• 정보처리학회 논문지
• /
• 제13권2호
• /
• pp.26-33
• /
• 2024

최근에 들어 디지털 트윈 기술에 대한 관심이 급증하고 있다. 디지털 트윈은 컴퓨터 기반 시뮬레이션을 통해 물리적 현상이나 사물을 모사함으로써 대상을 최적화하는 기술이다. 현재는 특정 분야에 국한되는 프로세스를 최적화하기 위한 단일 디지털 트윈이 개발되고 있지만, 독립된 디지털 트윈만으로는 현실의 방대하고 복합적인 프로세스를 분석하기 어렵다. 이를 극복하고자 도입된 개념이 연합 디지털 트윈이다. 지금까지 연합 디지털 트윈의 연구 방향은 주로 도시와 같이 거시적인 대상을 최적화하는 방식에 중점을 두었다. 그러나 트윈이 상호 연계된다는 특성을 활용하면 기존에 구현되었던 단일 디지털 트윈의 모듈화도 가능할 것으로 보인다. 본 연구에서는 프로세스 최적화와 관련된 기능상의 관점에서 단일 디지털 트윈과 연합 디지털 트윈의 개념 및 상호 관계를 정립하고, 이를 토대로 연합 디지털 트윈을 활용한 단일 디지털 트윈의 모듈화 기법을 설계한다. 아울러, 실제 면 제조 공정 사례를 바탕으로 모듈화 기법을 적용한 모델을 설계함으로써 제안하는 방법론의 효용성을 논의하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.138-139
• /
• 2023

최근에 들어 디지털 트윈에 대한 관심이 급증하고 있다. 디지털 트윈은 컴퓨터 기반 시뮬레이션을 통해 물리적 사물이나 현상을 모사함으로써 대상을 최적화하는 기술이다. 그러나 기존의 독립된 디지털 트윈으로는 현실의 복합적인 상호작용을 분석할 수 없다는 한계가 존재한다. 이를 극복하고자 도입된 개념이 연합 디지털 트윈이다. 본 논문에서는 연합 디지털 트윈의 기술적 정의를 살펴보고, 이를 활용한 디지털 트윈의 모듈화 기법을 제안한다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.317-318
• /
• 2022

전(全)세계적인 탈탄소화에 따라 그린에너지로의 전환 가속화를 위한 디지털트윈을 활용한 최적화 및 생산성 향상 모색하고 있으며, 주요국은 미래 핵심기술로 디지털트윈을 선정하여 선박 및 해양에너지 운용 최적화를 위한 SW 개발 등 경쟁이 가속화 되고 있음. 국제적으로 탄소 배출량에 대한 규제 강화로 선박의 운영비용 절감 및 조선 산업의 경쟁력 강화를 위해서는 선박의 탄소배출량 사전 예측 및 탄소저감 운항 솔루션을 위한 선제적 대응이 필요함. 이를 위해 선박해양시스템의 탄소 투명성 확보를 지원하는 개방형 디지털 플랫폼 기술 개발 및 환경 구축에 대한 기획을 수행하였음

• Korean Journal of Radiology
• /
• 제24권11호
• /
• pp.1061-1080
• /
• 2023

Artificial intelligence (AI) in radiology is a rapidly developing field with several prospective clinical studies demonstrating its benefits in clinical practice. In 2022, the Korean Society of Radiology held a forum to discuss the challenges and drawbacks in AI development and implementation. Various barriers hinder the successful application and widespread adoption of AI in radiology, such as limited annotated data, data privacy and security, data heterogeneity, imbalanced data, model interpretability, overfitting, and integration with clinical workflows. In this review, some of the various possible solutions to these challenges are presented and discussed; these include training with longitudinal and multimodal datasets, dense training with multitask learning and multimodal learning, self-supervised contrastive learning, various image modifications and syntheses using generative models, explainable AI, causal learning, federated learning with large data models, and digital twins.