- 과학향기 Story
- 동영상
동영상
디지털 트윈으로 미래를 예측하는 방법
KISTI 과학향기 제1920호 2024년 12월 30일
자막
좋아요, 그럼 쉬운 질문부터 시작해 보죠.
여러분 중 피트빗이나 애플워치 같은 건강 추적 장치를 착용하고 계신 분이 몇 분이나 되나요?
혹은 다른 종류의 건강 추적 장치를 착용하고 계신 분이 몇 분이나 되나요?
그리고 오늘 여기 오신 분들 중 스마트폰을 소지하고 계신 분이 몇 분이나 되나요?
혹은 스마트폰을 소지하고 있지 않으신 분이 몇 분이나 되나요?
이렇게 많은 사람들이 이런 놀라운 기술의 산물을 주머니에 넣고 다니거나 몸에 지니고 다니고 있다는 사실은
지난 10년 동안 컴퓨팅 분야에서 일어난 혁명의 확실한 증거입니다.
그리고 저는 여러분과 함께 이 혁명의 요소들에 대해 잠시 생각해 보고 싶습니다.
우선, 데이터입니다.
이 장치들은 우리의 건강, 움직임, 습관 등에 관한 데이터를 수집합니다.
그리고 정말 중요한 것은,
그 데이터가 일반적인 인구 데이터가 아니라,
개개인에게 맞춤화된 데이터라는 것입니다.
둘째, 그리고 마찬가지로 중요한 것은 모델입니다.
이 장치들 안에는 매우 강력한
수학적, 통계적 모델이 있습니다.
이 모델들 중 일부는 전적으로 데이터로부터 학습됩니다.
아마도 제가 달리고 있는지, 걷고 있는지, 자전거를 타고 있는지, 잠을 자고 있는지 등을 분류하는 것을 학습한 기계 학습 모델일 것입니다.
이러한 모델 중 일부는 물리학에 기반을 두고 있습니다.
예를 들어, 심장 기능이나 일주기 리듬을 나타내는 방정식을 설명하는 생리학적 모델이 있습니다.
그리고 이제 정말 흥미로운 부분이 시작됩니다.
데이터와 모델을 결합하기 시작하는 것입니다.
수학적으로 이것은 데이터 동화라고 알려져 있습니다.
데이터 동화는 데이터와 모델 간의 관계를 이해하는 데 도움이 됩니다.
그래서 우리는 데이터와 모델을 가지고 있습니다.
데이터 동화 과정을 통해, 우리는 시스템으로부터 새로운 데이터가 수집될 때 모델 업데이트를 시작합니다.
그리고 이 업데이트는 한 번만 하는 것이 아니라, 계속해서 반복합니다.
그래서 시스템이 변화함에 따라,
나이가 들어감에 따라, 그리고 나의 생체 리듬이 변화함에 따라,
또는 제 심장 기능이 예전 같지 않아서,
새로운 데이터가 수집되고 모델이 진화하면서
저를 따라갑니다.
이제 데이터 동화가 정말 중요합니다.
데이터 동화가 저에게 맞는 모델을 만들어 주기 때문입니다.
그리고 이것이 네 번째 요소로 이어집니다.
데이터 동화는 저에게 맞는 모델을 만들어 주기 때문입니다.
예측의 요소입니다.
이제 개인화된 모델을 갖게 되었으니,
매우 강력합니다.
이제 개인화된 예측이나 추천을 받을 수 있기 때문입니다.
그것은 개인으로서 저에게 맞춤화된 것이고,
제 인생에서 역동적으로 변화하는 상태에 맞춤화된 것입니다.
제가 지금 설명하고 있는 것은,
데이터와 모델의 이러한 협력이
여러분 모두에게 매우 친숙할 것입니다.
왜냐하면 이 협력이 여러분이 오랫동안 소매업과 엔터테인먼트, 그리고 웰니스 분야에서 개인적인 선택을 하는 데 영향을 미쳤기 때문입니다.
그러나 여러분은 아마도 모르고 있을 것입니다.
비슷한 혁명이 엔지니어링 시스템 분야에서 일어나고 있다는 사실을 말입니다.
이 혁명은 아마도 여러분에게 익숙하지 않을 것입니다.
왜냐하면 이 혁명은 아마도 여러분에게 익숙하지 않을 것입니다.
그리고 엔지니어링 시스템에서도 비슷한 혁명이 일어나고 있습니다.
우리는 데이터가 있고, 데이터의 양도 점점 늘어나고 있습니다.
센서가 점점 작아지고, 가벼워지고, 저렴해지고, 더 강력해짐에 따라 말입니다.
엔지니어링 분야에서도 모델이 있습니다.
우리의 모델은 대개 물리학에 기반을 두고 있습니다.
이 모델들은 자연의 지배 법칙을 나타냅니다.
강력한 모델로, 이 모델은 우리가 예측할 수 있게 해줍니다.
엔지니어링 시스템이 어떻게 반응할지 말입니다.
여기 슬라이드에 보이는 것은 제가 연구 그룹에 가지고 있는 무인 항공기 사진입니다.
저희 연구의 상당 부분을 이 무인 항공기를 이용해서 하고 있습니다.
그리고 이 항공기에 대해서는,
그리고 이 항공기에 대해서는,
강력한 유한 요소 모델을 가지고 있습니다.
이 모델을 통해 다양한 조건에서 항공기 구조가 어떻게 반응할지 예측할 수 있습니다.
그래서 이 모델을 통해 다음과 같은 질문에 답할 수 있습니다.
이륙 시 항공기 구조가 견딜 수 있을까요?
이렇게 설계하면 될까요?
아니면, 항공기 날개가 손상되면 어떻게 될까요?
또는, 날개가 손상되면 어떻게 될까요?
그리고 계속 공격적으로 비행한다면 어떻게 될까요?
항공기가 견딜 수 있을까요?
그리고 다시, 핏빗과 스마트폰의 예와 마찬가지로,
데이터와 모델을 결합하여
엔지니어링 시스템의 개인화된 모델을 구축할 수 있습니다.
항공기의 개인화된 모델입니다.
그리고 이 개인화된 모델을 디지털 트윈이라고 부릅니다.
그렇다면 디지털 트윈이란 무엇일까요?
그것은 개인화된,
물리적 시스템의 역동적으로 진화하는 모델입니다.
여러분들이 제 항공기의 디지털 트윈에 대해 생각해 보셨으면 합니다.
제가 그 디지털 트윈을 만들 때,
저는 항공기 내부의 센서에서 데이터를 수집할 것입니다.
저는 항공기 점검을 통해 데이터를 수집할 것입니다.
저는 항공기를 만들 수도 있고,
그 데이터를 모델에 통합할 수도 있습니다.
그리고 정말 중요한 것은
제가 그냥 텔레마스터 항공기의 일반적인 모델을 구축하는 것이 아니라는 것입니다.
저는 지금 제 차고에 있는 바로 그 항공기에 대한 개인화된 모델을 만들고 있습니다.
그리고 그 디지털 트윈은 그 차이를 포착할 것입니다.
제 항공기와 이웃의 항공기의 차이, 즉 가변성을 말입니다.
그리고 더 중요한 것은, 그 디지털 트윈은 정적이지 않을 것입니다.
저는 지금 제 차고에 있는 바로 그 항공기에 대한 개인화된 모델을 만들고 있습니다.
그리고 그 디지털 트윈은 정적이지 않을 것입니다.
제 항공기가 노후화되고 성능이 저하되고
손상되고 수리되면서 변화할 것입니다.
우리는 항상 데이터를 수집할 것이고
디지털 트윈은 항공기의 수명 동안 항공기를 따라갈 것입니다.
그래서 이것은 매우 강력합니다.
여러분이 항공사의 직원이라고 상상해 보세요.
또는 몇 년 후에는 무인 화물 배달 드론의 운항사가 되어 있을지도 모릅니다.
그리고 여러분의 운항사 차량에 대해 이와 같은 디지털 트윈이 있다고 상상해 보세요.
그리고 그것이 여러분의 의사 결정에 어떤 영향을 미칠지 생각해 보세요.
여러분은 언제 어느 항공기를 정비할지 결정할 수 있습니다.
특정 항공기의 진화 상태에 따라 결정할 수 있습니다.
특정 날짜에 항공기를 최적으로 비행하는 방법에 대한 결정을 내릴 수 있습니다.
항공기의 상태, 임무 요구 사항,
환경 조건을 고려하여 결정할 수 있습니다.
이를 통해 항공기 함대를 최적으로 관리할 수 있습니다.
정말 항공기 함대를 최적으로 관리할 수 있게 해줍니다.
그래서 디지털 트윈이라는 개념은 꽤 괜찮은 아이디어입니다.
“디지털 트윈"이라는 용어는 2010년 NASA 보고서에서 처음 사용되었습니다.
하지만 모델과 데이터를 결합하는 개인화된 모델이라는 아이디어는 훨씬 더 오래된 것입니다.
그리고 많은 사람들이 아폴로 프로그램을
그중 하나로 꼽습니다.
디지털 트윈이 최초로 실행된 곳 중 하나라고 합니다.
그래서 60년대와 70년대 아폴로 프로그램에서,
NASA는 아폴로 우주선을 우주로 발사했고,
또한 시뮬레이터도 배치했습니다.
휴스턴에 있는 지상에서도 가상 모델을 배치하여,
미션을 따라가도록 했습니다.
그리고 이 기능이 매우 중요해졌고,
아폴로 13호 임무에서 매우 유용하게 사용되었습니다.
그리고 다시 말씀드리지만, 아마도 여러분 모두 그 이야기를 알고 계실 것입니다. 왜냐하면 그 이야기를 영화로 보셨을 테니까요.
아폴로 13호 임무에서 우주선이 오작동을 일으켰습니다.
매우 심하게 손상되었습니다.
우주 공간에 좌초되었습니다.
그래서 이야기는 이렇게 흘러갑니다. NASA는 실제 우주선에서 데이터를 가져올 수 있었고,
우주 공간에 갇혀 있던 실제 쌍둥이 우주선을
시뮬레이터와 가상 모델에 입력하고,
휴스턴의 지상에 있는
데이터를 통합하고,
시뮬레이터를 역동적으로 발전시키고,
그래서 이제 손상된 우주선의 상태를 나타내게 되었습니다.
그리고 그 시뮬레이터를 사용하여 예측을 실행합니다.
그리고 궁극적으로 결정을 내립니다.
그 결정으로 우주비행사들이 안전하게 집으로 돌아올 수 있었습니다.
그래서 50년이 지난 지금,
이 아이디어는 이제 정말 훌륭한 이름을 갖게 되었습니다.
디지털 트윈이라는 이름입니다.
그리고 정말 흥미로운 것은
이것이 단순히 항공우주 공학을 넘어서는 방향으로 발전하고 있다는 것입니다.
따라서 공학이 발달한 세계에서
우리는 교량과 기타 토목 인프라의 디지털 트윈을 보기 시작했습니다.
구조적 건강 모니터링과 예측 유지보수를 위해 말입니다.
우리는 에너지 효율성을 위해 건물의 디지털 트윈을 보기 시작했습니다.
풍력 발전 단지의 디지털 트윈
효율성을 높이고 가동 중단 시간을 줄이기 위해.
자연계에서는,
숲, 농장, 빙상, 연안 지역, 유전 등의 디지털 트윈을 만드는 것에 많은 관심이 있습니다.
심지어 지구라는 행성의 디지털 트윈을 만들려고 시도하는 이야기도 있습니다.
디지털 트윈은 자연계에서 매우 흥미로운 분야입니다.
그리고 의료계에서는
의료 평가, 진단, 개인 맞춤형 치료, 그리고 컴퓨터를 이용한 약물 테스트를 돕기 위해 디지털 트윈을 만드는 것에 큰 관심이 있습니다.
디지털 트윈의 잠재적 응용 분야는 정말 많습니다.
하지만 오늘 제 강연을 끝까지 들어주셨으면 합니다.
이 모든 것이 현실이라고 생각하고,
오늘날 우리가 모든 복잡한 시스템의 디지털 트윈을 만들 수 있다고 생각하지 마십시오.
아직도 항공기 전체의 디지털 트윈을 만드는 것은 불가능합니다.
아직도 암 환자의 디지털 트윈을 만드는 것은 불가능합니다.
또는 지구 전체의 디지털 트윈을 만드는 것은 불가능합니다.
매우 복잡한 시스템의 디지털 트윈을 만드는 것은
매우 매우 어려운 일입니다.
왜 그렇게 어려운지 잠시 생각해 봅시다.
매우 어려운 이유 중 하나는 바로 이 시스템들이 교차하는 규모 때문입니다.
제 항공기를 생각해 보세요.
만약 제 항공기를 생각한다면,
미세한 수준의 손상
항공기 날개에 있는 물질에 미세한 수준의 손상이
규모를 넘어 차량 수준에서 비행 방식에 영향을 미칩니다.
의학에서도 마찬가지로,
아주 미세한 수준의 변화는
우리 몸의 분자 또는 세포 수준에서
변화를 일으킨다는 것을 알고 있습니다.
규모를 넘어서서 우리 몸의 시스템 수준,
인간 수준에 영향을 미칩니다.
그리고 이러한 모든 규모를 해결하는 계산 모델은,
미시적 규모에서 시스템 수준에 이르기까지,
계산적으로 다루기 어렵습니다.
오늘날의 슈퍼컴퓨팅 능력으로도 해결할 수 없습니다.
하지만 여러분은 “좋아요, 그럼 데이터는 어떻습니까?
데이터가 많다고 하셨죠.
데이터에서 디지털 트윈을 배울 수는 없나요?”라고 말할 수 있습니다.
그렇습니다. 우리는 빅 데이터 시대에 살고 있습니다.
그리고 우리는 종종 시스템에 대한 많은 데이터를 가지고 있습니다.
그러나 엔지니어링, 과학, 의학 분야에서 매우 도전적이고 복잡한 시스템에 관한 한,
데이터만으로는 거의 충분하지 않습니다.
데이터는 공간과 시간 모두에서 거의 항상 매우 드물게 존재합니다.
데이터는 거의 항상 잡음이 많고 간접적입니다.
엔지니어로서,
제가 알고 싶은 것을 측정할 수 있는 경우는 거의 없습니다.
제가 제 항공기 날개 내부의 구조에 대해 알고 싶다면,
그것을 뜯어내어 살펴볼 수는 없습니다.
저는 날개 표면에 있는 몇 개의 센서에만 의존할 수밖에 없습니다.
그런 측정을 하고 추측을 해보는 것입니다.
추측하는 것 이상으로, 날개 내부에서 무슨 일이 일어나고 있는지 추론하려고 노력합니다.
의학에서도 마찬가지입니다.
의사는 장기를 보기 위해 누군가를 열 수 없습니다.
다시 말하지만, 우리는 외부에서 얻은 드물고,
시끄럽고 간접적인 관찰에 국한되어 있습니다.
무슨 일이 일어나고 있는지 추측하려고 합니다.
그렇다면 여러분은 이렇게 말할지도 모릅니다.
“글쎄요, 우리는 몇 년만 더 기다리면 됩니다. 감지 기술이 점점 더 좋아질 테니까요."
그 말이 맞습니다.
아마도, 아마도 그때쯤이면 충분한 데이터를 확보할 수 있을 것입니다.
이 복잡한 시스템 내부에서 어떤 일이 벌어지고 있는지
특징을 파악할 수 있을 만큼 충분한 데이터를 확보할 수 있을지도 모릅니다.
그러나 그것도 충분하지 않습니다.
왜냐하면 그 모든 정보는 지금 일어나고 있는 일만 알려줄 뿐이기 때문입니다.
그리고 기억하십시오. 우리는 그것보다 더 많은 일을 해야 합니다.
우리는 미래에 일어날 일을 예측할 수 있어야 합니다.
다른 행동을 취할 경우 미래에 일어날 수 있는 일을 예측할 수 있어야 합니다.
따라서 우리는 항상 모델이 필요합니다.
그래서 이것은 엄청난 도전처럼 들리지만, 실제로는 그렇습니다.
그러나 좋은 소식은 우리가 이 도전을 해결할 수 있는 많은 희망을 가지고 있다는 것입니다.
그리고 이 희망의 큰 부분은
물리학에 기반한 예측 모델에 달려 있습니다.
이 모델들은 자연의 법칙을 암호화한 모델입니다.
이 모델들을 통해 우리는 예측을 할 수 있습니다.
예를 들어, 암 종양이 어떻게 성장할지 예측할 수 있습니다.
또는 암 종양이 방사선 치료에 어떻게 반응할지 예측할 수 있습니다.
또는 남극 빙상이 어떻게 흘러갈지 예측할 수 있습니다.
다양한 미래 온도 시나리오 하에서.
그리고 이러한 예측 물리학 기반 모델을 강력한 기계 학습,
확장 가능한 방법과 데이터 시뮬레이션,
최적화 및 의사 결정,
고성능 컴퓨팅과 함께 결합하는 것이 바로
계산 과학의 학제 간 영역입니다.
그리고 그것이 오덴 연구소의 초점입니다.
여기 오스틴 대학교에서,
우리는 캠퍼스 전체에 걸쳐 24개의 다른 학과에서 온 교수진을 한데 모읍니다.
이러한 종류의 어려운 문제를 해결하기 위해서입니다.
그래서 저는 여러분의 상상력을 자극하는 것으로 이 글을 마무리하려고 합니다.
여러분도 상상력을 발휘해 보세요.
여러분도 저처럼 디지털 트윈이라는 아이디어에 흥미를 느끼셨으면 좋겠습니다.
그리고 집에 돌아가실 때 주변을 둘러보면서 이렇게 생각하실 수도 있습니다.
“아, 저것의 디지털 트윈이 있다면 어떨까?"
하지만 디지털 트윈이 변화를 가져올 수 있는 정말 흥미로운 분야의 몇 가지 예를 살펴보겠습니다.
디지털 트윈이 변화를 가져올 수 있는 분야
사회가 직면한 가장 큰 문제들을 해결하는 데 있어 디지털 트윈이 변화를 가져올 수 있는 몇 가지 흥미로운 분야를 살펴보겠습니다.
제가 이 과정을 진행하면서,
여러분도 정말 흥미로운 연구들을 보게 될 것입니다.
저희 UT 오스틴 대학에서 진행 중인 연구들입니다.
첫 번째 분야는 우주 시스템입니다.
여러분 모두 알고 계시겠지만, 우리는 새로운 우주 시대의 여명기에 있습니다.
정말 흥미롭고, 우리 학생들에게도 정말 흥미로운 일입니다.
그리고 더 흥미로운 것은 텍사스 중심부가 바로 그 새로운 시대의 한가운데에 있다는 것입니다.
그래서 디지털 트윈은 건강 관리에 중요한 역할을 할 수 있습니다.
디지털 트윈은 건강 관리에 중요한 역할을 할 수 있습니다.
우주 시스템, 발사체, 위성의 건강과 운영을 관리하는 데 있어 디지털 트윈이 분명히 역할을 할 수 있습니다.
여기에서 볼 수 있듯이, 이것은 제가 콕렐 스쿨의 동료들과 함께 하고 있는 일의 일부입니다.
저는 콕렐 스쿨의 동료들과 함께 하고 있는 일의 일부입니다.
레나토 자네티와 스리니바스 베타드푸르입니다.
디지털 트윈은 또한 추적에 큰 역할을 할 수 있습니다.
그리고 우주 물체와 우주 쓰레기를 추적하고 관리하는 데 큰 역할을 합니다.
그리고 여기 오스틴 대학교에는
이 분야의 세계 최고의 전문가 중 한 명인
모리바 자흐가 있습니다.
모리바는 우주 영역 인식을 위한 디지털 트윈을 구축하고 있습니다.
환경과 지구과학에 대해 다시 생각해 보면,
디지털 트윈이 그런 역할을 할 수 있습니다.
이 사진은 오마르 가타스의 고해상도,
물리학 기반의 남극 빙상 모델입니다.
다양한 관측 데이터와 함께
무슨 일이 일어나고 있는지 이해하기 위해,
얼음 코어를 뚫을 곳, 관측할 곳,
그리고 궁극적으로 미래의 기후에 관한 의사 결정에 정보를 제공하는 데 도움이 됩니다.
또한 여기에서 클린트 도슨의 작업도 볼 수 있습니다.
우리는 여기서 환경과 지구과학에 대해 다시 생각해 볼 수 있습니다.
해안 지역의 디지털 트윈을 구축하는 작업,
여기, 걸프 해안,
강력한 물리학 모델과 모든 종류의 데이터를 다시 결합하는 작업,
그리고 여기, 허리케인에 대한 폭풍 해일 모델링을 더욱 정확하게 만드는 데 집중하는 작업,
다시 한번, 중요한 의사 결정을 지원합니다.
그리고 의학 분야에서는,
디지털 트윈이
개인 맞춤형 의료의 약속을 실현하는 데
매우 중요한 역할을 한다는 것은 분명합니다.
여기에서는 마이클 삭스의 작업 중 일부를 볼 수 있습니다.
오덴 연구소 윌러슨 센터의 마이클 삭스(Michael Sacks)의 연구,
환자 맞춤형,
개인 맞춤형 심장 관리로 나아가기 위한 연구,
톰 얀켈로프(Tom Yankeelov)와 데이비드 헬무스(David Hellmuth)의 연구,
오덴 연구소 소속 연구,
또한 Dell 의과대학과 협력하여 생체공학 분야의 일부를 담당하고 있으며,
암 환자들을 위한 디지털 트윈을 구축하는 데에도 참여하고 있습니다.
제가 말씀드린 대로, 이 내용이 여러분의 상상력을 자극하여
무엇이 가능할지 생각해 볼 수 있는 계기가 되었으면 합니다.
개인적으로 저는 이보다 더 흥분될 수 없을 것 같습니다.
디지털 트윈이 더 안전하고 효율적인 엔지니어링 시스템을 가능하게 하는 미래의 세계에 대해
더 이상 흥분될 수 없을 것 같습니다.
디지털 트윈은 우리 주변의 자연 세계를 더 잘 이해할 수 있게 해주고
개개인 모두를 위한 더 나은 의료 결과를 가능하게 해줍니다.
감사합니다.
여러분 중 피트빗이나 애플워치 같은 건강 추적 장치를 착용하고 계신 분이 몇 분이나 되나요?
혹은 다른 종류의 건강 추적 장치를 착용하고 계신 분이 몇 분이나 되나요?
그리고 오늘 여기 오신 분들 중 스마트폰을 소지하고 계신 분이 몇 분이나 되나요?
혹은 스마트폰을 소지하고 있지 않으신 분이 몇 분이나 되나요?
이렇게 많은 사람들이 이런 놀라운 기술의 산물을 주머니에 넣고 다니거나 몸에 지니고 다니고 있다는 사실은
지난 10년 동안 컴퓨팅 분야에서 일어난 혁명의 확실한 증거입니다.
그리고 저는 여러분과 함께 이 혁명의 요소들에 대해 잠시 생각해 보고 싶습니다.
우선, 데이터입니다.
이 장치들은 우리의 건강, 움직임, 습관 등에 관한 데이터를 수집합니다.
그리고 정말 중요한 것은,
그 데이터가 일반적인 인구 데이터가 아니라,
개개인에게 맞춤화된 데이터라는 것입니다.
둘째, 그리고 마찬가지로 중요한 것은 모델입니다.
이 장치들 안에는 매우 강력한
수학적, 통계적 모델이 있습니다.
이 모델들 중 일부는 전적으로 데이터로부터 학습됩니다.
아마도 제가 달리고 있는지, 걷고 있는지, 자전거를 타고 있는지, 잠을 자고 있는지 등을 분류하는 것을 학습한 기계 학습 모델일 것입니다.
이러한 모델 중 일부는 물리학에 기반을 두고 있습니다.
예를 들어, 심장 기능이나 일주기 리듬을 나타내는 방정식을 설명하는 생리학적 모델이 있습니다.
그리고 이제 정말 흥미로운 부분이 시작됩니다.
데이터와 모델을 결합하기 시작하는 것입니다.
수학적으로 이것은 데이터 동화라고 알려져 있습니다.
데이터 동화는 데이터와 모델 간의 관계를 이해하는 데 도움이 됩니다.
그래서 우리는 데이터와 모델을 가지고 있습니다.
데이터 동화 과정을 통해, 우리는 시스템으로부터 새로운 데이터가 수집될 때 모델 업데이트를 시작합니다.
그리고 이 업데이트는 한 번만 하는 것이 아니라, 계속해서 반복합니다.
그래서 시스템이 변화함에 따라,
나이가 들어감에 따라, 그리고 나의 생체 리듬이 변화함에 따라,
또는 제 심장 기능이 예전 같지 않아서,
새로운 데이터가 수집되고 모델이 진화하면서
저를 따라갑니다.
이제 데이터 동화가 정말 중요합니다.
데이터 동화가 저에게 맞는 모델을 만들어 주기 때문입니다.
그리고 이것이 네 번째 요소로 이어집니다.
데이터 동화는 저에게 맞는 모델을 만들어 주기 때문입니다.
예측의 요소입니다.
이제 개인화된 모델을 갖게 되었으니,
매우 강력합니다.
이제 개인화된 예측이나 추천을 받을 수 있기 때문입니다.
그것은 개인으로서 저에게 맞춤화된 것이고,
제 인생에서 역동적으로 변화하는 상태에 맞춤화된 것입니다.
제가 지금 설명하고 있는 것은,
데이터와 모델의 이러한 협력이
여러분 모두에게 매우 친숙할 것입니다.
왜냐하면 이 협력이 여러분이 오랫동안 소매업과 엔터테인먼트, 그리고 웰니스 분야에서 개인적인 선택을 하는 데 영향을 미쳤기 때문입니다.
그러나 여러분은 아마도 모르고 있을 것입니다.
비슷한 혁명이 엔지니어링 시스템 분야에서 일어나고 있다는 사실을 말입니다.
이 혁명은 아마도 여러분에게 익숙하지 않을 것입니다.
왜냐하면 이 혁명은 아마도 여러분에게 익숙하지 않을 것입니다.
그리고 엔지니어링 시스템에서도 비슷한 혁명이 일어나고 있습니다.
우리는 데이터가 있고, 데이터의 양도 점점 늘어나고 있습니다.
센서가 점점 작아지고, 가벼워지고, 저렴해지고, 더 강력해짐에 따라 말입니다.
엔지니어링 분야에서도 모델이 있습니다.
우리의 모델은 대개 물리학에 기반을 두고 있습니다.
이 모델들은 자연의 지배 법칙을 나타냅니다.
강력한 모델로, 이 모델은 우리가 예측할 수 있게 해줍니다.
엔지니어링 시스템이 어떻게 반응할지 말입니다.
여기 슬라이드에 보이는 것은 제가 연구 그룹에 가지고 있는 무인 항공기 사진입니다.
저희 연구의 상당 부분을 이 무인 항공기를 이용해서 하고 있습니다.
그리고 이 항공기에 대해서는,
그리고 이 항공기에 대해서는,
강력한 유한 요소 모델을 가지고 있습니다.
이 모델을 통해 다양한 조건에서 항공기 구조가 어떻게 반응할지 예측할 수 있습니다.
그래서 이 모델을 통해 다음과 같은 질문에 답할 수 있습니다.
이륙 시 항공기 구조가 견딜 수 있을까요?
이렇게 설계하면 될까요?
아니면, 항공기 날개가 손상되면 어떻게 될까요?
또는, 날개가 손상되면 어떻게 될까요?
그리고 계속 공격적으로 비행한다면 어떻게 될까요?
항공기가 견딜 수 있을까요?
그리고 다시, 핏빗과 스마트폰의 예와 마찬가지로,
데이터와 모델을 결합하여
엔지니어링 시스템의 개인화된 모델을 구축할 수 있습니다.
항공기의 개인화된 모델입니다.
그리고 이 개인화된 모델을 디지털 트윈이라고 부릅니다.
그렇다면 디지털 트윈이란 무엇일까요?
그것은 개인화된,
물리적 시스템의 역동적으로 진화하는 모델입니다.
여러분들이 제 항공기의 디지털 트윈에 대해 생각해 보셨으면 합니다.
제가 그 디지털 트윈을 만들 때,
저는 항공기 내부의 센서에서 데이터를 수집할 것입니다.
저는 항공기 점검을 통해 데이터를 수집할 것입니다.
저는 항공기를 만들 수도 있고,
그 데이터를 모델에 통합할 수도 있습니다.
그리고 정말 중요한 것은
제가 그냥 텔레마스터 항공기의 일반적인 모델을 구축하는 것이 아니라는 것입니다.
저는 지금 제 차고에 있는 바로 그 항공기에 대한 개인화된 모델을 만들고 있습니다.
그리고 그 디지털 트윈은 그 차이를 포착할 것입니다.
제 항공기와 이웃의 항공기의 차이, 즉 가변성을 말입니다.
그리고 더 중요한 것은, 그 디지털 트윈은 정적이지 않을 것입니다.
저는 지금 제 차고에 있는 바로 그 항공기에 대한 개인화된 모델을 만들고 있습니다.
그리고 그 디지털 트윈은 정적이지 않을 것입니다.
제 항공기가 노후화되고 성능이 저하되고
손상되고 수리되면서 변화할 것입니다.
우리는 항상 데이터를 수집할 것이고
디지털 트윈은 항공기의 수명 동안 항공기를 따라갈 것입니다.
그래서 이것은 매우 강력합니다.
여러분이 항공사의 직원이라고 상상해 보세요.
또는 몇 년 후에는 무인 화물 배달 드론의 운항사가 되어 있을지도 모릅니다.
그리고 여러분의 운항사 차량에 대해 이와 같은 디지털 트윈이 있다고 상상해 보세요.
그리고 그것이 여러분의 의사 결정에 어떤 영향을 미칠지 생각해 보세요.
여러분은 언제 어느 항공기를 정비할지 결정할 수 있습니다.
특정 항공기의 진화 상태에 따라 결정할 수 있습니다.
특정 날짜에 항공기를 최적으로 비행하는 방법에 대한 결정을 내릴 수 있습니다.
항공기의 상태, 임무 요구 사항,
환경 조건을 고려하여 결정할 수 있습니다.
이를 통해 항공기 함대를 최적으로 관리할 수 있습니다.
정말 항공기 함대를 최적으로 관리할 수 있게 해줍니다.
그래서 디지털 트윈이라는 개념은 꽤 괜찮은 아이디어입니다.
“디지털 트윈"이라는 용어는 2010년 NASA 보고서에서 처음 사용되었습니다.
하지만 모델과 데이터를 결합하는 개인화된 모델이라는 아이디어는 훨씬 더 오래된 것입니다.
그리고 많은 사람들이 아폴로 프로그램을
그중 하나로 꼽습니다.
디지털 트윈이 최초로 실행된 곳 중 하나라고 합니다.
그래서 60년대와 70년대 아폴로 프로그램에서,
NASA는 아폴로 우주선을 우주로 발사했고,
또한 시뮬레이터도 배치했습니다.
휴스턴에 있는 지상에서도 가상 모델을 배치하여,
미션을 따라가도록 했습니다.
그리고 이 기능이 매우 중요해졌고,
아폴로 13호 임무에서 매우 유용하게 사용되었습니다.
그리고 다시 말씀드리지만, 아마도 여러분 모두 그 이야기를 알고 계실 것입니다. 왜냐하면 그 이야기를 영화로 보셨을 테니까요.
아폴로 13호 임무에서 우주선이 오작동을 일으켰습니다.
매우 심하게 손상되었습니다.
우주 공간에 좌초되었습니다.
그래서 이야기는 이렇게 흘러갑니다. NASA는 실제 우주선에서 데이터를 가져올 수 있었고,
우주 공간에 갇혀 있던 실제 쌍둥이 우주선을
시뮬레이터와 가상 모델에 입력하고,
휴스턴의 지상에 있는
데이터를 통합하고,
시뮬레이터를 역동적으로 발전시키고,
그래서 이제 손상된 우주선의 상태를 나타내게 되었습니다.
그리고 그 시뮬레이터를 사용하여 예측을 실행합니다.
그리고 궁극적으로 결정을 내립니다.
그 결정으로 우주비행사들이 안전하게 집으로 돌아올 수 있었습니다.
그래서 50년이 지난 지금,
이 아이디어는 이제 정말 훌륭한 이름을 갖게 되었습니다.
디지털 트윈이라는 이름입니다.
그리고 정말 흥미로운 것은
이것이 단순히 항공우주 공학을 넘어서는 방향으로 발전하고 있다는 것입니다.
따라서 공학이 발달한 세계에서
우리는 교량과 기타 토목 인프라의 디지털 트윈을 보기 시작했습니다.
구조적 건강 모니터링과 예측 유지보수를 위해 말입니다.
우리는 에너지 효율성을 위해 건물의 디지털 트윈을 보기 시작했습니다.
풍력 발전 단지의 디지털 트윈
효율성을 높이고 가동 중단 시간을 줄이기 위해.
자연계에서는,
숲, 농장, 빙상, 연안 지역, 유전 등의 디지털 트윈을 만드는 것에 많은 관심이 있습니다.
심지어 지구라는 행성의 디지털 트윈을 만들려고 시도하는 이야기도 있습니다.
디지털 트윈은 자연계에서 매우 흥미로운 분야입니다.
그리고 의료계에서는
의료 평가, 진단, 개인 맞춤형 치료, 그리고 컴퓨터를 이용한 약물 테스트를 돕기 위해 디지털 트윈을 만드는 것에 큰 관심이 있습니다.
디지털 트윈의 잠재적 응용 분야는 정말 많습니다.
하지만 오늘 제 강연을 끝까지 들어주셨으면 합니다.
이 모든 것이 현실이라고 생각하고,
오늘날 우리가 모든 복잡한 시스템의 디지털 트윈을 만들 수 있다고 생각하지 마십시오.
아직도 항공기 전체의 디지털 트윈을 만드는 것은 불가능합니다.
아직도 암 환자의 디지털 트윈을 만드는 것은 불가능합니다.
또는 지구 전체의 디지털 트윈을 만드는 것은 불가능합니다.
매우 복잡한 시스템의 디지털 트윈을 만드는 것은
매우 매우 어려운 일입니다.
왜 그렇게 어려운지 잠시 생각해 봅시다.
매우 어려운 이유 중 하나는 바로 이 시스템들이 교차하는 규모 때문입니다.
제 항공기를 생각해 보세요.
만약 제 항공기를 생각한다면,
미세한 수준의 손상
항공기 날개에 있는 물질에 미세한 수준의 손상이
규모를 넘어 차량 수준에서 비행 방식에 영향을 미칩니다.
의학에서도 마찬가지로,
아주 미세한 수준의 변화는
우리 몸의 분자 또는 세포 수준에서
변화를 일으킨다는 것을 알고 있습니다.
규모를 넘어서서 우리 몸의 시스템 수준,
인간 수준에 영향을 미칩니다.
그리고 이러한 모든 규모를 해결하는 계산 모델은,
미시적 규모에서 시스템 수준에 이르기까지,
계산적으로 다루기 어렵습니다.
오늘날의 슈퍼컴퓨팅 능력으로도 해결할 수 없습니다.
하지만 여러분은 “좋아요, 그럼 데이터는 어떻습니까?
데이터가 많다고 하셨죠.
데이터에서 디지털 트윈을 배울 수는 없나요?”라고 말할 수 있습니다.
그렇습니다. 우리는 빅 데이터 시대에 살고 있습니다.
그리고 우리는 종종 시스템에 대한 많은 데이터를 가지고 있습니다.
그러나 엔지니어링, 과학, 의학 분야에서 매우 도전적이고 복잡한 시스템에 관한 한,
데이터만으로는 거의 충분하지 않습니다.
데이터는 공간과 시간 모두에서 거의 항상 매우 드물게 존재합니다.
데이터는 거의 항상 잡음이 많고 간접적입니다.
엔지니어로서,
제가 알고 싶은 것을 측정할 수 있는 경우는 거의 없습니다.
제가 제 항공기 날개 내부의 구조에 대해 알고 싶다면,
그것을 뜯어내어 살펴볼 수는 없습니다.
저는 날개 표면에 있는 몇 개의 센서에만 의존할 수밖에 없습니다.
그런 측정을 하고 추측을 해보는 것입니다.
추측하는 것 이상으로, 날개 내부에서 무슨 일이 일어나고 있는지 추론하려고 노력합니다.
의학에서도 마찬가지입니다.
의사는 장기를 보기 위해 누군가를 열 수 없습니다.
다시 말하지만, 우리는 외부에서 얻은 드물고,
시끄럽고 간접적인 관찰에 국한되어 있습니다.
무슨 일이 일어나고 있는지 추측하려고 합니다.
그렇다면 여러분은 이렇게 말할지도 모릅니다.
“글쎄요, 우리는 몇 년만 더 기다리면 됩니다. 감지 기술이 점점 더 좋아질 테니까요."
그 말이 맞습니다.
아마도, 아마도 그때쯤이면 충분한 데이터를 확보할 수 있을 것입니다.
이 복잡한 시스템 내부에서 어떤 일이 벌어지고 있는지
특징을 파악할 수 있을 만큼 충분한 데이터를 확보할 수 있을지도 모릅니다.
그러나 그것도 충분하지 않습니다.
왜냐하면 그 모든 정보는 지금 일어나고 있는 일만 알려줄 뿐이기 때문입니다.
그리고 기억하십시오. 우리는 그것보다 더 많은 일을 해야 합니다.
우리는 미래에 일어날 일을 예측할 수 있어야 합니다.
다른 행동을 취할 경우 미래에 일어날 수 있는 일을 예측할 수 있어야 합니다.
따라서 우리는 항상 모델이 필요합니다.
그래서 이것은 엄청난 도전처럼 들리지만, 실제로는 그렇습니다.
그러나 좋은 소식은 우리가 이 도전을 해결할 수 있는 많은 희망을 가지고 있다는 것입니다.
그리고 이 희망의 큰 부분은
물리학에 기반한 예측 모델에 달려 있습니다.
이 모델들은 자연의 법칙을 암호화한 모델입니다.
이 모델들을 통해 우리는 예측을 할 수 있습니다.
예를 들어, 암 종양이 어떻게 성장할지 예측할 수 있습니다.
또는 암 종양이 방사선 치료에 어떻게 반응할지 예측할 수 있습니다.
또는 남극 빙상이 어떻게 흘러갈지 예측할 수 있습니다.
다양한 미래 온도 시나리오 하에서.
그리고 이러한 예측 물리학 기반 모델을 강력한 기계 학습,
확장 가능한 방법과 데이터 시뮬레이션,
최적화 및 의사 결정,
고성능 컴퓨팅과 함께 결합하는 것이 바로
계산 과학의 학제 간 영역입니다.
그리고 그것이 오덴 연구소의 초점입니다.
여기 오스틴 대학교에서,
우리는 캠퍼스 전체에 걸쳐 24개의 다른 학과에서 온 교수진을 한데 모읍니다.
이러한 종류의 어려운 문제를 해결하기 위해서입니다.
그래서 저는 여러분의 상상력을 자극하는 것으로 이 글을 마무리하려고 합니다.
여러분도 상상력을 발휘해 보세요.
여러분도 저처럼 디지털 트윈이라는 아이디어에 흥미를 느끼셨으면 좋겠습니다.
그리고 집에 돌아가실 때 주변을 둘러보면서 이렇게 생각하실 수도 있습니다.
“아, 저것의 디지털 트윈이 있다면 어떨까?"
하지만 디지털 트윈이 변화를 가져올 수 있는 정말 흥미로운 분야의 몇 가지 예를 살펴보겠습니다.
디지털 트윈이 변화를 가져올 수 있는 분야
사회가 직면한 가장 큰 문제들을 해결하는 데 있어 디지털 트윈이 변화를 가져올 수 있는 몇 가지 흥미로운 분야를 살펴보겠습니다.
제가 이 과정을 진행하면서,
여러분도 정말 흥미로운 연구들을 보게 될 것입니다.
저희 UT 오스틴 대학에서 진행 중인 연구들입니다.
첫 번째 분야는 우주 시스템입니다.
여러분 모두 알고 계시겠지만, 우리는 새로운 우주 시대의 여명기에 있습니다.
정말 흥미롭고, 우리 학생들에게도 정말 흥미로운 일입니다.
그리고 더 흥미로운 것은 텍사스 중심부가 바로 그 새로운 시대의 한가운데에 있다는 것입니다.
그래서 디지털 트윈은 건강 관리에 중요한 역할을 할 수 있습니다.
디지털 트윈은 건강 관리에 중요한 역할을 할 수 있습니다.
우주 시스템, 발사체, 위성의 건강과 운영을 관리하는 데 있어 디지털 트윈이 분명히 역할을 할 수 있습니다.
여기에서 볼 수 있듯이, 이것은 제가 콕렐 스쿨의 동료들과 함께 하고 있는 일의 일부입니다.
저는 콕렐 스쿨의 동료들과 함께 하고 있는 일의 일부입니다.
레나토 자네티와 스리니바스 베타드푸르입니다.
디지털 트윈은 또한 추적에 큰 역할을 할 수 있습니다.
그리고 우주 물체와 우주 쓰레기를 추적하고 관리하는 데 큰 역할을 합니다.
그리고 여기 오스틴 대학교에는
이 분야의 세계 최고의 전문가 중 한 명인
모리바 자흐가 있습니다.
모리바는 우주 영역 인식을 위한 디지털 트윈을 구축하고 있습니다.
환경과 지구과학에 대해 다시 생각해 보면,
디지털 트윈이 그런 역할을 할 수 있습니다.
이 사진은 오마르 가타스의 고해상도,
물리학 기반의 남극 빙상 모델입니다.
다양한 관측 데이터와 함께
무슨 일이 일어나고 있는지 이해하기 위해,
얼음 코어를 뚫을 곳, 관측할 곳,
그리고 궁극적으로 미래의 기후에 관한 의사 결정에 정보를 제공하는 데 도움이 됩니다.
또한 여기에서 클린트 도슨의 작업도 볼 수 있습니다.
우리는 여기서 환경과 지구과학에 대해 다시 생각해 볼 수 있습니다.
해안 지역의 디지털 트윈을 구축하는 작업,
여기, 걸프 해안,
강력한 물리학 모델과 모든 종류의 데이터를 다시 결합하는 작업,
그리고 여기, 허리케인에 대한 폭풍 해일 모델링을 더욱 정확하게 만드는 데 집중하는 작업,
다시 한번, 중요한 의사 결정을 지원합니다.
그리고 의학 분야에서는,
디지털 트윈이
개인 맞춤형 의료의 약속을 실현하는 데
매우 중요한 역할을 한다는 것은 분명합니다.
여기에서는 마이클 삭스의 작업 중 일부를 볼 수 있습니다.
오덴 연구소 윌러슨 센터의 마이클 삭스(Michael Sacks)의 연구,
환자 맞춤형,
개인 맞춤형 심장 관리로 나아가기 위한 연구,
톰 얀켈로프(Tom Yankeelov)와 데이비드 헬무스(David Hellmuth)의 연구,
오덴 연구소 소속 연구,
또한 Dell 의과대학과 협력하여 생체공학 분야의 일부를 담당하고 있으며,
암 환자들을 위한 디지털 트윈을 구축하는 데에도 참여하고 있습니다.
제가 말씀드린 대로, 이 내용이 여러분의 상상력을 자극하여
무엇이 가능할지 생각해 볼 수 있는 계기가 되었으면 합니다.
개인적으로 저는 이보다 더 흥분될 수 없을 것 같습니다.
디지털 트윈이 더 안전하고 효율적인 엔지니어링 시스템을 가능하게 하는 미래의 세계에 대해
더 이상 흥분될 수 없을 것 같습니다.
디지털 트윈은 우리 주변의 자연 세계를 더 잘 이해할 수 있게 해주고
개개인 모두를 위한 더 나은 의료 결과를 가능하게 해줍니다.
감사합니다.
출처: https://www.youtube.com/watch?v=r2_VWdjxchY
