문화유산 분야의 이미지 데이터베이스와 활용 사례 (5)   지난 호에서는 우리의 소중한 문화유산인 전통 한지에 관한 데이터베이스 구축의 중요성과 문화유산 분야에서의 활용 사례에 관하여 살펴보았다. 데이터베이스에 어떠한 정보가 유용한 정보인지를 판단하기 위하여 종이의 역사와 동아시아 전통 종이의 차이를 정리하였다. 한지 제지 공정, 한지의 다양한 명칭, 한지의 특징, 한지의 원료, 한지의 색상 및 빛의 투과 특성, 전통한지의 우수성과 전통 계승 및 보존의 중요성에 관해서 살펴보았다.  이번 호에서는 국내외의 고지도를 소개하고 고지도에서 얻을 수 있는 다양한 지리 및 역사 정보에 관하여 살펴본다. 근대의 측량 기술이 도입되기 전에 제작된 고지도의 한계와 수록된 정보의 해석에 있어서의 주의점에 관해서도 생각해 보고자 한다. 고지도 데이터베이스의 중요성과 문화유산, 역사, 인문학 분야에서의 해석 및 활용 사례에 관하여 살펴보도록 한다.   ■ 연재순서 제1회 이미지 데이터와 데이터베이스의 중요성 제2회 서화, 낙관, 탁본 데이터베이스 제3회 옛 사진 데이터베이스 제4회 한지 데이터베이스 제5회 고지도 데이터베이스  제6회 고서 자형 데이터베이스 제7회 필사본 고서 데이터베이스  제8회 목판본 고서 데이터베이스  제9회 금속활자본 고서 데이터베이스  제10회 근대 서지 데이터베이스  제11회 도자기 데이터베이스 제12회 안료 데이터베이스   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본 교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산설비분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원이다. 이메일 | woosik.yoo@wafermasters.com  홈페이지 | www.wafermasters.com   그림 1. 대동여지도와 대한민국전도의 유사도와 축척 비교(10리를 4km로 계산하면 대동여지도는 실제의 크기보다 약 25% 크게 그려져 있다.)   우리나라의 지도 국어사전에서는 지도(地圖)를  ‘지구 표면의 상태를 일정한 비율로 줄여, 이를 약속된 기호로 평면에 나타낸 그림’으로 설명하고 있다. 근대 이후에 제작된 지도를 바탕으로 한 설명이라고 볼 수 있다. 현대에는 수치 정보를 바탕으로 한 지리 정보 시스템(GIS : Geographic Information System)과 GPS(Global Positioning System)를 사용하여 항공기, 선박, 자동차 및 보행자의 위치를 무선으로 안내하는 시스템이 사용되고 있다. 지도의 수치 정보와 자신의 위치 정보는 컴퓨터에서 처리되며 화면에 표시된다. 물론 전통적인 방법으로 종이에 인쇄하여 사용하는 것도 가능하다. 우리나라 지도 제작의 역사는 삼국시대 이전으로 거슬러 올라갈 것으로 추정된다. 삼국시대 이전에도 외부와 교류가 활발했고 기록 활동도 있었으므로, 어떠한 형태로든 지도가 만들어졌을 것으로 보인다. 필사에 의한 간단한 약도부터 초기 형태의 지도가 만들어져 활용되었을 것이다. 그러나 현재는 조선 시대 이후의 것들만 전해지고 있다. 현존하는 고지도 가운데 가장 오래된 지도는 조선 초기인 1402년(태종 2년)에 제작된 ‘혼일강리역대국도지도’이다. 이 지도는 당시 제작된 세계 지도로는 세계적으로도 가장 뛰어난 지도 중의 하나로 인정되고 있으나 원본은 전하지 않는다. 필사본은 일본 류코쿠대학이 소장하고 있다. 일본 텐리대학과 서울대학교 규장각에는 필사 모사본이 있다.  조선 전기에는 국토의 측량을 기초로 우리나라 영토의 부분부분을 그린 지도가 활발하게 만들어졌다. 조선 전기의 대표적인 전도(全圖)로는 1530년(중종 25년)에 간행된 ‘신증동국여지승람’에 수록된 ‘팔도총도’를 들 수 있다. 이 전도는 특정 지역의 지역적 성격을 종합적으로 지도와 함께 기록한 지지(地誌)를 보완하는 형태로 부도(附圖)의 형식을 영토의 전체적인 모양을 두 면에 수록하였으며 대표적인 산, 강, 고을의 이름이 간략하게 적혀 있다.    대동여지도 개항 이전인 1876년(고종 13년), 근대적 측량이 이루어지기 전에 제작된 한반도의 지도 중 가장 정확한 지도로 꼽히는 것이 ‘대동여지도’이다. 김정호가 1861년(철종 12년)에 지도첩의 형태로 제작한 한반도의 지도이다. 접었을 때의 책의 크기는 가로 20cm, 세로 30cm로 보관과 운반이 용이하게 만들어졌다. 지도는 가로 19판, 세로 22층(또는 22첩)으로 이루어졌다. 지도의 축척을 나타내는 방안(方眼)에 의하면 지도의 한 면은 가로 80리, 세로 120리에 해당하며 지도의 두 면이 한 장의 목판으로 인쇄되었다. 지도를 펼치면 가로 약 3.8m, 세로 약 6.7m에 이른다. 현재 세 건이 대한민국의 보물로 지정되어 있으며, 대동여지도의 인쇄에 사용된 목판이 2008년에 대한민국 보물로 지정되었다. <그림 1>에서 보는 바와 같이 현재의 한반도 지도의 윤곽과 비교해도 손색이 없다. 1834년(순조 34년)에 제작하고 1840년대까지 3차례에 걸쳐 개정한 ‘청구도’와 1530년에 편찬한 ‘신증동국여지승람’ 등을 참고하여 만들어진 것으로 여겨지고 있다.  대동여지도의 백두산 부분을 살펴보면 단순한 지리 정보 뿐만 아니라 청나라와의 국경을 정한 내용, 청나라와 조선의 담당자, 비석을 세운 날짜 등을 기록하여 세운 비석인  정계비(定界碑)의 위치까지 표시되어 있다.(그림 2) 정계비를 세운 날짜는 강희 51년 5월 15일로 1712년(숙종 38년)의 일이다. ‘강희임진정계(康熙壬辰定界)’라고 적혀 있어 청나라 강희제의 임진년인 1712년에 청나라와 조선의 경계를 정해서 비석을 세운 것임도 기록해 두었다. 대동여지도가 1861년에 만들어진 것이므로 149년 전의 역사적 사실을 기록한 셈이다. 이처럼 고지도에는 단순한 지리 정보뿐만 아니라 역사 정보도 기록되어 있는 경우가 많아, 귀중한 역사 연구자료로서의 가치도 매우 높다.    그림 2. 대동여지도에 그려진 백두산 부분.조선과 청나라의 국경을 표시하기 위하여 1712년 5월 15일에 세워진 백두산정계비의 위치가 표시되어 있다.    대동여지도는 100리(里)를 1척(尺)으로, 10리를 1촌(寸)으로 한 백리척(百里尺) 축척의 지도이나 당시의 10리를 현재의 길이 단위로 정확히는 알 수 없다. 조선 시대의 10리를 오늘날과 마찬가지인 4km로 계산하면 축척은 1 : 16만으로 계산된다. ‘대동지지’와 ‘속대전’의 기록인 “주척(周尺)을 쓰되 6척은 1보(步)이고 360보는 1리(里)이며 3600보는 10리로 된다”라는 내용을 기준으로 축척을 추정하면 1 : 21만 6000이다. 그러나 필자가 현대에 만들어진 지도와 크기가 유사하게 조정하여 대동여지도의 축척을 계산하면 약 1 : 12만 8000이었다. 문헌상의 기록을 바탕으로 추정한 축척과는 25% 또는 69%의 차이가 발생한다. 대동여지도에서는 실제 거리로 약 1280m(=1.28km)에 해당하는 직선 거리가 1cm로 표시된 셈이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (2)   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 호에서는 혁신적인 디자인 경험을 제공할 수 있는 직스캐드 2024의 포인트 클라우드(point cloud, 점군) 기능에 대해 살펴본다.   ■ 이소연 직스테크놀로지 기술지원팀의 대리로 직스캐드의 기술지원 및 교육을 맡고 있다. 이메일 | tech@zyx.co.kr 홈페이지 | https://zyx.co.kr   그림 1. 포인트 클라우드의 예시   직스캐드 2024 버전에서는 디자인 및 엔지니어링 분야의 혁신이 더욱 확대되었다. 이번에 추가된 포인트 클라우드 기능은 사용자들에게 새로운 차원의 디자인 경험을 제공하며, 디자인 작업을 보다 직관적이고 효율적으로 만들어낸다. 포인트 클라우드 기능은 물체나 환경을 3차원 공간 상에 좌표로 표현한 데이터를 쉽게 가져와서 디자인 작업에 활용할 수 있다. 이는 레이저 스캐너나 카메라를 통해 취득된 데이터를 직스캐드에서 쉽게 작업하여 설계자들이 사진에 담을 수 없었던 현장을 그대로 볼 수 있게 됐다. 이 기능을 통해 사용자들은 건축물의 외형을 분석하고 수정하는데 사용할 수 있으며, 제조 엔지니어는 제품의 형태와 치수를 분석하여 제조 공정을 최적화할 수 있다. 또한, GIS 전문가는 지형 분석 및 지리 정보 시스템에 포인트 클라우드 데이터를 쉽게 통합하여 지형 모델링을 수행할 수 있다. 이 외에도 포인트 클라우드 기능은 다양한 산업 분야에서 활용될 수 있으며, 사용자들에게 더욱 직관적이고 효율적인 경험을 제공한다. 직스캐드 2024의 새로운 포인트 클라우드 기능은 디자이너들의 창의성을 끌어올리고 혁신적인 디자인을 만들어내는데 도움이 될 것이다.   포인트 클라우드 사용하기 데이터 취득 포인트 클라우드를 만들기 위해서는 먼저 데이터가 필요하다. 레이저 스캐너, 구조 광 프로젝터, 드론 또는 스테레오 카메라와 같은 장비를 사용해야 된다. 이러한 장비로 물체나 환경을 촬영하고 측정하여 3D 좌표를 생성한다.   데이터 처리 현재 직스캐드 2024 버전에서는 6개의 확장자를 지원한다. (*.rcs, *.rcp, *.e57, *.las, *.laz, *.pts) 취득한 데이터를 변환하는 작업을 거치면 모델을 확인할 수 있다.   그림 2. 포인트 클라우드 변환   포인트 클라우드 시각화 데이터가 처리되면 포인트 클라우드를 시각화하여 확인할 수 있다.    분석 및 편집 시각화된 포인트 클라우드를 통해 색상 및 단면, 점의 크기와 세밀도를 필요에 따라 편집할 수 있다.   그림 3. 포인트 클라우드 편집   시뮬레이션 및 검증 디자인이 완료되면 시뮬레이션을 통해 제품이나 구조물의 특징을 확인할 수 있다. 이를 통해 디자인의 품질과 안정성을 확보할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI의 멀티모달 딥러닝 기술 확산의 계기가 된 오픈AI(OpenAI)의 CLIP(Contrastive Language-Image Pre-Training, 2021) 코드 개발 과정을 분석하고, 사용하는 방법을 정리한다.    ■ 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 CLIP은 구글이 개발한 자연어 번역 목적의 트랜스포머 모델, 비전 데이터 변환에 사용되는 VAE(Variational Autoencoder) 개념을 사용하여 멀티모달 학습 방식을 구현하였다. 이번 호에서는 그 과정을 설명하고 파이토치로 직접 구현하는 과정을 보여준다. CLIP을 이용하면 유튜브, 넷플릭스와 같은 영상에서 자연어로 질의해 해당 장면을 효과적으로 검색할 수 있다. 참고로, CLIP에서는 트랜스포머가 핵심 컴포넌트로 사용되었다. CLIP과 같이 트랜스포머가 자연어 번역 이외에 멀티모달의 핵심 기술이 된 이유는 비정형 데이터를 연산 가능한 차원으로 수치화할 수 있는 임베딩 기술의 발전과 트랜스포머의 Key, Query, Value 입력을 통한 여러 학습 데이터 조합이 가능한 특징이 크게 작용했다.    그림 1. 멀티모달 시작을 알린 오픈AI의 CLIP 모델(Learning Transferable Visual Models From Natural Language Supervision, 2021)   트랜스포머와 VAE를 이용한 멀티모달 CLIP 네트워크를 좀 더 깊게 파헤쳐 보도록 한다. 앞서 설명된 트랜스포머, 임베딩과 관련된 개념에 익숙하다면, CLIP을 이해하고 구현하는 것이 그리 어렵지는 않을 것이다.    CLIP에 대한 이해 오픈AI에서 개발한 CLIP 모델은 공유 임베딩 공간 내에서 이미지 및 텍스트 형식을 통합하는 것을 목표로 했다. 이 개념은 기술과 함께 이미지와 텍스트를 넘어 다른 양식을 수용한다.(멀티모달) 예를 들어, 유튜브 등 비디오 애플리케이션 내에서 텍스트 검색 성능을 개선하기 위해 공통 임베딩 공간에서 비디오 및 텍스트 형식을 결합하여 모델을 학습시켰다. 사실, 임베딩 텐서를 잠재 공간(Latent Space)으로 이기종 데이터를 변환, 계산, 역변환할 수 있다는 아이디어는 VAE 기술, 구글의 트랜스포머 논문(2017)을 통해 개발자들 사이에 암시되어 있었다. 이를 실제로 시도해본 연구가 CLIP이다.  참고로, CLAP(Contrastive Language-Audio Pretraining)은 동일한 임베딩 공간 내에서 텍스트와 오디오 형식을 통합하는 또 다른 모델로, 오디오 애플리케이션 내에서 검색 기능을 개선하는 데 유용하다. CLIP은 다음과 같은 응용에 유용하다. 이미지 분류 및 검색 : CLIP은 이미지를 자연어 설명과 연결하여 이미지 분류 작업에 사용할 수 있다. 사용자가 텍스트 쿼리를 사용하여 이미지를 검색할 수 있는 보다 다양하고 유연한 이미지 검색 시스템을 허용한다. 콘텐츠 조정 : CLIP은 부적절하거나 유해한 콘텐츠를 식별하고 필터링하기 위해 이미지와 함께 제공되는 텍스트를 분석하여, 온라인 플랫폼의 콘텐츠를 조정하는 데 사용할 수 있다. 참고로, 메타 AI(Meta AI)는 최근 이미지, 텍스트, 오디오, 깊이, 열, IMU 데이터 등 6가지 양식에 걸쳐 공동 임베딩을 학습하는 이미지바인드(ImageBind)를 출시했다. 두 가지 모달리티를 수용하는 최초의 대규모 AI 모델인 CLIP은 이미지바인드 및 기타 다중 모달리티 AI 시스템을 이해하기 위한 전제 조건이다. CLIP은 배치 내에서 어떤 N×N(이미지, 텍스트) 쌍이 실제 일치하는지 예측하도록 설계되었다. CLIP은 이미지 인코더와 텍스트 인코더의 공동 학습을 통해 멀티모달 임베딩 공간을 만든다. CLIP 손실은 트랜스포머의 어텐션 모델을 사용하여, 학습 데이터 배치에서 N개 쌍에 대한 이미지와 텍스트 임베딩 간의 코사인 유사성을 최대화하는 것을 목표로 한다.  다음은 이를 설명하는 의사코드이다. 1. img_en = image_encoder(I)   # [n, d_i] 이미지 임베딩 인코딩을 통한 특징 추출  2. txtxt_emdn = textxt_emdncoder(T)    # [n, d_t] 텍스트 임베딩 인코딩을 통한 특징 추출 3. img_emd = l2_normalize(np.dot(img_en, W_i), axis=1)    # I×W 결합(조인트) 멀티모달 임베딩 텐서 계산 4. txt_emd = l2_normalize(np.dot(txtxt_emdn, W_t), axis=1)  # T×W 결합(조인트) 멀티모달 임베딩 텐서 계산 5. logits = np.dot(img_emd, txt_emd.T) * np.exp(t)   # I×T * E^t 함수를 이용한 [n, n]코사인 유사도 계산 6. labels = np.arange(n) 7. loss_i = cross_entropy_loss(logits, labels, axis=0)  # 이미지 참값 logits과 예측된 label간 손실 8. loss_t = cross_entropy_loss(logits, labels, axis=1)  # 텍스트 참값 logits과 예측된 label간 손실 9. loss = (loss_i + loss_t)/2   # 이미지, 텍스트 손실 평균값   실제 오픈AI 논문에는 <그림 2>와 같이 기술되어 있다.(동일하다.)   그림 2     ■ 자세한 기사 내용은 PDF로 제공됩니다.

캐드앤그래픽스는 SIMTOS 2024 행사 기간 중 4월 4일과 5일에 ‘디지털 제조 & 뿌리산업 컨퍼런스’를 진행했다. AI 제조 혁신과 디지털 트윈을 다룬 ‘디지털 제조 컨퍼런스(4월 4일)’와 스마트 공장 및 뿌리산업의 디지털 전환을 주제로 한 ‘뿌리산업 컨퍼런스(4월 5일)’을 통해 제조 분야 디지털 전환의 흐름을 짚고, 미래 혁신 전략과 사례를 살펴보는 자리가 마련됐다. ■ 정수진 편집장     4월 5일 ‘뿌리산업 컨퍼런스’에서는 ‘뿌리산업 대전환, DX와 스마트팩토리’를 테마로 5편의 발표가 진행됐다. 한국생산기술연구원의 최태훈 연구소장은 ‘미래 산업환경 대응 지능화 뿌리기술’에 대해 발표했다. 디지털화(digitalization) 및 디지털 전환(DX)은 대량의 데이터를 수집/분석할 수 있는 기술로 꼽힌다. 주요 선진국은 매스 커스터마이제이션(대량맞춤생산) 및 퍼스널라이제이션(개인화)으로 대표되는 경제 패러다임의 변화에 대응하기 위해 DX 기술을 기반으로 생산 제조 시스템 및 서비스 시스템의 변화를 추진하고 있다. 데이터의 활용을 기반으로 서비스를 개인화/자동화하며 프로세스를 혁신하는 인더스트리 4.0과 스마트 공장이 대표적이다. 스마트 공장의 구성 요소로 ▲공장 내 모든 장비의 소통 ▲공장 내 모든 구성요소의 역할 파악과 협업 ▲자율 운영 등을 꼽은 최태훈 연구소장은 “스마트 공장의 목적과 활용도 측면에서 생산성 향상에 아직 집중하고 있는 것이 국내 뿌리기업의 현실”이라면서, 공정 최적화를 넘어 유연생산과 자율제조를 추진해야 한다고 짚었다. 또한 중견/중소기업의 디지털 전환 확산을 위해서는 대기업의 상생 노력 및 정부의 정책 고민도 중요하다고 덧붙였다.   ▲ 한국생산기술연구원 최태훈 연구소장   LG전자의 송시용 상무는 ‘스마트 팩토리 구축 여정과 사례’ 발표에서 “스마트 공장의 목적을 명확히 하고 긴 여정을 짧게 가져가는 것이 경쟁력이 될 것”이라고 전했다. 송시용 상무가 바라보는 스마트 공장은 새로운 생산 시스템의 초기 기획부터 구축, 안정화, 양산 운영까지 전체 라이프사이클의 경쟁력을 확보하는 수단이다. 이를 위해 양산 운영 단계까지 빠르게 도달하는 것이 스마트 공장 성공의 열쇠라는 것이다. 또한, 송시용 상무는 LG전자가 구축한 스마트 공장인 ‘드림 팩토리’의 사례를 소개했다. 드림 팩토리는 양산 3년 전부터 초기 기획을 진행했고, 자동화를 위한 표준화와 공용화 등을 선결 과제로 추진했다. 이를 통해 제품 개발, 생산 시스템 및 SCM(공급망 관리), 공법 및 장비 등의 영역에서 자동화와 운영 최적화, AI 기반의 성능 예측과 실시간 설비 데이터 기반 고장 예지 등의 기능을 구축했다. 송시용 상무는 “생산 현장의 직접 영역 외에 간접 영역의 디지털 전환도 함께 추진해야 효용을 높일 수 있다”고 덧붙였다.   ▲ LG전자 송시용 상무   현대자동차의 최영태 상무는 ‘현대자동차 HMGIS 스마트 팩토리 구축 사례 소개’에 대해 발표했다. 현대자동차는 미래 자동차 생산 기술을 연구 및 실증하기 위한 싱가포르 글로벌 혁신센터(HMGIS)를 구축했다. HMGIS는 현대자동차그룹의 스마트 공장 브랜드인 ‘이포레스트(E-FOREST)’를 실증하기 위한 테스트베드의 역할도 한다. 최영태 상무는 현대자동차가 추구하는 스마트 제조 플랫폼의 핵심 가치로 ▲휴머노이드 로봇 등을 활용한 자동화 ▲공장의 자율 운영 및 소프트웨어 정의 공장(SDF) ▲인체공학적인 스마트 공장 기술 ▲수소 에너지 기반의 넷제로 공장 등을 꼽았다. 또한, 스마트 공장 추진 사례로 ▲산업용 로봇/협동로봇, 머신비전, AI 기술을 활용한 조립 자동화 시스템 ▲자율주행, 통합 관제 기술 등을 활용한 경로 이송 물류작업의 자동화 시스템 ▲제조 현장의 데이터를 시각화/공유하는 IoT 기반의 팩토리 BI(비즈니스 인텔리전스) ▲데이터 분석/비전 품질 검사/생산 관련 정보 및 자동화 가이던스 제공 등을 위한 팩토리 AI를 소개했다.   ▲ 현대자동차 최영태 상무   에스엔에이치의 민태기 연구소장은 ‘공작기계의 역사와 제조업의 과거와 미래’에 대해 발표하면서 스마트 공장에 대한 큰 그림을 그리는 데에 도움이 될 만한 내용을 소개했다. 공작기계의 역사는 우리가 생각하는 것보다 오래 되어, 맷돌도 초보적인 공작기계로 볼 수 있을 정도이다. 이후 산업혁명 시기에는 증기기관 방적기가 등장하면서 의류의 생산성이 높아지고, 난방과 조리에 쓰고 남은 열을 활용할 수 있게 되면서 조리 기술이 발달하는 등 기계가 생활을 변화시키기도 했다. 특히 정밀가공 기술의 발전은 대포의 성능을 크게 높이면서 국제정세의 변화를 이끌었다. 비교적 최근에는 직렬 공정의 리스크에 대한 고민이 분산시스템과 CPS(사이버 물리 시스템) 등을 고민하게 했고, CNC 머신의 등장은 4차 산업혁명으로 이어지는 시작점이 되었다. 민태기 연구소장은 “이후에도 공작기계는 더 많은 산업과 우리 생활 가까이 자리잡고 있다”면서, “제조현장과 제품 생산의 미래는 성능과 생산성을 넘어 ‘우리의 삶을 어떻게 바꿀 것인가’라는 흥미와 관심이 주도할 것”이라고 전했다.   ▲ 에스엔에이치 민태기 연구소장   산업통상자원 R&D전략기획단의 임영목 MD는 ‘산업 R&D 정책 방향’에 대한 발표에서 “우리 정부는 자유무역 체제 하에서 기술 패권, 생산성 강화, 디지털 전환과 같은 글로벌 환경 변화에 대응해야 한다는 측면에서 R&D 및 정책 모델의 전환을 추진 중”이라면서, “첨단 전략 기술, 혁신 인재, 개방형 혁신, 산업 융합, 스케일업 등의 키워드를 정책에 반영할 필요성이 커졌다”고 전했다. 정부는 파편적인 과제 지원에 그치지 않고 전략적인 목표 아래 다양한 전문 분야를 연결해 산업 혁신으로 이어질 수 있는 정책 거버넌스에 대한 고민을 하고 있다. 임영목 MD는 이런 흐름에서 향후 정부 R&D 지원 정책의 주된 방향으로 ▲고위험 차세대 기술에 대한 R&D 투자 집중 ▲기업 등 민간의 기술 수요자 중심으로 프로세스 변화 ▲ 산업 단위의 공통 핵심기술에 대한 투자 확대 ▲기업 수요 기반으로 전략적 글로벌 공동 연구 추진 ▲민관 공동투자 대상 기업의 스케일업 지원 ▲선진 연구자의 참여 및 성장 지원 등을 꼽았다.   ▲ 산업통상자원 R&D전략기획단 임영목 MD   같이 보기 : [포커스] 디지털 제조 컨퍼런스, 제조산업 혁신 전략과 디지털 트윈의 활용 방안 소개

              SW 소식 >             BARAM v24.1.0 공개 >             BARAM v24.1.0이 공개되었습니다. BARAM v24.1.0에는 밀도 기반 압축성 솔버와 Batch Process 등 다양한 기능이 포함되어 있습니다. (링크)를 누르시면 BARAM v24.1.0 안내 페이지로 이동합니다.  이외에도 baramFlow tutorials 6개, baramMesh tutorials 1개가 추가되었습니다. (링크)에서 확인해주세요.             baramFlow New Features 밀도 기반 압축성 솔버 및 Far-field Riemann 경계 조건 추가 (TSLAeroFoam) User Parameters 기능 추가 Batch Process 기능 추가 User Parameters를 조합하여 순서대로 계산 실행 가능 격자 정보 확인 기능 추가 (격자 갯수, 해석 영역 크기, 최대/최소 격자 체적) baramFlow Improvement Realizable k-ε 모델의 벽함수 개선 정상 상태 계산을 비정상 상태 계산의 초기값으로 사용하는 기능 추가 cell zone source term에 단위 표시 계산 종료 시, 종료 팝업 창 띄우는 기능 추가 특정 경계면은 이름에 따라 경계 조건 자동 부여 다상 유동의 정상 상태 계산 시 maximum Courant number 설정 가능             baramMesh New Features snap 단계에서 Implicit Feature Snapping 지원 baramMesh Improvement 형상 이름의 공백에 _ (underscore) 자동 추가 Region 단계에서 고체 영역만 설정하도록 기능 개선                                     BARAM ARM 64 버전 Azure Marketplace 공개 >              Azure Marketplace에서 사용할 수 있는 BARAM CFD Package가 공개되었습니다. 이제 고사양의 HPC (High Performance Computing) 없이도 BARAM을 이용하여 복잡한 CFD 계산을 돌릴 수 있습니다.  Azure Marketplace에서 NEXTFOAM BARAM을 검색하시거나 (링크)를 클릭하시면 Azure Marketplace에 등록되어 있는 BARAM CFD Package를 사용하실 수 있습니다.                         교육 소식 >             4월 CAE / AI 엔지니어를 위한HPC 교육 >             CAE / AI 엔지니어를 위한 HPC 교육 4월 CAE / AI 엔지니어를 위한 HPC 교육 일정을 안내드립니다. HPC 환경에서 OpenFOAM 수행 방법 및 병렬 AI 학습 방법 / HPC 구축 실습을 통해 HPC의 개념 이해 / 최적 성능을 도출할 수 있는 방안 및 효율적인 HPC 관리 방안을 목표로 교육이 진행됩니다. 일정 : 4월 24일 ~ 4월 25일 (링크)를 클릭하시면 4월 CAE/ AI 엔지니어를 위한 HPC 교육 내용을 확인하실 수 있습니다.                         일반 소식 >             2024년 AI CFD 춘계 워크샵              지난 2월 29일 서강대학교 AS관 509호에서 AI CFD 워크샵이 있었습니다. GIST 최성임 교수님, 인하대학교 고승찬 교수님, KAIST 이승철 교수님을 비롯하여 AI CFD를 주제로 연구하시는 분들과 모임을 가지는 뜻 깊은 시간이었습니다.  이 자리에서 PINN (Physics-Informed Neural Network)를 비롯하여 FNO, DeepONet 등 Neural Network를 CFD에 적용한 연구 및 활용 성과에 대해 의견을 나누었습니다.  저희 회사에서도 이보성 박사님께서 NEXTFOAM 연구 성과 및 근황을 주제로 발표를 진행해주셨습니다.                         WHAT IS OPENFOAM? OpenFOAM은 오픈소스 CFD 소프트웨어이다. GNU GPL 라이센스를 사용하고 있어 누구나 자유롭게 사용이 가능하며 수정 및 재배포를 할 수 있다.       WHAT IS MESHLESS CFD? 질점격자 기반의 CFD해석 기법으로 FVM해석 기법의 보존성을 갖추고 있으며 전처리 작업시간을 획기적으로 줄일 수 있습니다.FAMUS는 무격자 기법의 CFD 해석 SW 입니다.       WHAT IS BARAM SERIES? BARAM은 넥스트폼이 개발한 OpenFOAM CFD 해석 프로그램입니다. 넥스트폼이 개발한 OpenFOAM Solver와 Utility를 GUI 기반으로 사용이 가능합니다.           수신거부

#언리얼엔진 #무료웨비나 #에픽게임즈코리아 이 내용이 보이지 않으면 여기를 클릭하시기 바랍니다.  

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.

스트라타시스는 달 표면에서 3D 프린팅의 성능을 테스트하기 위해 향후 진행될 달 탐사 프로그램에 3D 프린팅 재료를 제공한다고 발표했다. 이 실험은 이지스 에어로스페이스(AeGIS Aerospace)가 진행할 첫 번째 우주 과학 및 기술 평가 시설 임무인 SSTEF-1의 일부로 노스롭 그루먼(Northrop Grumman)이 후원한다. SSTEF는 달 표면에서 R&D 서비스를 제공하기 위해, NASA의 티핑 포인트 프로그램에 따라 이지스 에어로스페이스가 개발한 상업용 우주 테스트 서비스이다. SSTEF-1 프로젝트는 달과 근지구 우주를 위한 우주 인프라 및 역량에 대한 기술 개발에 중점을 두고 있다. 이번 달 탐사에서 스트라타시스는 3D 프린팅 샘플을 제공하고, 무인 착륙선이 3D 프린팅한 운반체 구조에 담아 달 표면으로 가져가게 된다. 노스롭 그루먼이 주도하는 두 가지 실험에서는 세 가지의 재료가 중점적으로 사용될 예정이다. 첫 번째 실험은 텅스텐으로 채워진 스트라타시스의 FDM 필라멘트로 제작한 샘플 부품의 성능을 평가하는 것이다. 여기에 쓰일 스트라타시스의 Antero 800NA FDM 필라멘트는 높은 기계적 특성, 내화학성 및 낮은 가스 방출 특성을 갖춘 고성능 PEKK 기반 열가소성 플라스틱 소재이다. 텅스텐을 첨가하는 것은 감마선이나 엑스레이와 같은 유해 방사선에 대한 차폐 기능을 제공하기 위한 것이다.   ▲ Antero 840CN03 소재로 3D 프린팅된 샘플 부품   두 번째 실험은 3D 프린팅 재료가 우주에서 얼마나 견딜지 알아보기 위해 고안되었다. 여기에는 전자 장치에 사용하기 위한 ESD(정전기 방전) 특성을 갖추고 있으며 오리온 우주선에 사용되었던 Antero 840CN03 FDM 필라멘트가 포함된다. 스트라타시스의 파트너사인 헨켈(Henkel)이 스트라타시스의 오리진 원(Origin One) 3D 프린터에 사용하기 위해 제조하고 고열 환경에 맞게 설계된 새로운 ESD 포토폴리머도 실험에 포함된다. 이 실험에서는 3D 프린팅 샘플을 달의 먼지, 가스 방출을 유발할 수 있는 낮은 압력, 대기가 거의 없기 때문에 발생하는 급격한 온도 변화에 노출시킬 예정이다. 이 실험에 쓰일 부품은 상업용 항공기 내부에도 사용되는 ULTEM 9085 열가소성 플라스틱으로 3D 프린팅된 캐리어 구조의 무인 착륙선을 통해 달 표면으로 운반될 예정이다. 스트라타시스의 최고 산업 비즈니스 책임자인 리치 개리티(Rich Garrity)는 “적층제조는 수십 그램의 무게도 중요하고 고성능이 필수인 우주 임무에 중요한 기술이다. 이번 실험은 달과 그 너머로 여행하는 동안 사람과 장비를 안전하게 지키기 위해 3D 프린팅을 최대한 활용하는 방법을 이해하는 데 도움이 될 것”이라고 전했다.