디지털 지식전문가 조형식의 지식마당   18세기 애덤 스미스는 ‘보이지 않는 손’이라는 직관적인 은유를 통해, 개인의 이기적인 선택이 중앙 통제 없이도 시장 전체의 효율적인 균형을 만들어낸다고 설명했다. 20세기 후반에는 대니얼 카너먼이 ‘전망 이론(prospect theory)’과 행동경제학을 통해, 인간은 합리적 존재가 아니라 손실 회피와 심리적 프레이밍에 영향을 받는 편향된 존재임을 밝히며 고전 경제학의 전제를 뒤흔들었다. 그러나 디지털 전환(DX)과 인공지능 전환(AX)이 고도화된 오늘날, 우리는 기존의 이론적 프레임워크로는 시장의 미래를 예측하기 어려운 새로운 한계에 직면했다.   그림 1. 인간 중심의 의사결정 모델   전통 경제학과 행동경제학은 공통적으로 의사결정의 주체를 ‘인간’으로 상정한다는 근본적인 한계를 지닌다. 하지만 현재 우리는 인간 외부에 존재하는 지능이 시장을 재구성하는 시대에 진입하고 있다. 오늘날의 시장에서는 AI가 인간보다 빠르게 선택지를 평가하며, 자동화된 거래 시스템이 가격을 형성하고, 데이터 기반 예측이 생산과 공급을 결정한다. 이처럼 추천 알고리즘이 소비에 선행하는 구조 속에서는 더 이상 개인의 선택이 시장 결과로 직결된다는 단순한 공식이 성립하지 않으며, 소비자의 선택은 자유의지가 아니라 AI의 설계에 의해 사전에 구조화된다.   그림 2. 인공지능 중심의 의사결정 모델   이러한 변화의 핵심 축으로 등장한 것이 바로 ‘보이지 않는 뇌(invisible brain)’이다. 이는 단순한 은유를 넘어 추천 알고리즘, 강화학습 기반 의사결정 엔진, 데이터 플랫폼, LLM(대규모 언어 모델) 기반 지식 추론 시스템 등이 결합된 새로운 경제 패러다임의 실체다. 보이지 않는 뇌는 정보 필터링을 통해 인간이 무엇을 볼지 결정하고, 선택지 자체를 재설계하며, 인간의 행동을 특정 방향으로 유도함과 동시에 수요와 공급을 동적으로 재조정하는 역할을 수행한다. 결과적으로 현대 시장은 보이지 않는 손이 이끄는 ‘자율적 균형’이나 편향에 의한 ‘왜곡된 선택’을 넘어, 보이지 않는 뇌가 주도하는 ‘설계된 균형(설계된 선택)’을 형성하게 된다.   그림 3. 경제학 패러다임의 진화   이제 경제는 단순한 교환의 장이 아니라, 디지털 스레드(digital thread)와 지능형 시스템이 결합된 ‘인지 인프라(cognitive infrastructure)’ 위에서 작동하는 시스템으로 진화했다. 이는 기업들의 경쟁 방식 또한 근본적으로 바꿔놓았다. 과거 기업들이 제품 자체나 마케팅 경험으로 경쟁했다면, 이제는 의사결정을 설계하는 능력에 경쟁 우위가 달려 있다. 아마존이 상품을 파는 대신 ‘선택’을 설계하고, 넷플릭스가 콘텐츠 대신 ‘취향’을 설계하며, 테슬라가 단순한 자동차가 아닌 ‘주행 데이터 기반 의사결정 시스템’을 구축하는 것이 바로 보이지 않는 뇌를 활용한 경쟁의 대표적인 사례다.   그림 4. 새로운 경쟁의 법칙   구조적으로 볼 때, 보이지 않는 뇌는 제품의 전 생애 흐름인 PDT, 지식과 의사결정의 흐름인 KDT, 그리고 개인의 경험과 행동인 LDT가 연결된 디지털 스레드 위에서 실질적인 실행 엔진으로 기능한다. 전통 경제학이 시장의 ‘예측’을, 행동경제학이 인간 행동의 ‘설명’을 목표로 했다면, AI 시대의 경제는 알고리즘이 가격을 만들고 수요를 생성하며 선택을 구조화한다는 완전히 다른 차원의 특성을 지닌다.   그림 5. 3대 스레드의 융합   결론적으로 우리는 시장의 자율성과 인간의 비합리성을 지나, 인공지능과 데이터가 결합된 새로운 경제 운영 체계에 도달했다. 다가오는 미래 경제의 승패는 단순히 ‘누가 더 많은 데이터를 가지는가’가 아니라, 누가 보이지 않는 뇌를 통해 시장의 균형을 더 정교하게 설계할 수 있는가에 달려 있을 것이다.   그림 6. 보이지 않는 뇌의 해부도   경제학의 역사적 흐름을 애덤 스미스의 보이지 않는 손과 대니얼 카너먼의 행동경제학을 거쳐 현대의 인공지능 중심 패러다임으로 설명한다. 과거의 이론이 인간의 합리성이나 심리적 편향에 집중했다면, 오늘날의 시장은 알고리즘과 데이터가 주도하는 보이지 않는 뇌 체제로 전환되고 있다. 이제 소비자의 선택은 자유의지가 아닌 AI의 설계와 데이터 플랫폼에 의해 사전에 구조화되며, 시장은 자율적 균형을 넘어 알고리즘적 최적화를 지향한다. 결과적으로 현대 경제는 단순한 거래의 장이 아니라 디지털 스레드와 지능형 시스템이 결합된 새로운 인지 인프라 위에서 작동하고 있음을 강조한다. 이러한 변화는 기업의 경쟁 우위가 제품 자체보다 의사결정 설계 능력에 달려 있음을 시사한다.   그림 7. 3대 스레드의 융합   보이지 않는 손이 인간의 손이 아니듯 보이지 않는 뇌 역시 인간의 뇌가 아니다. 보이지 않는 뇌는 인공지능, 디지털 트윈, 그리고 디지털 스레드가 결합된 새로운 경제 운영 체계이다.    ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

브라더인터내셔널코리아는 유지보수 비용과 업무 중단 시간을 줄인 A3 잉크젯 복합기 MFC-J3960DW를 출시했다. 최근 하이브리드 업무 환경이 자리 잡으면서 사무실 내 업무 연속성과 시간 효율이 기업 생산성의 주요 지표로 강조되고 있다. 브라더코리아는 이러한 비즈니스 환경 변화에 맞춰 출력 환경 전반의 속도와 효율을 높이는 데 집중했다.     신제품은 폐잉크 패드를 교체하지 않고도 최대 30만 장까지 출력할 수 있는 잉크 관리 시스템을 적용했다. 이를 통해 유지보수 빈도를 줄이고 총소유비용을 절감할 수 있게 했다. 용지함은 총 3개로 구성했으며 A3 용지를 최대 600매까지 적재할 수 있어 용지 교체 번거로움을 덜고 관리 부담을 낮췄다. 출력 성능 면에서는 차세대 맥시드라이브(MAXIDRIVE) 기술을 탑재했다. 브라더코리아는 이 기술을 통해 첫 장 출력 시 컬러 인쇄가 흑백보다 빠르게 진행된다고 설명했다. 맥시드라이브 기술은 잉크 막힘과 방출 오류를 자동으로 관리하며, 프린트 헤드 다중 노즐을 기반으로 잉크를 동시에 분사해 안정적인 품질과 속도를 구현한다. 출력 속도는 A4 기준 최대 31ipm(흑백)이며 해상도는 최대 1200&tiMES;4800dpi를 지원한다. 기업 내 데이터 보안 중요성이 커짐에 따라 보안 기능도 강화했다. 저장 데이터 암호화와 보안 스캔 기능을 비롯해 비밀번호 기반의 보안 인쇄와 사용자별 기능 잠금 기능을 제공한다. 이를 통해 출력 과정에서 발생할 수 있는 정보 유출을 방지하고 안전한 데이터 관리 환경을 조성한다. 제품 패키지에는 지속가능성을 고려한 요소를 반영했다. 비생분해성 소재인 스티로폼(EPS)을 배제하고 재활용이 가능한 친환경 포장재를 사용해 기업의 지속가능경영을 돕는다. 브라더코리아는 “이번 신제품은 번거로운 용지 급지와 폐잉크 교체 등을 개선하여 업무가 멈추는 다운타임을 최소화한 제품”이라면서, “유지보수 부담을 줄이고 안정적인 출력 환경을 구축하는 데 기여할 것으로 기대한다”고 밝혔다.

인공지능 캐드 직스캐드 20주년 기념 특급 할인 #직스테크놀로지 #2D캐드 #ZYXCAD

에픽게임즈가 다양한 산업 분야의 크리에이터를 위해 새로운 기능과 개선 사항을 담은 ‘트윈모션 2026.1(Twinmotion 2026.1)’을 출시했다. 이번 버전은 실시간 시각화의 핵심인 현실감과 자연스러움을 강화하는 데 집중했다. 3D 모델과 실사 이미지를 합성하고 실제 카메라와 유사한 효과를 구현하는 기능뿐만 아니라 생동감 있는 환경 연출과 사용자 편의성까지 전반적인 업그레이드가 이루어졌다. 트윈모션은 언리얼 엔진 5를 기반으로 건축, 영화, 자동차, 제품 디자인 등 여러 분야에서 사실적인 시각화 작업을 지원하는 설루션이다. 직관적인 사용자 인터페이스와 강력한 라이브러리를 통해 전문가와 초보자 모두 손쉽게 사용할 수 있는 것이 특징이다. 지난 2025.2 버전에서 나나이트 가상화 지오메트리 시스템을 도입한 데 이어, 이번 2026.1 버전은 보다 정교한 표현을 위한 다양한 기능을 추가했다.     새롭게 도입된 ‘포토 매칭’ 기능은 매치 퍼스펙티브 도구를 사용해 특정 위치에 소실점을 지정하면 카메라 위치와 초점 거리를 자동으로 조정한다. 이를 통해 3D 모델과 2D 이미지를 자연스럽게 합성할 수 있으며, 3D 오브젝트에서 계산된 지면에 그림자를 투영해 현실감을 높인다. ‘자동 에지 소프트닝’은 컴퓨터 그래픽 특유의 날카로운 테두리를 부드럽게 처리하는 기능이다. 사용자가 지정한 반경까지 모서리를 자동으로 뭉툭하게 만들어 자연스러운 결과물을 얻을 수 있다. 라이팅 채널 지원을 통해 빛의 영향을 받는 요소를 정밀하게 제어하는 것도 가능해졌다. 특정 채널에 할당된 오브젝트와 라이트만 서로 반응하도록 설정할 수 있어, 제품 촬영 시 배경 조명이 제품에 영향을 주지 않도록 세밀하게 조정할 수 있다. 카메라 및 렌즈 효과도 실제와 더욱 유사하게 개선됐다. ‘오토 포커스’ 기능은 사물의 거리에 따라 초점을 자동으로 조절하며, 뎁스 오브 필드 효과로 카메라가 바라보는 지점을 자연스럽게 따라가게 할 수 있다. 아나모픽 타원 보케와 페츠발 보케 등 실제 렌즈에서 발생하는 블러 특성을 재현하는 효과도 추가됐다. 프레임 가장자리가 미묘하게 휘어지는 배럴 디스토션 기능도 함께 도입됐다. 장면의 생동감을 더하는 파티클 VFX 시스템은 전면 개편됐다. 불, 연기, 안개, 물 등의 표현 성능과 비주얼 품질이 향상됐으며 사용자가 원하는 형태로 파라미터를 조정할 수 있다. 애셋 라이브러리에는 사실적인 유럽 나무 10종이 추가됐으며, 각 나무마다 세 가지 변형 형태를 제공해 풍성한 환경을 조성할 수 있게 돕는다. 사용자 편의를 위한 워크플로 개선도 눈에 띈다. 에픽게임즈에 따르면 버전이 바뀌어도 애셋을 연속해서 활용할 수 있도록 파일 저장 구조를 개선했다. 기존에는 버전에 따라 애셋을 다시 다운로드하거나 이동시켜야 했으나, 이제는 영구적인 폴더 구조로 관리되어 반복 작업 없이 효율적인 작업이 가능하다. 기존 사용자는 에픽게임즈 런처나 데브 포털에서 트윈모션 2026.1을 내려받을 수 있다. 처음 사용하는 사용자는 공식 홈페이지에서 라이선스 옵션을 확인한 뒤 무료 체험판을 이용할 수 있다.

#다쏘시스템 #모드심 #시뮬리아 #무료웨비나 #3D모델링 #CAE #시뮬레이션   본 메일이 보이지 않는다면, 여기를 클릭하십시오.  

제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (9)   크레오 플로 어낼리시스(Creo Flow Analysis)는 설계자가 CAD 환경 내에서 직접 유체 흐름과 열 전달을 시뮬레이션하여 제품의 성능을 즉각적으로 검증하고 최적화할 수 있게 돕는 통합 CFD 설루션이다. 크레오 플로 어낼리시스는 별도의 데이터 변환 없이 크레오 모델에서 직접 해석을 수행하므로, 설계를 수정하면 해석 모델도 즉시 업데이트된다. 그리고 전문가가 아니더라도 마법사 방식의 설정을 통해 메시(MESh) 생성부터 결과까지 단계별로 진행할 수 있으며, 독자적인 알고리즘을 통해 복잡한 형상에 대해서도 비교적 빠른 계산 결과를 제공한다. 크레오 플로 어낼리시스는 내·외부 유동 분석을 통한 압력 강하 및 속도 분포 확인은 물론, 전도·대류·복사를 모두 고려한 정밀한 열전달 해석 기능을 제공한다. 특히 최신 크레오 12.0에서는 전기장 및 음향 해석 기능까지 추가되어, 더욱 폭넓은 물리적 현상을 하나의 환경에서 통합적으로 검증할 수 있다.   ■ 김주현 디지테크 기술지원팀의 차장으로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   이번 호에서는 인버터 어셈블리의 예를 통해 유체 도메인 생성부터 열, 유동해석을 진행해보자. 먼저 어셈블리를 열고 각 부품의 필요한 재료를 모두 설정한다.     유동해석을 위해 메뉴에서 응용 프로그램 → Flow Analysis를 클릭한다.     새 프로젝트를 생성하여 이름 및 어셈블리 단순화 표현을 선택한다.     프로젝트를 생성하면 그림과 같이 해석 트리가 생성된다.     해석을 위해 유체 도메인을 생성한다.     크레오 플로 어낼리시스는 설계 형상에서 유체 영역을 자동으로 추출하고 설계 변경 시 실시간으로 업데이트하여, 번거로운 모델링 작업 없이 유체 도메인을 생성할 수 있다. ‘오프닝’을 클릭하여 공기가 유입되고 나가는 두 면을 Ctrl 키를 누르고 선택한다.     두 면을 모두 선택하고 ‘확인’을 클릭하면 그림과 같이 자동으로 구멍이 모두 선택된다.     구멍을 모두 확인한 후 ‘확인’을 클릭한다. 모델 트리를 보면 그림과 같이 두 부품이 추가된 것을 볼 수 있다.     이제 시뮬레이션 도메인 선택 아이콘을 클릭하여 각 영역을 지정한다.     ‘유체 도메인 추가’를 클릭한 후 모델 트리에서 ‘INVERTER_ FLUID_1.PRT’를 클릭한다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

앤시스 워크벤치를 활용한 해석 성공 사례   일반적으로 모델의 특성을 해석할 때 전자기, 구조, 유동 등 각 물리 영역만 해석하는 방법을 사용해왔다. 하지만 실제 모델이 동작함에 따라 하나의 물리 영역으로만 해석한 결과와 실제 결과가 상이한 부분이 있고, 이를 해결하기 위하여 다중 물리 해석을 하고 있다. 이번 호에서는 전자기와 구조의 양방향 연성해석(다중 물리 해석)에 대하여 소개하고자 한다. 전자기(Ansys HFSS)에서 해석한 결과(EM loss)를 구조(Ansys Mechanical) 영역으로 전달하고, 이 데이터를 기반으로 구조에서 열과 열 변형을 확인하게 된다. 이때 단순히 전자기에서 구조로 전달만 한다면 단방향(1-way) 해석이라 하며, 구조에서 열 변형된 정보가 다시 전자기로 적용되어 전자기 특성 해석을 한다면 양방향(2-way) 해석이라 칭한다. 앤시스 워크벤치(Ansys Workbench)를 이용하여 HFSS to Ansys Mechanical Simulation을 사용한 연성해석 사례를 통하여 알아보자.   ■ 박장순 태성에스엔이 ES2팀의 매니저이며, SI/PI/ EMI/RF 해석 엔지니어로 근무하고 있다. 홈페이지 | www.tsne.co.kr   HFSS to Mechanical 양방향 해석 오버뷰 HFSS to Mechanical 양방향 해석에 대한 오버뷰(overview)와 유의사항에 대해서 미리 살펴보고자 한다. 양방향 해석은 앤시스 워크벤치에 HFSS, Steady-State Thermal, Static Structural tool을 이용하여 진행한다. <그림 1>은 이번 호의 최종 결과이다. 왼쪽 그림은 다이플렉서(diplexer)를 HFSS에서 본 모습이고, 오른쪽 그림은 앤시스 메커니컬(Ansys Mechanical)의 열 변형 결과를 HFSS로 불러온 모습이다. 여기서 보이는 작은 삼각형들이 컴퓨터가 3D 모델을 해석하기 위해 만드는 사면체 구조로 메시(MESh)라고 부른다. 불러온 메시를 기준으로 HFSS에서 다시 해석을 진행하며 이때 나온 해석 결과가 열 변형이 적용된 결과이다.   그림 1. 다이플렉서 모델과 최종 결과   <그림 2>는 워크벤치에서 HFSS, Steady-State Thermal, Static Structural tool을 연결한 것이다. <그림 2>의 위쪽을 보면 번개 모양이나 물음표 등 일부 체크가 되어 있지 않은 모습을 볼 수 있다. 이는 워크벤치를 사용하면서 가장 유의해야 할 부분이다. <그림 2>의 아래쪽과 같이 모든 항목이 초록색 체크 표시가 되도록 설정을 진행하며 업데이트 확인은 필수이다.   그림 2. 앤시스 워크벤치에서 HFSS to Mechanical 연결   HFSS 설정 <그림 3>은 다이플렉서 해석 파일을 워크벤치에 넣는 방법이다. 만들어 놓은 AEDT 파일을 프로젝트 스키매틱(Project Schematic)에 끌어다 놓으면 활성화되며, ‘Solution’에서 ‘Edit’를 누르면 HFSS가 실행된다.   그림 3. 앤시스 워크벤치에 HFSS 인서트 및 실행 방법   <그림 4>는 HFSS에서 필요한 설정이다. Design명에서 마우스 우클릭해서 Object의 Temperature와 Deformation을 그림과 같이 설정해주고 HFSS를 종료한다. HFSS를 종료한 후 Solution에서 마우스 우클릭 후 ‘Update’를 선택해서 항목 모두 초록색 체크 표시가 되게 해 준다. 이 화면에서 ‘Enable Feedback’을 체크하지 않는다면 앤시스 메커니컬의 정보를 불러올 수 없으니 유의하도록 한다.   그림 4. Temperature & Deformation 설정     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술   해운 산업의 탈탄소화가 가속화되는 가운데, 블루핀(Bluefins)은 고래 지느러미에서 영감을 받은 파력 변환 추진 시스템인 웨이브드라이브(WaveDrive)를 통해 연료비와 온실가스 배출을 20% 절감하는 설루션을 개발했다. 이 시스템은 케이던스의 피델리티 CFD(Fidelity CFD) 소프트웨어를 활용해 실제 해상 조건에서의 운동을 정밀하게 모델링하고 최적화 성능을 검증했다. 특히 오버셋 메시 기법과 피델리티 파인 마린(Fidelity Fine Marine)의 고급 기능을 통해 복잡한 유동 해석과 시스템 동역학 분석을 성공적으로 수행하며, 지속 가능한 해운 기술의 가능성을 제시하고 있다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   해운 산업의 탈탄소화 해운 산업은 전 세계 무역의 약 90%를 운송할 만큼 글로벌 경제에서 필수적인 역할을 한다. 대형 선박은 하루에 20~70톤의 연료를 소비하며, 이는 연간 약 1500만 유로의 연료 비용으로 이어진다. 이러한 연료 소비는 선박 한 척당 연간 최대 75,000톤의 이산화탄소 환산량(CO₂)을 배출하는 결과를 초래한다. 또한 전 세계 해운 산업은 질소산화물(NOx)과 황산화물(SOx)을 포함해 전체 온실가스(GHG) 배출량의 약 3%를 차지하고 있다. 따라서 해운을 탈탄소화하고 운송을 더욱 지속 가능하게 만들기 위해서는 관련 시스템과 기술을 도입하는 것이 매우 중요하다. 블루핀은 고래의 지느러미에서 영감을 받은 파력(파도 에너지) 변환 기술을 개발하여 온실가스 배출과 연료 운영 비용을 20% 절감하는 것을 목표로 하고 있다.   블루핀과 고래 지느러미에서 영감을 받은 추진 시스템   그림 1   블루핀은 선박의 구조, 안전성 및 기타 특정 요구사항이나 제약 조건을 고려하여 각 선박 유형에 맞춤형 무배출 보조 추진 설루션을 개발한다. 이러한 추진 시스템은 프랑스의 대표적인 해양 연구기관인 Ifremer(프랑스해양개발연구소)와의 협력을 통해 개발되고 있다. 고래에서 영감을 받은 추진 시스템인 웨이브드라이브는 선미에 장착되는 하이드로포일(hydrofoil)로 구성되며, 선박의 종동요(pitching) 운동을 추력으로 변환한다. 이 기술은 신조 선박뿐만 아니라 기존 선박의 개조(refit) 작업 시에도 통합 적용이 가능하다.   피델리티 CFD를 활용한 블루핀 추진 시스템 모델링 블루핀은 피델리티 CFD 소프트웨어를 활용하여 다양한 운항 조건 및 실제 해상 파랑 조건에서 웨이브드라이브 추진 시스템을 설계하고 최적화한다. 이 소프트웨어의 고급 기능을 통해 플랩(flap)의 세부 분석, 시스템 동역학 분석, 그리고 하이드로포일 하중 예측이 가능하며, 이를 통해 추진 성능을 최적화한다. 이러한 시뮬레이션은 다양한 해상 조건에서 시스템의 운동을 센서 기반으로 제어하기 위한 첫 단계에 해당한다. 다음은 사용된 방법론 및 설정 개요이다.   메시 설정 기계 시스템은 다섯 개의 개별 구성 요소로 분해되었으며, 각 구성 요소의 반쪽(body half)은 피델리티 CFD 2025.1 버전에서 개별적으로 메시(MESh) 처리되었다. 선체(hull)는 피델리티 CFD의 C-Wizard 기능을 통해 자동으로 메시가 생성되었으며, 그 결과 880만 개의 셀(cell)을 갖는 고해상도 메시가 구축되었다. 부가 구조물(appendages)은 각각 개별적으로 메시 처리되어 오버셋 메시(overset MESh)로 활용되었다.   그림 2   피델리티는 오버셋 메시(overset MESh) 기법을 활용하여 겹쳐진 격자(overlapping grids)를 사용하고, 격자 간 데이터 보간(interpolation)을 수행함으로써 복잡한 유동을 정밀하게 시뮬레이션하고 각 구성 요소의 큰 운동을 정확하게 제어한다. 오버셋 메시의 초기 셀 크기(initial cell size : ICS)는 배경 격자의 초기 셀 크기 대비 여섯 번째 세분화(refinement) 레벨로 설정되었다. 한편, 배경 박스(background box) 세분화는 초기 셀 크기보다 한 단계 더 거칠게(coarser) 적용되었다. 이 설정에서는 오버셋 인터페이스(overset interfaces) 구간에 3~4개의 초기 셀 크기를 배치하여 정확한 보간과 서로 다른 메시 구성 요소 간의 원활한 통합을 보장했다. 전체적으로 선체(hull)의 총 메시 크기는 약 1060만 개의 셀로 구성되었다.   그림 3   피델리티 파인 마린 설정 CFD 시뮬레이션은 피델리티 파인 마린에서 수행되었으며, 정상 상태(steady-state) 초기화로 시작한 후 벽 함수(wall functions)를 적용한 k-ω SST 난류 모델을 사용했다. 경계 조건과 수치 설정은 모범 사례(best practices)에 맞게 일관되게 적용되었다. 고체 영역의 경계 조건은 ‘wall-function’으로 설정되었으며, 갑판(deck)에는 ‘slip’ 조건이 적용되었다. 덕트 프로펠러(ducted propeller)는 액추에이터 디스크(actuator disk) 모델을 사용하여 구현되었다.     ■ 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.