, 시네 카메라 및 색 보정 영역도 지원한다.    DMX 버추얼 프로덕션뿐만 아니라 방송 및 라이브 이벤트에도 적용할 수 있는 언리얼 엔진의 DMX 테크 스택 또한 정식 버전이 되어 향상된 컨트롤 콘솔, 픽셀 매핑, 컨플릭트 모니터를 제공한다. 또한, 이번 버전에서는 GDTF 규격을 DMX 플러그인에 추가하여 GDTF 및 MVR을 지원하는 제어 장치와 소프트웨어의 지원을 추가하는 등의 다양한 개선 사항을 제공한다.   모바일 게임 개발 언리얼 엔진은 플랫폼 측면에서도 모바일 및 크로스 플랫폼 AAA 게임 개발을 위한 최고의 엔진이 되고자 모바일 지원에 지속적으로 노력을 기울이고 있다. 모바일 포워드 렌더러에는 플랫폼의 비주얼 퀄리티를 높일 수 있는 다양한 신규 기능이 추가되었다. 또한, 이제 D-버퍼 데칼, 렉트 에어리어 라이트, 캡슐 섀도, 포인트 및 스포트라이트용 무버블 IES 텍스처, 볼류메트릭 포그, 나이아가라 파티클 라이트가 지원되며, 모바일 포워드와 디퍼드 렌더러 모두 스크린 스페이스 리플렉션을 사용할 수 있다.    ▲ 이미지 출처 : 언리얼 엔진 홈페이지 영상 캡처   뿐만 아니라 언리얼 엔진 5.4에서 도입된 런타임 자동 PSO(Pipeline State Object) 프리캐싱이 이제 기본 활성화되어, 수동 PSO 수집 워크플로에 대한 쉽고 빠른 대안을 제공한다. 모바일 프리뷰어의 경우 특정 안드로이드 디바이스 프로필을 캡처 및 프리뷰하는 기능과 반정밀도 16비트 플로트 셰이더를 에뮬레이션하여 오류를 쉽게 확인하고 대응할 수 있는 기능 등의 다양한 개선이 이뤄졌다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지   개발자 반복 작업 언리얼 엔진 5.5를 통해 개발자의 빠른 반복 작업과 효율이 더 높은 퀄리티의 결과물을 만든다는 점을 잘 알고 있는 에픽게임즈는 크리에이터 경험의 규모와 비전을 충족하기 위해 언리얼 엔진의 데이터 처리 파이프라인을 지속적으로 발전시키고 있다. 언리얼 엔진 5.4에서 선보인 최적화된 신규 캐시 데이터 스토리지 및 네트워크 커뮤니케이션 아키텍처인 언리얼 젠 서버(Unreal Zen Server)가 이제 정식 버전으로 제공되어 공유 파생 데이터 캐시(Derived Data Cache, DDC)로 사용될 수 있다. 또한, 이번 버전에서는 젠 서버가 PC, 콘솔, 모바일 등의 타깃 플랫폼으로 쿠킹된 데이터의 스트리밍을 지원한다. 실험 단계로 도입된 이 신규 기능으로 개발 중에도 콘솔이나 모바일 등의 타깃 플랫폼에서 게임이 어떻게 보이고 작동하는지 보다 빠르고 쉽게 평가할 수 있다.   ▲ 이미지 출처 : 언리얼 엔진 홈페이지   이외에도 에디터 시스템과 쿠킹 프로세스에 최적화된 애셋 로딩 경로를 제공하는 언리얼 젠 로더, 더 빠른 C++ 및 셰이더 컴파일을 제공하는 언리얼 빌드 액셀러레이터(Unreal Build Accelerator, UBA), 더욱 효율적이고 확장 가능한 개발 워크플로를 제공하는 언리얼 호드 지속적 통합(CI) 및 원격 실행 등 다양한 기능을 이번 버전에서 정식 버전으로 제공한다.(UBA는 윈도우 호스트 머신에서 정식 버전으로 제공되며, 타 플랫폼에서는 현재 베타 단계로 제공된다.)   팹 통합 정식으로 출시된 새로운 통합 콘텐츠 마켓플레이스 팹(Fab)이 언리얼 엔진 5.5에 통합되어 퀵셀 메가스캔과 같은 개별 애셋을 신으로 직접 드래그 앤 드롭 할 수 있으며, 팹의 애셋 팩을 콘텐츠 브라우저에 추가할 수도 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

금속 적층제조의 최적화를 위한 앤시스 애디티브   이번 호에서는 금속 적층제조 공정의 파라미터 최적화 단계에서 활용할 수 있는 앤시스 애디티브(Ansys Additive)의 다양한 기능에 대해 소개하고자 한다.   ■ 박준혁 원에이엠 DfAM 팀의 선임연구원으로, 적층제조 특화 설계 업무를 담당하고 있다. 홈페이지 | www.oneam.co.kr   금속 적층제조(AM) 기법에서 공정 최적화 작업은 가변 가능한 파라미터 변수가 많아 최적화에 상당히 많은 시간과 비용이 소요된다. 앤시스 애디티브는 이러한 애로 사항을 개선하고자 직관적으로 적층 중 발생하는 변형 및 블레이드 크래시(blade crash)를 사전 예측하여 적층 실패를 줄여주는 애디티브 프린트(Additive Print) 기능과 single bead, porosity, microstructure 해석을 통해 효율적으로 공정 파라미터 최적화 작업을 수행할 수 있는 애디티브 사이언스(Additive Science) 기능을 제공한다.  이번 호에서는 금속 적층된 Al 합금의 single bead 해석을 통한 single bead 품질 안정영역 확보, porosity 해석을 통한 Hatch Distance 영역 확보, 마지막으로 microstructure 해석을 통한 소재 물성이 우수한 공정 파라미터 영역을 확보하는 방법 등 애디티브 사이언스의 기능에 대해 소개한다. 그리고, 해석 결과를 통해 통해 애디티브 사이언스를 활용하는 방안에 대해 소개하고자 한다.   금속 적층제조의 파라미터 해석을 위한 시뮬레이션 금속 적층제조 시장이 성장함에 따라 금속 적층제조 파라미터를 해석하기 위한 시뮬레이션 시장도 같이 성장하고 있다. 이번 호에서 활용하는 장비는 금속 적층제조 장비 시장의 70% 이상을 차지하는 L-PBF(Laser-Powder Bed Fusion) 방식으로, <그림 1>과 같이 분말을 한층 깔고 그 위로 선택적 레이저 조사를 통해 응고한 뒤 다시 분말을 한 층 더 도포하는 작업을 반복하여 제품을 생산하며, SLM(Selective Laser Melting)이라고도 부른다. 이 공정은 이러한 3차원 적층물 제작에 대해 기구적으로 명확한 메커니즘을 차용하고 있어, 공정 파라미터 최적화 및 변형에 대한 시뮬레이션을 적용하고자 하는 시도가 증가하는 추세이다.   그림 1. PBF(Powder bed fusion) 모식도   앤시스 애디티브는 크게 두 가지의 활용도를 갖는다. 첫 번째로 금속 적층제조에 대하여 미시적인 영역에서 공정 파라미터가 적층 제조물의 single bead, porosity, microstructure에 미치는 영향을 해석하는 애디티브 사이언스 기능이다. 이 해석 툴은 최소한의 실험을 통하여 직접 제조하지 않고도 해당 파라미터에서의 제조 품질을 예측할 수 있어, 적층제조 공정 최적화를 목표로 활용된다. 두 번째는 애디티브 프린트로, 거시적인 영역에서 적층 제조물의 잔류응력, 제조 중의 변형 예측, Blade Crash를 해석하고 이에 따른 보상 모델을 도출 및 서포트 보강을 통한 적층제조 안정성 확보에 목적이 있다. 애디티브 사이언스 기능은 시편 제조, 측정 및 해석 툴 활용 면에서 다양한 팩터(factor)를 제시하므로 전문 엔지니어에게 추천하며, 애디티브 프린트는 빠른 경향 분석 및 서포트 추가 등 한 번의 적층에 대한 안정성을 높이는데 적합하여 필드 엔지니어에게 사용을 권장한다. 기존 금속 적층제조 공정 파라미터 최적화를 수행하기 위한 시험은 <그림 2>와 같이 시편 제작부터 최종 단계인 광학 현미경 분석에 이르기까지 문헌에 의거한 파라미터 범위 선정, 시편 제작, 시편 절단. Polishing, Etching 등 복잡한 전처리 과정이 수반된다.    그림 2. 적층 공정 파라미터 분석 절차     ■ 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: ZWSOFT 주요 특징 : 제조/기계 분야에 특화된 설계 기능 탑재, 6만 개 이상의 표준 부품 라이브러리 제공, 하드웨어 가속화 기능 결합해 대용량 도면 작업의 속도 향상, 제조/기계 설계에 필요한 세부 사항 설계 및 엔지니어링 도구 추가 제공 등 공급 : 지더블유캐드코리아   지더블유캐드코리아가 제조 및 기계 설계 부문에서 혁신적인 설계 효율성과 사용자 요구를 반영한 최신 버전 ‘ZWCAD(지더블유캐드) LM 2025’와 ‘ZWCAD MFG 2025’를 선보였다. 제조/기계 분야에 특화된 설계 기능과 6만 개 이상의 표준 부품 라이브러리를 갖춘 두 제품은 범용 CAD 소프트웨어보다 설계 작업의 효율성을 높이며, 대용량 도면 작업 시에도 높은 성능을 제공한다. 특히 ZWCAD LM 2025는 꼭 필요한 기능만으로 제조 설계에 최적화된 설루션을 제공하며, ZWCAD MFG 2025는 BOM 기능과 정밀한 기계 주석 기능까지 지원하여 도면 생산성 향상에 기여한다. 이를 통해 제조/기계 설계 부문 종사자가 더욱 빠르고 정확하게 설계 작업을 수행하고, 설계자는 대규모 프로젝트에서 발생하는 반복적인 작업을 단축하는 동시에 설계 데이터의 정확도를 높여, 최종 도면 완성도와 생산성을 동시에 높이는 데에 기여할 것으로 보인다.   ZWCAD LM 2025 ZWCAD LM 2025는 제조업 설계에 필수적인 기능만을 담아 더욱 효율적인 작업 환경을 제공하는 2D CAD 소프트웨어다. 이 소프트웨어는 6만 개 이상의 기계 표준 부품과 기계 엔지니어링 도구를 탑재하여, 일반적인 ZWCAD 설계 작업 대비 시간 절감 효과를 실현하며, DWG 형식과 100% 호환성을 통해 디자인 작업의 개방성과 편리성을 높인다. 특히 ZWCAD의 자체 엔진과 하드웨어 가속화 기능이 결합되어, 100MB 이상의 대용량 도면에서도 빠른 작업이 가능해 타 소프트웨어 대비 높은 성능을 제공한다. ZWCAD LM 2025는 표준 부품 라이브러리 기반의 표준 도면 생성, 효율적인 주석 도구, 파워 치수 기능 등 제조 부문에 특화된 기능을 포함하여 설계 작업을 더욱 가볍고 신속하게 진행할 수 있도록 최적화되어 있다.    ▲ ZWCAD LM 2025의 기계 도면 메뉴   ▲ ZWCAD LM 2025의 기계 주석 메뉴   부품 라이브러리 및 생성기 앞서 소개한 대로 ZWCAD LM 2025는 설계 작업을 더욱 신속하고 체계적으로 처리할 수 있도록, 6만 개 이상의 표준 기계 부품이 포함된 라이브러리를 제공한다. 나사, 너트, 워셔, 핀, 리벳, 스프링, 베어링 등 다양한 부품이 포함되어 있어 설계자는 필요한 부품을 라이브러리에서 즉시 찾아 사용할 수 있다. 또한 부품 라이브러리에는 치수를 자동으로 생성하고 블록, 그룹, 개별 객체 형태로 내보낼 수 있는 옵션이 있어, 설계의 유연성을 높이면서 시간을 절감할 수 있다.   ▲ ZWCAD LM 2025의 부품 설계 및 개발 시스템 프레임   STEP 파일 가져오기 ZWCAD LM 2025는 국제적인 기계 산업 파일 형식인 STEP 파일의 가져오기를 지원하여, 설계 부서와 제조 부서 간의 파일 전송 효율을 높인다. 지원하는 STEP 버전은 AP203과 AP214이며 위치, 가져오기 방법, 디스플레이 설정을 포함한 세부적인 설정 옵션을 통해 사용자 맞춤형 가져오기가 가능하다. 이를 통해 파일 전송 및 호환성 문제로 인한 시간과 비용을 줄일 수 있어, 설계 과정의 연속성을 보장한다.    ▲ ZWCAD LM 2025의 STEP파일 불러오기 옵션   파워 치수 ZWCAD LM의 파워 치수 기능은 설계 과정의 정확도와 효율성을 높여주는 도구다. 일반적인 치수 표시뿐 아니라 공차와 끼워맞춤 같은 정밀한 치수 설정이 가능해, 제조업에서 필수인 정밀 설계를 손쉽게 구현할 수 있다. 다양한 치수 기능을 통해 설계자는 작업 목적에 맞는 치수를 더욱 직관적으로 표현할 수 있으며, 이를 통해 도면의 품질을 높이고 생산성까지 높일 수 있다.  ZWCAD LM 2025는 이러한 고급 기능을 통해 설계자들이 대규모 프로젝트에서도 효율적으로 작업할 수 있는 환경을 제공하며, 설계 품질과 정확도를 한층 높여 제조업 설계의 새로운 기준을 제시한다.    ▲ ZWCAD LM 2025의 파워치수 옵션   ZWCAD MFG 2025  ZWCAD MFG 2025는 6만 개 이상의 표준 기계 부품과 기계 엔지니어링 도구를 제공하여, 일반적인 ZWCAD FULL 제품보다 더욱 빠르게 설계 작업을 수행할 수 있는 환경을 조성한다. 이를 통해 설계자는 반복 작업을 단축하고 도면 생산성을 높이며, 전반적인 작업 시간을 절감할 수 있다.  또한, ZWCAD FULL 버전의 모든 기능을 지원하면서 제조/기계 설계에서 필요한 세부 사항 설계 및 엔지니어링 도구를 추가로 제공해, 산업별 맞춤형 설계가 가능하다.  ZWCAD MFG 2025는 기계 설계 작업에 필수적인 2D 시트 도면을 위해 다양한 도구를 갖추고 있다. 샤프트 생성기, 기하공차, 치수, 표면 텍스처 기호, 풍선(balloon), BOM, 표준 부품 등 세부적인 설계 기능이 포함되어 있어, 정밀하고 체계적인 도면 작업을 지원한다. 특히 BOM 기능은 부품 목록을 체계적으로 관리할 수 있어, 효율적인 자재 관리와 생산 계획 수립에 도움을 준다.   기계 부품 라이브러리&샤프트 및 기어 생성 ZWCAD MFG 2025가 제공하는 라이브러리에는 나사, 너트, 워셔, 핀, 리벳, 스프링, 베어링 등이 포함되어 있어, 설계자는 필요한 부품을 손쉽게 검색하고 치수 자동 생성 기능을 통해 설계의 유연성을 극대화할 수 있다. 또한, 부품을 블록, 그룹, 개별 객체로 내보낼 수 있는 옵션이 있어, 작업의 다양성과 효율성을 높인다. 샤프트 및 기어 생성기 또한 파라미터 입력만으로 다양한 샤프트와 기어를 신속하게 생성할 수 있어 복잡한 기계 설계 작업의 시간을 줄인다.    ▲ ZWCAD MFG 2025의 샤프트/기어 생성 옵션   지능적인 풍선 기호와 BOM 기능 ZWCAD MFG 2025의 풍선 기호 및 BOM 기능은 설계의 정확도와 일관성을 유지하면서도 효율적인 자재 관리가 가능하도록 설계되었다. 설계자는 다양한 옵션을 통해 풍선 기호를 쉽고 빠르게 삽입하고, 이를 정렬 및 편집할 수 있으며, 풍선 기호에 대한 모든 변경 사항은 자동으로 BOM에 반영되어 데이터의 최신 상태가 유지된다. 또한 표준 부품을 자동으로 인식하여 BOM에 요약 표시해, 생산 계획 수립 및 자재 조달 시 일관성을 보장한다.    ▲ ZWCAD MFG 2025의 표준 부품 BOM 요약 표시   확장된 제조용 도구 : 구성선 구성선 도구는 32가지의 옵션을 제공해 설계자가 원하는 기준선을 쉽게 설정할 수 있다. 이 구성선은 도면의 기본적인 형태와 구조를 정의하는 데에 필수이며, 복잡한 설계를 체계적으로 정리할 수 있도록 돕는다. 추가로 7개의 옵션을 통해 구상원(구형을 위한 기준 원)을 생성할 수 있어, 원형 부품이나 구형 형태의 설계를 빠르게 시각화할 수 있다.    ▲ ZWCAD MFG 2025의 구성선 선택 모드   확장된 제조용 도구 : 중심선 중심선 도구는 기계 설계에서 가장 자주 사용하는 기능 중 하나로 직사각형, 원, 또는 다양한 객체를 선택하여 중심선을 빠르고 정확하게 생성할 수 있다. ZWCAD MFG 2025는 단일 대상뿐만 아니라 복수의 대상을 선택해 동시에 중심선을 그릴 수 있는 기능을 지원하여, 복잡한 도형이나 구조물을 설계할 때에도 유용하게 쓰인다. 중심선은 기계 부품의 대칭성을 강조하고, 설계의 정확도를 높이는데 필수인 요소로, 부품 간의 관계를 명확히 하여 설계 의도를 더욱 쉽게 전달할 수 있게 한다.    ▲ ZWCAD MFG 2025의 중심선 표시   확장된 제조용 도구 : 상세 도구 ZWCAD MFG 2025의 상세 도구는 도면의 특정 부분을 원하는 축척으로 확대하여 표시할 수 있는 기능을 제공한다. 이는 설계에서 특히 세밀한 부분을 강조하고자 할 때 유용하며, 복잡한 영역이나 작은 치수를 기입하기 어려운 부분에 대해 명확하게 작업할 수 있는 환경을 조성한다. 상세 도구는 확대된 섹션을 도면의 다른 위치에 배치할 수 있어, 전체적인 도면 흐름을 방해하지 않으면서도 세밀한 정보를 전달할 수 있다. 이러한 기능은 설계의 명확성과 시각적 이해도를 높여주며, 작업자 간 원활한 협업을 가능하게 한다.   ▲ ZWCAD MFG 2025의 상세보기 옵션     ■ 기사 내용은 PDF로도 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      ■ 같이 보기 : [포커스] CAE 컨퍼런스 2024, 제조 혁신을 위한 CAE와 AI의 융합 전략 소개   이번 ‘CAE 컨퍼런스 2024’에서는 최신 CAE 기술 및 인공지능 기술의 흐름, 산업에서의 적용 사례 등이 소개됐다. 나니아랩스의 강남우 대표는 ‘로코드 AI 플랫폼을 이용한 설계 생성/예측/최적화 방법 및 사례’ 발표를 통해, 제조 도메인 전문가가 설계안을 효과적으로 생성하고 예측하며 최적화하는 데에 도움을 줄 수 있는 로코드(low-code) AI 플랫폼인 AslanX에 대해 설명했다. AslanX는 사용자 친화적인 인터페이스를 제공하여 비전문가도 쉽게 활용할 수 있다는 점을 특징으로 내세운다. 실제 사례를 통해 AslanX의 유용성을 소개한 강남우 대표는 “로코드 AI 플랫폼은 복잡한 설계 과정을 간소화하여 제조업체가 빠르게 효율적인 설계안을 생산할 수 있도록 지원하고, 데이터 기반 예측 기능을 통해 기업이 설계 효율을 높이면서 잠재적인 위험 요소를 미리 발견해 더 나은 의사결정을 내릴 수 있도록 돕는다”고 전했다.   ▲ 나니아랩스 강남우 대표   HP의 김태화 P3D 매니저는 ‘HP 3D 프린팅 자동화 설루션이 주도하는 산업의 디지털 트랜스포메이션’이라는 주제 발표를 통해 “과거 3D 프린팅 기술은 주로 시제품 제작에 쓰였지만, 지금은 최종 부품 생산에도 점점 더 많이 활용되고 있으며 앞으로 그 비중이 더욱 커질 것”이라고 전망했다. 김태화 매니저는 이러한 변화에 대응하기 위해 HP의 젯 퓨전 5600(Jet Fusion 5600) 3D 프린터와 자동화 시스템을 소개했다. 젯 퓨전 5600은 생산 속도와 품질을 동시에 향상시키고, 고객 맞춤형 파라미터 조정 기능을 통해 다양한 요구를 충족시킬 수 있도록 설계되었다. 김태화 매니저는 “젯 퓨전 3D 프린터를 중심으로 한 자동화 시스템은 비용 절감과 생산성 향상을 지원하며, 고객 요구에 맞는 맞춤형 제조 환경을 제공한다”고 전했다.   ▲ HP 김태화 P3D 매니저   피도텍의 최병열 연구위원은 ‘최적설계 대중화를 위한 AADO 기술’을 소개했다. 최적설계의 개념을 ‘최소한의 자원으로 최대의 결과를 도출하는 과정’으로 설명한 최병열 연구위원은 최적 설계 기술의 필요성이 늘면서 많은 기업이 최적화 도구에 대한 필요성을 느끼고 있지만, 접근성을 높이는 것이 해결 과제라고 짚었다. 최병열 연구위원은 “기존 최적설계 기술의 복잡한 접근 방식을 간소화해 모든 엔지니어가 접근할 수 있도록 할 방법을 고민했다”면서, “그 결과 탄생한 AADO(AI Aided Design Optimization)는 AI와 데이터 분석, 비주얼라이제이션 기술을 결합해 최적 설계 도구의 혁신 방안을 제시하고, 이를 통해 엔지니어가 더 효율적으로 설계 문제를 해결할 수 있도록 돕는다”고 전했다.   ▲ 피도텍 최병열 연구위원   케이더블유티솔루션의 변성준 이사는 ‘CAD와 CFD 융합을 통한 제품 설계 혁신’ 발표에서 “CFD(전산 유체 역학)가 제품 설계 과정에서 필수 요소로 자리잡고 있으며, CAD와 CFD의 통합은 설계 시간 절약과 데이터 분석의 정확성을 높여 기업 경쟁력에 기여한다”고 설명했다. 변성준 이사가 소개한 SimericsMP for NX는 NX CAD에 통합된 유한 체적법(FVM) 기반의 CFD 소프트웨어로, CAD 환경에서 직접 CFD 해석을 빠르고 효율적으로 수행할 수 있도록 돕는다. 변성준 이사는 “SimericsMP for NX는 격자 생성 시간을 줄이고 정확도를 높이면서, 복잡한 형상에서 해석의 일관성을 유지하는 것이 특징”이라고 소개했다.   ▲ 케이더블유티솔루션 변성준 이사   LG전자의 박우철 책임연구원은 ‘가전 개발에서 CAE와 AI 활용’에 대해 발표를 진행했다. LG전자는 제품 개발 프로세스에서 동역학 해석과 진동 해석을 통해 제품의 품질을 확보하고, 극한 시나리오에 품질을 검증하는 등에 CAE를 활용하고 있다. “머신러닝은 이점과 함께 실행 과정의 복잡성도 갖고 있다”고 짚은 박우철 책임연구원은 “AI의 적용 가능성을 높이기 위해 설계와 생산 과정에서 신뢰성 있는 데이터를 확보하고, 해석 결과의 일관성을 확보할 방법을 고민해야 한다”고 전했다. 또한 AI를 도입하는 과정에서 초기 투자 비용, 데이터 확장성, 전문 인력의 확보 등을 고려할 필요가 있다고 덧붙였다.   ▲ LG전자 박우철 책임연구원   지멘스 디지털 인더스트리 소프트웨어의 이종학 프로는 ‘제품 개발과 검증의 가속화를 위한 심센터 AI 설루션’에 대해 발표했다. 이종학 프로는 “AI 기술을 활용한 자동화 설루션은 제품 설계와 실험 과정에서 시간을 단축하고 효율성을 높일 수 있다”고 전했다. 지멘스의 시뮬레이션 포트폴리오인 심센터(Simcenter) 내에 탑재된 AI 기능을 소개한 이종학 프로는 “반복적인 작업의 자동화를 구현하기 위해서는 제품 개발 프로세스의 단계에서 사용할 데이터의 수집 및 흐름을 체계적으로 구성해야 한다. 또한 AI 모델을 활용해 최적의 디자인을 찾는 과정에서 최적화 알고리즘을 적용해 반복 작업을 효율적으로 관리하고, 그 결과에서 유의미한 인사이트를 도출하는 과정이 중요하다”고 전했다.   ▲ 지멘스 디지털 인더스트리 소프트웨어 이종학 프로   현대자동차의 김용대 글로벌R&D마스터는 ‘모빌리티 아키텍처 단계 타이어 시스템의 버추얼 개발 프레임워크’에 대해 소개했다. 전기차 타이어의 경우, 배터리와 차량의 무게가 늘어남에 따라 스트레스 및 성능에 있어 새로운 요구사항이 발생한다. 이에 대응해 타이어의 재설계가 필요한데, 김용대 마스터는 “초기 개발 단계에서 가상 모델을 기반으로 하는 새로운 방식이 필요하며, 이를 통해 실물 타이어에 의존하는 전통적인 접근에서 벗어나는 것도 고민해야 한다”고 말했다. 김용대 마스터는 “다양한 미래 모빌리티 환경에 적응하기 위해 시스템 엔지니어링 관점을 통합할 필요성이 있다”면서, “데이터 기반 의사결정을 통해 협력사와의 관계를 더욱 견고히 하고, 통합된 시스템으로 전환해 타이어 및 완성차 개발의 완성도를 높여야 할 것”이라고 덧붙였다.   ▲ 현대자동차 김용대 글로벌R&D마스터   현대모비스의 정원태 책임연구원은 ‘NVH 해석 분야에서의 고전적 방법론과 디지털 기술 융합 사례’ 발표를 통해 “기술의 발전이 CAE의 변화와 새로운 접근 방식을 요구하고 있다”면서, 데이터 중심의 AI 및 머신러닝의 활용 가능성과 함께 도전 과제를 극복하기 위한 방법론을 소개했다. 전기차의 복합 시스템 모델링 방법과 자유도 문제 해결, 모달 모델을 통한 복잡한 시스템의 간소화, 머신러닝 기법을 활용한 모터의 품질 예측 등 사례를 소개한 정원태 책임연구원은 “고전적 방법론과 AI, 머신러닝 기술의 결합은 더 빠르고 정확한 모델링을 가능케 하며, 디지털 트윈 기술은 복잡한 엔지니어링 문제를 해결하는 데에 도움을 준다”면서, 모델링과 데이터에 대한 깊은 이해를 바탕으로 효과적인 문제 해결을 위해 꾸준히 고민할 것을 당부했다.   ▲ 현대모비스 정원태 책임연구원

  18　THEME. 제조·건축 디자인의 미래를 그리는 인공지능과 디지털 트윈 AI 주도의 디자인을 바라보는 관점 : 프로세스와 사례 중심으로 / 고성찬 생성형 AI와 제조 디자인의 현재 그리고 미래 / 유훈식 이미지 생성을 넘어 : 모빌리티 디자인에서 생성형 AI의 동향과 숙제 / 박현준 제조 및 건설 산업의 패러다임을 바꾸는 디지털 트윈의 혁신 / 이문규 디지털 혁신의 시대, 건축가와 엔지니어를 위한 협업 도구 / 이경선 제조 산업의 디지털 트윈을 위한 리얼타임 렌더링 / 진득호   INFOWORLD   Editorial 17　2024년을 되돌아보며 : AI, 산업을 재정의하다   People&Company 45　시각화 콘텐츠 제작을 위한 토털 설루션 제공하는 맥슨　지브러시, 시네마4D, 레드 자이언트로 만나는 새로운 크리에이티브 경험   Case Study 68　항공기 부품 제조 혁신에 기여하는 적층제조　3D 프린팅으로 만들어진 GE의 LEAP 연료 노즐 70　산업 분야에서 효과적인 협업을 돕는 몰입형 3D 기술　몰입형 3D 협업 앱으로 워크플로 및 생산성 개선   Column 86　현장에서 얻은 것 No.19 / 류용효　익숙함을 넘어 편리함으로 90　디지털 지식전문가 조형식의 지식마당 /조형식　스마트에서 혁신으로   Focus 48　CAE 컨퍼런스 2024, 제조 혁신을 위한 CAE와 AI의 융합 전략 소개 53　빌드스마트 콘퍼런스 2024, AI/로봇공학/디지털 도구를 통한 건설의 미래 탐색 56　다쏘시스템, “버추얼 트윈으로 지속 가능한 디지털 전환 이끈다” 58　앤시스, “시뮬레이션과 AI의 결합 및 접근장벽 낮추는 기술 개발 강화할 것” 73　AWS, 인더스트리 위크 통해 산업의 디지털 전환과 클라우드 혁신 전략 제시 76　인텔, AI PC 위한 프로세서와 생태계로 혁신의 문을 열다 78　연세대와 IBM의 양자 혁명 : 한국 첫 양자컴퓨터 설치의 의미와 미래 80　콘진원, ‘AI로 만나는 새로운 콘텐츠 세상’... AI 콘텐츠 페스티벌 2024 개최   New Products 60　제조 및 기계 설계를 위해 최적화된 CAD 설루션　ZWCAD LM 2025 / ZWCAD MFG 2025 64　온프레미스 기반의 AI 알고리즘 솔루션　Stochos 66　통합 디지털 콘텐츠 마켓플레이스　팹   On Air 82　캐드앤그래픽스 CNG TV 지식방송 지상중계　자동차 산업에서의 다중소재 접합 및 조립 해석 기술 동향 83　캐드앤그래픽스 CNG TV 지식방송 지상중계　제조산업의 디지털 혁신을 위한 헥사곤 설루션 활용 전략 84　캐드앤그래픽스 CNG TV 지식방송 지상중계　클라우드 기반 데이터 리비전과 GIS 통합 설루션 85　캐드앤그래픽스 CNG TV 지식방송 지상중계　마커리스 증강 및 자동 라우팅 기술을 통한 미래 BIM 전략   Directory 139　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 93　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　딥러닝 모델 개발 프로세스 기록/분석/가시화 및 모델 튜닝하기 98　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (8) / 천벼리　BIM 도면의 상세 보기 132　디지털 데이터의 정리에 관하여 / 양승규　효율과 생산성을 높이기 위한 파일 관리 팁 136　새로워진 캐디안 2025 살펴보기 (1) / 최영석　최신 버전의 주요 기능 소개   Reverse Engineering 101　문화유산 분야의 이미지 데이터베이스와 활용 사례 (12) / 유우식　안료 데이터베이스   Mechanical 110　제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (7) / 김성철　메커니즘 디자인 소개   Analysis 115　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (16) / 나인플러스IT　터보 기계 시뮬레이션을 위한 엔지니어 가이드 Ⅱ 118　금속 적층제조의 최적화를 위한 앤시스 애디티브 / 박준혁　적층 공정의 파라미터 최적화를 위한 애디티브 사이언스 기능 124　SimericsMP for NX CAD의 해석 과정 소개 / 케이더블유티솔루션　CAD 프로그램 내부에서 유동 해석 직접 진행하기 128　산업 디지털 전환을 위한 버추얼 트윈 (7) / 임상혁　개념 설계부터 최종 제품까지 다물체 동역학 해석을 위한 심팩       캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기