알테어가 기업 내 분산된 다양한 데이터를 통합하고 관리하는 ‘데이터 패브릭’ 솔루션과 데이터를 그래프 형태로 모델링하는 ‘그래프 데이터베이스’ 기술을 보유한 전문 기업 ‘케임브리지 시맨틱스(Cambridge Semantics)’를 인수했다고 발표했다. 케임브리지 시맨틱스는 2007년 IBM 첨단기술그룹 출신의 혁신/엔지니어링 팀이 설립한 기업이다. 이번 인수로 알테어는 IBM 네티자(IBM Netezza)와 아마존 레드시프트(Amazon Redshift) 데이터웨어하우스 개발에 핵심적인 역할을 한 케임브리지 시맨틱스의 기술 인력도 영입하게 됐다.  알테어의 샘 마할링감 최고기술책임자(CTO)는 “이번 인수로 알테어의 분석/데이터 사이언스 팀에 탁월한 데이터웨어하우징 전문성을 보유하게 됐다”면서, “데이터 생성에서 실제 비즈니스 영향까지, 전체 데이터 라이프사이클을 완벽히 이해하는 엔지니어링 그룹을 갖추게 됐다”고 설명했다. 케임브리지 시맨틱스의 지식 그래프, 데이터 거버넌스, 가상화, 검색 기술은 알테어의 데이터 분석 플랫폼인 ‘래피드마이너’에 통합돼 기존 데이터 준비, ETL, 데이터 사이언스, BI, MLOps, 워크로드 관리 등의 기능과 시너지를 낼 예정이다. 알테어의 짐 스카파 CEO는 “지식그래프는 데이터 패브릭의 핵심 요소로서 기업의 분산 데이터를 통합해 통찰력 있는 의사결정과 혁신적 데이터 활용을 가능케 한다”면서, “케임브리지 시맨틱스 인수로 대규모 데이터와 복잡한 질의 처리, 비즈니스 컨텍스트를 제공하여 AI의 단점인 할루시네이션(hallucination : 환각현상) 문제의 해결이 가능한 최고 수준의 지식 그래프 기술을 확보했다”고 밝혔다.  

오라클이 4월 16일 서울 삼성동에서 ‘모던 데이터 플랫폼 및 데이터베이스 혁신 전략’ 기자간담회를 열고 기업의 성공적인 데이터 중심의 클라우드 전환과 최신 오라클 데이터베이스(DB) 전략 및 비전을 발표했다. 이번 간담회에는 전 세계적으로 ‘DB의 아버지’라 불리는 오라클의 앤디 멘델손(Andy Mendelsohn) DB 서버 기술개발사업부 총괄 부사장이 참석해 ‘데이터, AI 및 앱 개발의 미래’를 주제로 오라클 DB 솔루션의 핵심 가치를 강조했다. 오라클의 앤디 멘델손(Andy Mendelsohn) DB 서버 기술개발사업부 총괄 부사장 오라클 모던 데이터 플랫폼은 데이터의 전체 라이프사이클을 획기적으로 간소화하고, 더 빠른 속도로 통찰력을 제공한다. 단일 플랫폼 상에서 모든 트랜잭센, 웨어하우스, 분석 및 인공지능(AI)/머시러닝(ML) 자산에 대한 수집, 선별 및 관리를 통해 기업이 데이터에 대한 큰 통제 권한을 얻을 수 있다는 점이 특징이다. 멘델손 부사장은 오라클이 지난해 9월에 발표한 차세대 융합형 DB 오라클 DB 23c는 기존 관계형 모델과 JSON 및 그래프 모델 간의 통합을 구현하는 혁신을 이뤘다고 소개했다. 최근 앱은 관계형뿐만 아니라 JSON, 그래프 등 다양한 데이터 유형이 혼합 운영되는 가운데, 개발자는 오라클 DB 23c를 통해 세 가지 유형의 데이터 장점을 모두 활용하는 앱을 개발 운영하며 그 과정에서 데이터 일관성을 손쉽게 유지할 수 있다. 오라클의 앤디 멘델손(Andy Mendelsohn) DB 서버 기술개발사업부 총괄 부사장   앤디 멘델손 부사장은 오라클 DB 비전과 관련해 생성형 AI를 접목한 융합형 DB(converged database)와 이를 구동하는 자율운영 DB(Oracle Autonomous Database)를 통해 모던 앱 및 분석을 생성 및 운영하는 작업을 간소화할 것이라고 강조했다. 이를 통해 융합 개방형 SQL DB가 기존 단일목적 상용 DB를 대체함으로써 기업 개발자와 IT 전문가들은 데이터 통합 시간을 줄이고 혁신에 더 집중하도록 돕는다는 전략이다. 이 밖에도 기업의 핵심 워크로드 구동에 최적화된 고성능 및 고안정성을 제공하는 동시에, 데이터 주권 및 보안 강화를 지원하는 오라클의 서비스로는 오라클 융합형 DB(Oracle Converged Database), 오라클 자율운영 DB(Oracle Autonomous Database), 오라클 엑사데이터 클라우드앳커스터머(Oracle Exadata Cloud@Customer),MySQL 히트웨이브(MySQL HeatWave) 등이 있다고 소개했다. 또한 오라클은 기업 요구사항을 충족시킬 수 있는 DB 및 분석 서비스에 지속적으로 투자하고 있다고 설명했다.

효성인포메이션시스템이 ‘AI EXPO KOREA(국제인공지능대전) 2024’ 전시에 참가해, 고성능 AI 연산 환경부터 고성능 데이터 처리까지 지원하는 AI 플랫폼 전략 및 비즈니스 혁신을 위한 솔루션을 제시한다고 전했다. 한국인공지능협회와 서울메쎄가 주최하는 AI EXPO KOREA 2024는 5월 1일~3일 서울 코엑스 D홀에서 진행된다. 올해 7회를 맞는 이 행사는 약 300개사 500부스가 참가할 전망이다. 효성인포메이션시스템은 AI 비즈니스를 위해 필요한 GPU 서버부터 초고성능 스토리지, 네트워크를 사전 설계해 통합한 ‘효성 AI 플랫폼’을 체험할 수 있는 공간을 마련했다. AI 도입을 고민하는 관람객을 위한 전문가 컨설팅과 함께 다양한 프로모션도 진행한다. 최근 인간과 유사한 지능과 자가 학습 능력을 갖춘 AGI(일반인공지능)가 등장하며 AI 비즈니스에도 큰 변화가 일고 있다.  AGI의 등장은 더 큰 데이터 세트와 복잡한 AI 모델이 필요함을 의미하며, 이에 따라 GPU 시스템 및 데이터 처리 효율이 보다 중요해졌다. 효성인포메이션시스템은 AI 연산 환경부터 고성능 데이터 처리, AI솔루션까지 고객의 AI 전환을 위한 핵심 경쟁력을 제공한다. 고성능 AI 연산 환경을 위해 슈퍼마이크로와 협업하여 GPU 서버를 시장에 공급하고, 고성능 병렬파일 스토리지 ‘HCSF’를 통해 GPU 성능을 뒷받침하는 고성능 데이터 처리를 지원한다. 또한, AI/ML옵스 솔루션, GPU 데이터베이스, 인메모리 데이터베이스, 고속 네트워크 등 국내외 다양한 파트너사와 연계 및 확장 제안을 통해 고객에게 AI 인프라 구현을 위한 솔루션을 제시한다. 효성인포메이션시스템은 AI 시스템 설계 관련해 기획 단계부터 컨설팅이 가능한 전문 인력과 기술 노하우를 보유하고 있으며, 2023년부터 국내 은행권, 공공기관, 유통 대기업, 연구기관, 의료기업 등을 중심으로 AI/GPU 인프라, 빅데이터 플랫폼 구축 사업에서 성공사례를 확보했다고 밝혔다. 효성인포메이션시스템의 양정규 대표이사는 “많은 기업들이 AI 도입을 검토하고 있지만 최적화된 AI 시스템 설계를 위해서는 기획 단계부터 풍부한 경험의 파트너를 만나는 것이 중요하다”면서, ”AI 인프라 구현은 효성인포메이션시스템에 맡기고, 고객은 비즈니스 혁신에만 집중할 수 있도록 당사의 모든 기술력과 노하우를 제공할 것”이라고 전했다.  

인텔은 연례 고객 및 파트너 콘퍼런스인 ‘인텔 비전 2024’에서 기업용 생성형 AI를 위한 성능, 개방성 및 선택권을 제공할 인텔 가우디 3(Intel Gaudi 3) 가속기를 공개했다. 그리고 이와 함께 생성형 AI 도입 가속화를 위한 새로운 개방형 스케일러블 시스템 스위트, 차세대 제품 및 전략적 협력도 발표했다.  인텔 가우디 3 AI 가속기는 공통 표준을 따르는 이더넷을 통해 최대 수만 개의 가속기를 연결해 AI 시스템을 구동한다. 인텔 가우디 3는 BF16에 대해 4배 더 많은 AI 컴퓨팅 및 기존 모델 대비 1.5배 커진 메모리 대역폭을 지원한다. 인텔은 “이 가속기는 생성형 AI를 대규모로 배포하려는 글로벌 기업에게 AI 학습 및 추론 분야에서 획기적인 도약을 지원할 수 있다”고 설명했다.   ▲ 인텔 팻 겔싱어 CEO   인텔은 가우디 3가 70억 개 및 130억 개의 매개변수가 있는 라마2(Llama2) 모델과 GPT-3 1750억개 매개변수 모델 전체에서 엔비디아 H100보다 평균 50% 더 빠른 학습 시간을 제공할 것으로 예상하고 있다. 또한 인텔 가우디 3 가속기 추론 처리량은 평균적으로 H100보다 50%, 전력 효율성의 경우 라마(Llama) 70억 개 및 700억 개 매개변수와 팔콘(Falcon) 1800억 개 매개변수 모델에서 평균 40% 더 우수할 것으로 예상한다. 인텔 가우디 3는 개방형 커뮤니티 기반 소프트웨어와 업계 표준 이더넷 네트워킹을 제공한다. 또한 기업은 싱글 노드에서 클러스터, 슈퍼 클러스터, 수천 개의 노드가 있는 메가 클러스터로 유연하게 확장할 수 있으며, 최대 규모의 추론, 미세 조정 및 학습을 지원한다. 인텔 가우디 3는 2024년 2분기에 델 테크놀로지스, HPE, 레노버, 슈퍼마이크로를 비롯한 OEM 시스템에 탑재될 예정이다. 또한 인텔은 하드웨어, 소프트웨어, 프레임워크, 툴 등을 포함한 개방형 스케일러블 AI 시스템에 대한 전략을 제시했다. 인텔의 이러한 접근법은 기업별 생성형 AI 요구 사항을 충족하는 솔루션을 제공하기 위한 것으로, 다양하고 개방적인 AI 생태계를 가능케 한다. 여기에는 장비 제조업체, 데이터베이스 공급자, 시스템 통합업체, 소프트웨어 및 서비스 공급자 등이 포함된다. 또한, 기업 고객이 이미 알고 신뢰하는 생태계 파트너 및 솔루션을 활용할 수 있는 부분도 장점으로 꼽힌다. 인텔은 다양한 업계의 기업 고객 및 파트너들과 새롭고 혁신적인 생성형 AI 응용 프로그램을 개발하기 위해 인텔 가우디를 활용해 협력하고 있다고 밝혔다. 예를 들어, 네이버는 클라우드에서부터 온디바이스까지 첨단 AI 서비스를 전세계에 배포하기 위해 강력한 LLM 모델을 개발하고 있는데, 대규모 트랜스포머 아키텍처 기반 모델의 컴퓨팅 작업을 뛰어난 와트 당 퍼포먼스로 실행하기 위해 인텔 가우디를 사용한다. 보쉬는 자사 기반 모델 개발을 포함한 스마트 제조의 가능성을 모색하고 있으며, 합성 데이터 세트 생성과 더불어 자동 광학 검사와 같은 견고하고 분산된 트레이닝 세트 제공한다. 이에 더해 구글 클라우드, 탈레스, 코히시티(Cohesity)가 클라우드 환경에서 기밀 컴퓨팅 역량을 활용할 수 있도록 인텔과의 협력을 발표했다.    인텔은 인텔 가우디 3 가속기 외에도 엔터프라이즈 AI의 모든 부문에 걸쳐 차세대 제품 및 서비스에 대한 업데이트를 발표했다. 새로운 인텔 제온 6 프로세서는 폐쇄적 데이터를 사용하여 비즈니스에 특화된 결과를 생성하는 RAG를 포함한 최신 생성형 AI 솔루션을 실행할 수 있다. 2024년 출시될 차세대 인텔 코어 울트라 클라이언트 프로세서 제품군(코드명 루나레이크)은 차세대 AI PC를 위해 플랫폼 기준 100 TOPS 이상, NPU에서 45TOPS 이상을 제공할 예정이다. 인텔은 울트라 이더넷 컨소시엄(UEC)을 통해 AI 패브릭을 위한 개방형 이더넷 네트워킹을 선도하며 다양한 AI 최적화 이더넷 솔루션을 선보이고 있다.  인텔의 팻 겔싱어(Pat Gelsinger) CEO는 “혁신은 전례 없는 속도로 발전하고 있으며, 반도체가 이 모든 것을 가능하게 한다. 또한 모든 기업이 빠르게 AI 기업으로 거듭나고 있다”면서, “인텔은 PC부터 데이터센터, 에지에 이르기까지 기업 전반의 모든 곳에 AI를 가능하게 하고 있다. 인텔의 최신 가우디, 제온 및 코어 Ultra 플랫폼은 변화하는 고객과 파트너의 요구를 충족하고 앞으로의 엄청난 기회를 활용할 수 있도록  유연한 솔루션 세트를 제공하고 있다”고 밝혔다.

문화유산 분야의 이미지 데이터베이스와 활용 사례 (4)   지난 호에서는 옛 사진 데이터베이스의 중요성과 그 활용 가능성에 관하여 광화문과 광화문 현판 복원 사례를 통해서 살펴 보았다. 사진을 어떤 목적으로 어떻게 촬영할 것인가 하는 문제와 사진 이미지 데이터베이스 구축의 필요성에 관해서 소개하였다. 또한 이미지 데이터베이스의 활용에 있어서 메타 데이터(meta data)와 올바른 태깅(tagging)의 중요성에 관해서 생각해 보았다. 이미지 데이터를 통한 역사 퍼즐을 풀어가는 데에서 발생할 수 있는 다양한 문제점을 예시하고, 다른 기록 자료와의 상호 검증 필요성도 강조하였다. 문화유산 복원의 정의와 현실적인 문제점 등에 관해서도 간단하게 소개하였다.  이번 호에서는 종이의 역사, 동아시아의 전통 종이, 한지 제지 공정, 한지의 다양한 명칭, 한지의 특징, 한지의 원료, 한지의 색상, 빛의 투과 특성, 전통 한지의 우수성에 관해서 간단하게 정리해 본다. 아울러 우리의 소중한 문화유산인 전통 한지에 관한 데이터베이스 구축의 중요성과 문화유산 분야에서의 활용 사례에 관하여 살펴 본다. 한지 데이터베이스 구축에 있어서 어떠한 정보를 어떻게 정리하는 것이 앞으로 문화유산 분야에서의 활용에 도움이 될 것인가에 관해서 생각해 본다.    ■ 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. 한지의 다양한 활용 사례(서화, 책, 등, 한옥 문, 신발, 가방, 불경 등) 종이의 역사 종이의 역사를 소개하기에 앞서 우리의 전통 종이인 한지의 다양한 활용 사례를 <그림 1>에 소개하였다. 한지는 우리에게 익숙한 전통적인 서화, 책, 한옥 재료, 불경을 비롯하여 현대적인 디자인을 가미한 등의 갓, 신발, 가방 등 다양한 응용제품의 소재로 사용되고 있다. 전통적인 방법으로 만든 종이는 일반적으로 사용되는 양지(洋紙)와 달리 독특한 질감과 특성을 가지고 있어 문화유산의 보수, 서화 작품의 소재로 사용될 뿐만 아니라, 새로운 종이를 재질로 한 새로운 제품의 개발에도 활용될 가능성이 높아 각광받는 재료이다. 고대부터 그림 또는 문자를 바위, 벽돌, 동물 가죽, 나무, 대나무 조각 등 다양한 소재에 기록으로 남겨 두었다. 고대 이집트에서는 양가죽을 종이처럼 만든 양피지(羊皮紙, parchment)가, 아시아에서는 얇은 대나무 조각을 재료로 한 죽편(竹片)이 사용되었다. 기원전 3000년경에 고대 이집트에서는 파피루스(papyrus)라고 하는 풀의 섬유로 종이와 비슷한 것을 만들어 사용하였으며, 오늘날 영어에서 ‘종이’를 뜻하는 ‘paper’의 어원이 되었다. 양피지는 우리말로 번역하면서 양의 가죽으로 만들어 종이처럼 사용되는 물건을 종이에 비유하면서 한자로 종이를 의미하는 지(紙)가 붙었을 뿐, 실제로 종이는 아니다. 현재 사용되고 있는 종이는 식물에서 셀룰로스(cellulose, 섬유소)를 추출하여 얇은 평면의 막 형태로 만든 것이다. 종이를 처음으로 만든 사람은 중국의 채륜(蔡倫)으로 알려져 있다. 삼(麻 : 마), 아마(亞麻) 등에서 섬유를 분리하여 얇은 막의 형태로 걸러서 떠내어 건조시키는 방법으로 만들었다. 이러한 방법은 한국과 일본에도 전해져, 동아시아 각국에서는 지역에 자생하는 식물을 재료로 하여 종이를 만들어 사용하게 되었다. 종이의 발명으로부터 약 600년 후인 710년경에는 중국인 포로에 의해서 현재의 우즈베키스탄 사마르칸트까지 전파되었다. 12세기 즈음에 이르러 무어인이 종이 만드는 기술을 에스파냐에 도입하면서 점차 유럽에 전파되었다. 그 후 약 7세기 동안 유럽에서는 식물 섬유와 넝마를 원료로 수작업으로 유럽의 전통 종이가 만들어졌다. 산업혁명이 일어난 19세기에는 제지 작업의 기계화가 시작되었으며, 양지의 대량생산으로 이어졌다.    한국, 중국, 일본의 전통 종이 한국, 중국, 일본 모두 전통적인 방식의 수작업으로 전통 종이가 생산되고 있다. 한국의 전통 종이를 한지(韓紙), 중국의 전통 종이를 선지(宣紙, Xuan Zhi), 일본의 전통 종이를 화지(和紙, わし)라고 구별하여 부른다. 동아시아 삼국의 종이는 모두 오랜 역사와 전통을 가지고 있으며, 기본적으로 닥나무를 이용해 종이를 만드는 것은 비슷하지만 각국의 닥나무 품종, 제조 과정이나 첨가되는 재료들이 달라지면서 각 나라 전통 종이의 고유한 특징을 가지게 되었다.   그림 2. 동아시아 전통 종이의 명칭, 원료 및 특징   <그림 2>에 동아시아 전통 종이의 명칭과 특징을 간단하게 정리하여 소개하였다. 우리나라의 경우에도 한지를 만드는 공방이 전국 각지에 분포하고 있으며, 각 공방마다 다른 재료와 제지 공정으로 종이를 만들기 때문에 획일적으로 한지의 특징을 표현할 수는 없다. 다만 한국, 중국, 일본의 전통 종이의 일반적인 특징의 차이를 정리하면 다음과 같이 요약할 수 있다. 한지는 주로 닥나무를 원료로 만들어 보존성이 탁월하고 질기면서도 유연한 특징을 가지고 있다. 문자의 기록, 서화용뿐만 아니라 건축, 공예, 예술 등 여러 분야에서 활용되고 있다. 한지는 중국이나 일본의 전통 종이 제지법과 다르게 한지 두 장을 서로 붙여서 한 장을 만드는 합지(合紙) 방식이 사용된다. 표면을 매끄럽게 하기 위한 도침(搗砧 : 종이나 가죽 따위를 다듬잇돌에 올려놓고 다듬어서 윤기가 나고 매끄럽게 함) 과정을 거치기도 한다.  중국의 선지는 죽피(竹皮), 마피(麻皮), 청단피(靑檀皮), 상피(桑皮)에 볏짚이나 밀짚 등을 섞은 원료로 만든다. 중국의 청단(靑檀)은 느릅나무과의 나무로 한반도에는 자생하지 않는 식물이다. 선지는 한지보다 섬유의 길이가 짧아 종이의 질은 약하지만, 먹 번짐이 고르고 우수하여 서화용으로 적합하다.  일본의 화지는 왜(倭)닥피, 안피(雁皮 : 산닥나무 껍질), 삼지(三枝) 닥피를 원료로 만들며, 부드럽고 유연하다. 종이를 쌍발 뜨기 방식으로 뜨기 때문에 얇은 종이를 여러 번 뜰 수 있어, 종이의 질을 균일하게 할 수 있는 특징이 있다. 표면 처리로 표면을 고르게 하여 섬세하다. 그러나 먹 번짐이 좋지 않아 먹을 이용하여 글을 쓰거나 그림을 그리는 것에는 그다지 적합하지는 못하다.     ■ 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.

  17　THEME. 플랜트·조선 산업 혁신을 위한 디지털화 전략   Part 1. 디지털 기술로 플랜트·조선 산업을 혁신하다 데이터 기반의 업무 혁신, 건설산업의 새로운 시작 클라우드 서비스를 통한 대내외 보안 환경 조성 경쟁력 있는 플랜트를 위한 설비 관리 전략 스마트 디지털 리얼리티와 스마트 야드형 공사 정보 디지털 백본 구축 해양의 미래 : 자율운항 선박의 혁신과 시뮬레이션의 중요성 디지털 전환 여정을 위한 3D CAD 기반 디지털 트윈 구축의 4단계   Part 2. 디지털 트윈의 구축과 활용을 위한 기술 디지털 트윈 가속화를 위한 3D 엔지니어링 데이터 경량 시각화 솔루션 3D 스캔 데이터를 효과적으로 분석하고 활용하는 방법 플랜트 BIM 배관 공사의 필수 아이템 Ez-ISO Strand7 R3 : 범용 유한요소 해석 프로그램   Infoworld   Column 55　책에서 얻은 것 No. 19 / 류용효　커넥팅 80　디지털 지식전문가 조형식의 지식마당 / 조형식　제조업 디지털 전환과 디지털 엔지니어링, 디지털 PLM   Case Study 58　해외 소장 문화재의 ‘디지털 귀향’ 프로젝트　언리얼 엔진과 에픽 에코시스템으로 이뤄낸 문화유산 디지털 경험 62　최신 렌더링 기능의 사용 돕는 URP 3D 샘플　고품질 그래픽스의 효율적인 제작 및 스케일링 방법 제시   Focus 64　지멘스 DISW, “솔리드 엣지로 지능형 제품 설계를 실현한다” 66　모두솔루션, 지스타캐드 시장 확대 및 파트너십 강화 전략 소개 68　슈나이더 일렉트릭, 데이터 플랫폼으로 EV 배터리 시장 공략 70　한국산업지능화협회, “산업 디지털 전환을 주도하기 위해 다방면의 활동 강화” 72　레노버, “클라우드부터 에지까지 폭넓은 AI 포트폴리오 제공” 74　생성형 AI와 협업 툴의 만남, ‘플로우 3.0’ AI Now   New Products 76　이달의 신제품   On Air 78　캐드앤그래픽스 CNG TV 지식방송 지상중계　SIMTOS 2024와 디지털 제조 혁신 트렌드   82　New Books 84　News   Directory 131　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 87　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　로컬 호스트 LLM 오픈소스 기반 BIM 전문가 챗봇 서비스 만들어보기 94　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2024 (12) / 천벼리　아레스 커맨더의 사용자 인터페이스 108　새로워진 캐디안 2024 살펴보기 (4) / 최영석　구성선 및 자유선 기능 128　복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (1) / 이소연　직스캐드 2024의 최신 기능 업데이트   Reverse Engineering 100　문화유산 분야의 이미지 데이터베이스와 활용 사례 (4) / 유우식　한지 데이터베이스   Mechanical 111　제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (11) / 김주현　매스캐드 프라임 9.0 사용하기 Ⅰ   Analysis 97　시뮤텐스 소프트웨어를 활용한 복합소재 해석 (1) / 씨투이에스코리아　복합소재 공정 전반의 가상 프로세스 체인 118　앤시스 워크벤치를 활용한 해석 성공사례 / 김선명　전기자동차용 헤어핀 모터 코일의 DfAM 및 금속 적층제조 프로세스 124　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (8) / 나인플러스IT　CFD 시스템 설계 및 분석 가속화를 위한 밀레니엄 M1     캐드앤그래픽스 2024년 4월호 목차 from 캐드앤그래픽스  

문화유산 분야의 이미지 데이터베이스와 활용 사례 (3)   지난 호에서는 서화, 낙관, 탁본 데이터베이스의 중요성과 문화유산 분야에서의 활용 사례에 관하여 살펴보았다. 사회적으로 문제가 되었던 인감도장의 진위문제 판단을 위한 이미지 분석을 통한 유사도 조사 사례도 소개하였다. 또한 근래에 문제가 되었던 천경자 화백과 이우환 화백의 작품으로 위작 시비가 일었던 사례도 간단하게 살펴보았다. 이번 호에서는 옛 사진 데이터베이스의 중요성과 그 활용 가능성에 관하여 살펴보도록 한다. 사진을 어떤 목적으로 어떻게 촬영할 것인가 하는 문제도 함께 생각해 본다. 목적 없이 촬영되는 사진이 과연 존재할까 하는 문제도 함께 생각해 보려고 한다. 그리고, 촬영된 이미지 데이터를 효과적으로 활용하기 위하여 필요한 관련 지식, 경험, 안목의 중요성에 관해서도 소개한다.   ■ 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   역사 퍼즐(시간적 공간적 퍼즐) 조각 퍼즐(jigsaw puzzle)은 완성된 이미지를 여러 조각으로 분할하여 분할된 이미지를 여러 가지 조합으로 평면에 배치하여 본래의 이미지가 되도록 만들어 가는 게임이다. 모든 이미지는 어느 특정한 시각에서의 정보이다. 즉, 조각 퍼즐은 어느 특정한 시각의 이미지 정보를 공간적으로 분리해 놓은 것을 맞춰가는 것이다. 퍼즐의 모든 조각은 동일한 시각 또는 정지된 이미지의 일부이다. 동영상에서 한 장의 이미지를 뺐다면 그 이미지는 시간의 흐름 속에서 바로 앞의 장면과 바로 다음 장면의 사이에 해당하는 정보이다. 시간적인 전후 관계를 맞춰 가는 시간적 퍼즐이다. 역사 연구는 이러한 시간적, 공간적, 사회적, 문화적 다차원 퍼즐이라고 할 수 있다. 2023년 10월15일 광화문 월대(月臺)가 복원되고 새로운 현판이 공개되었다. 역사적 기록을 통한 고증을 거쳐 1865년에 흥선대원군에 의해서 경복궁 중건이 시작되어 1867년에 완성될 당시의 모습으로 복원되었다. 중건 당시의 완벽한 모습은 아니지만 조금씩 원형에 가까워져 가고 있다.   그림 1. 광화문 사진으로 풀어 보는 역사 퍼즐(사진이 촬영된 순서 맞추기)   <그림 1>에 다른 시기에 촬영된 다섯 장의 광화문 사진을 소개하였다. 광화문의 모습이 시대에 따라 어떻게 변화되었는지, 시간을 축으로 역사 퍼즐에 도전해 보는 것도 좋을 것 같다. 어떤 순서로 사진이 촬영된 것이며 어느 시기에 촬영된 것인지 함께 생각해 보자. 모든 사진이 촬영된 시기에 직접 현장을 방문한 사람이라면 쉽게 알 수 있는 문제이지만, 사진이 촬영된 시기의 폭이 약 100년 가까이 되니 현장을 방문했던 사람이라도 이미 고인이 되었거나 기억이 분명하지 않을 수도 있다. 사진의 특징, 풍경, 건물, 차량 등 다양한 정보와 자신이 알고 있는 역사적 사실(데이터베이스)을 바탕으로 추정하는 과정을 거쳐서 결론을 얻게 될 것이다. 자신이 내린 결론에 확신이 없는 경우도 있을 것이고, 확신하지만 데이터베이스나 기억이 사실과 달라서 오답을 하는 경우도 있을 것이다. 역사적 사실을 잘 알지 못하는 사람이라면 다섯 장의 사진 중에서 네 장(B, C, D, E)의 사진에는 큰 서양식 건물이 찍혀 있지만, 첫 번째 사진(A)에는 서양식 건물이 사라졌다는 사실로 힌트를 삼을 것이다. 또한 서양식 건물만 찍혀 있는 오래된 것 같은 사진(E)도 있으므로, 광화문이 서양식 건물을 세운 다음에 건립된 것으로 판단할 수도 있을 것이다. B, C, D의 사진은 지나가는 행인의 옷차림, 차량의 유무, 차량의 모델 등을 바탕으로 촬영된 순서를 유추하게 될 것이다. 사진 A는 광화문을 남겨두고 서양식 건물만 철거하는 가장 마지막에 촬영된 것으로 추정하게 될 것이다. 이러한 내용을 바탕으로 다섯 장의 사진이 촬영된 순서를 추정하면 E → B → D → C → A로 보는 것이 합리적이다. 실제의 촬영순서는 B → E → D → C → A이다. 사진에서 서양식 건물은 일제강점기에 지어진 조선총독부 건물이다. 당시에는 동양 최대의 근대식 건축물로 1912년 독일인 게오르그 라란데(Georg de Lalande)가 설계하고, 1916년에 광화문 뒤편 경복궁 내에 공사를 시작하여 1926년에 완공되었다.(B) 1945년 해방 후에는 미 군정 청사로, 1950년 6월 25일에 발발한 한국전쟁 직후에는 서울이 함락되어 조선인민군 청사로, 같은 해 9월 28일에는 UN군이 서울을 수복하여 1962년부터 대한민국 중앙청(정부 청사)으로 사용되었다. 1986년부터는 국립중앙박물관으로 사용되었으며, 김영삼 대통령 재임시절인 1995년 8월 15일에 철거를 시작하여 1996년에 철거가 완료되었다. 건물 철거 후 첨탑 부분은 천안 독립기념관에 전시되고 있다.   ■ 상세한 기사 내용은 PDF로 제공됩니다.