□ 연수내용◇ 한국과 영국을 거쳐 스웨덴 KTH에서 연구 중○ 성기원 박사는 스웨덴왕립공대(KTH)에서 한국의 부교수와 비슷한 지위인 도슨트를 맡고 있다. 카이스트에서 11년 정도 공부했고 이후 삼성전자에서 3년 정도 일한 후 영국에서 박사 과정으로 연구원 1년, 스웨덴에서 박사 후 연구원 과정을 1년을 마친 후 KTH에서 일한지 10년 정도됐다.○ 연구 분야는 이동통신시스템, 특히 5G 시스템 아키텍처와 주파수 정책, 미래 이동통신 시스템의 주파수 정책, 경제성 분석, 시스템 구축과 그 외 에코시스템 구축과 관련된 것이며 KTH에 온 이후로는 거의 모든 연구가 산학협력과 관련된 연구였다고 한다. 성 박사가 맡은 연구는 대부분 EU 프로젝트 프레임워크 안에서 이루어졌다.○ 주요 산학협력 프로젝트로 FP7 QUASAR프로젝트를 이끌며 에릭슨, 알토대학, 아헨공대, 연세대와 협력했고, 29개 파트너가 참여하고 있는 대형 프로젝트인 FP7 METIS(유럽 중에서 가장 대규모, 최초로 5G의 개념을 잡은 프로젝트)에도 참여하고 있다.○ 이 프로젝트는 로 에릭슨, 노키아, 화웨이, 삼성 등 통신 관련 대기업과 Telefonica, Telecom Italia, Orange등 여러 수행기관, 대학들이 참여하고 있다. 그 외에 Primo-5G(유럽 연합에서 1대1 공동으로 참여하고 있는 연구과제)에도 참여하고 있으며, 스웨덴의 방송통신위원회에 해당하는 PTS와도 연구협력 프로젝트를 진행한 바 있다.◇ 스웨덴에서 가장 큰 공과대학, 스웨덴왕립공대(KTH)○ 스웨덴왕립공대(KTH)는 스웨덴에서 가장 큰 공과대학교이다. 스웨덴은 지역 균형을 목표로 해서 각 지역별로 큰 공대가 있고, 한 지역에서는 경쟁을 하지 않도록 설계되어 있다.스톡홀름 지역에는 종합 대학인 스톡홀름 대학이 있고, 의과대학인 카롤린스카 대학이 있고, 공과대학인 스웨덴왕립공대가 있다. 스톡홀름 주변 지역에서는 거의 유일한 공학 관련 교육 기관이라고 할 수 있다.그렇기 때문에 이 지역에서는 독점적인 지위를 유지하고 있고 그것을 바탕으로 유럽 내에서도 높은 랭킹 순위를 유지하고 있다.○ 학생이 약 1만3,300명, 매년 1,800명 정도의 박사가 배출된다. 한국의 카이스트와 거의 유사한 크기이다. KTH는 현재 5개의 학부인 건축·건조환경학부, 전자공학·컴퓨터과학부, 공학부, 화학·생물기술·보건학부, 산업공학·경영학부로 나누어져 있다. 전자전산학부의 일부가 시스타에 위치하고 있다. 본교의 캠퍼스 이외에는 시스타가 가장 크다고 할 수 있다.◇ 정보통신산업의 혁신 클러스터○ 1970년대 초까지만 해도 군사훈련장으로 사용되던 지역에 불과하였던 스웨덴 시스타(Kista)는 현재 유럽 내 정보통신 부문에서 가장 역동적인 첨단과학기술 지역으로 인정받고 있다.특히 1970년대 중반 에릭슨과 IBM이 이 지역의 앵커기업으로 자리를 잡게 되면서 세계적 정보통신산업의 메카로 성장했다. ▲ 1970년대 시스타 부지[출처=브레인파크] ▲ 시스타 사이언스시티 현재[출처=브레인파크]○ 시스타가 정보통신 분야의 혁신 클러스터로 발전하게 된 결정적 계기는 1988년 시스타 사이언스파크(Kista Science Park)와 일렉트룸(Electrum)의 설립에 있다고 할 수 있다.1988년 3월 설립된 일렉트룸은 중앙정부, 스톡홀름시, 기업, 대학·연구개발기관이 주체가 되어 설립한 파크 운영 및 관리를 전담하기 위한 이니셔티브로, 시스타 사이언스파크를 정보통신 분야 혁신 클러스터로 발전시켜 나가기 위한 다양한 활동을 전개했다.○ 1997년 일렉트룸이 중소규모의 첨단기업의 지속적인 창출(spin-off effect)을 위한 별도의 전담기관으로서 시스타 사이언스파크 주식회사를 설립하면서 시스타 사이언스파크는 첨단과학단지로서의 위상을 공고히 했다.○ 이어 2004년 4월에는 스톡홀름시, 왕립공과대학, 기업이 주축이 되어 미래지향적이며 지속적인 성장동력을 구축하기 위해 ‘시스타 사이언스파크 주식회사’에서 ‘시스타 사이언스시티(Kista Science City) 주식회사’로 조직을 확대·개편했다.시스타 주변의 3개 지역과 3개 독립 지방자치단체를 포함시켜 전체 지역에 총 3만2000여 명의 고용인원을 창출하기에 이르렀다.출처 : 시스타 홈페이지(https://kista.com/english/)○ 시스타 사이언스파크에는 정보통신산업의 불황기인 2001년 이후에도 신규 정보통신업체의 입주가 계속되고 있다. 그 결과 현재 시스타 지역에서만 에릭슨, IBM, 어도비(Adobe), HP, MS, 노키아, 선마이크로시스템 등 세계적인 기업을 비롯한 972개 입주기업과 1만8000명 고용 인력이 연구개발 활동에 종사하고 있다.특히 시스타 사이언스시티는 현재 세계 유명 정보통신 기업들의 신제품 테스트 시장(test markets)으로 활용되고 있다.○ 또한 시스타의 장점은 대기업과 중소기업이 잘 조화를 이루고 있다는 점이다. 기업 숫자로 보자면, 10인 이하의 기업에서 일하는 사람이 전체 기업의 68.7%를 차지하고 있고, 10인 이상 100인 이하의 소규모 기업에서 일하는 사람이 35.7%, 100인 이상 중·대기업에서 일하는 사람이 8.8% 정도다.출처 : 시스타 홈페이지(https://kista.com/english/)○ 시스타에는 두 개의 대학이 위치 되어있다. 스톡홀롬 대학의 전산학부가 이곳에 따로 캠퍼스를 두고 있고 연구소들도 위치하고 있다. 그 결과 산학연 시스템이 잘 구축되어 있다.◇ Triple Helix 모델의 실현을 위한 일렉트룸○ 일렉트룸(Electrum)은 하나의 재단으로 가장 큰 특징은 산학, 정부기관이 함께 참여하는 운영위원회라는 것이다. 시스타 클러스터를 만들기 위해 일렉트룸을 통해 이 3개 파트너가 지속적으로 협력했다. 하지만 일렉트룸이 시스타를 소유한 것은 아니며, 시스타를 소유한 주체는 아무도 없다.○ 1986년에 재단으로 일렉트룸이 만들어지고 1988년 일렉트룸 건물이 지어졌는데 당시 시스타 대학을 만들자는 의견도 있었으나 대학을 만드는 것이 간단치 않아 기존에 스톡홀름대학의 정보통신학과, KTH의 마이크로 일렉트로닉학과가 통합되어 하나의 대학으로 자리잡게 되었다.이때 마이크로 일렉트로닉 분야 최신 연구실이 지어졌다. 일렉트룸 건물이 당시 컨셉을 보여주는 상징이기도 하다. 스웨덴 전 국민의 노력이 담긴 센터라고도 부른다.▲ 일렉트룸 이사진[출처=브레인파크]○ 일렉트룸은 산학연 협력네트워크 활성화를 위한 공간으로서 개방적으로 운영되며, 기업과 대학, 연구소의 협력 연구, 세미나, 교류회 등 모든 네트워크 활동이 이루어지는 장소로 이용되고 있다. 일렉트룸 건물은 개방성과 근접성을 개념으로 운영되고 있다고 생각하면 된다.○ 일렉트룸 건물은 '일렉트룸 재단(Electrum Foundation)'이 관리하며 본부로 이용되고 있는데, 재단에는 총 4명의 상근직원이 있다. 일렉트룸 재단 조직을 살펴보면 총 5개 파트로 나뉘어 있다.△대학 : KTH대학, 스톡홀름대학, 스톡홀름 ICT 아카데미아 △정부 및 지자체: 스톡홀름시티, 스톡홀름카운티, 주지사 △기업: 에릭슨, IBM이 주요 3개 파트너이며 관례적으로 에릭슨이 의장을 맡고 있다.○ 일렉트룸의 자회사인 '시스타 사이언스시티 AB(KISTA Science City AB; KSCAB)'가 모든 행정적인 일들을 처리하고 있다. KSCAB는 일렉트룸의 이사회를 관리하는데 여기서 전체적인 정책방향 수립과 모든 프로젝트 참여자를 참석시키는 회의 및 프로젝트가 이루어진다.또한 KSCAB는 일렉트룸(Electrum) 본사 건물뿐만 아니라 쇼핑센터와 시스타 사이언스 타워 본부(32층) 등 시스타 내 모든 공공시설도 관리･운영하고 있다.○ KSCAB는 강제적인 조직이 아니고, 이사회도 자발적인 참여로 이루어지고 있다. 일렉트룸의 이사회는 효율적인 재단운영과 운영 주체간의 이해관계 조정 및 중재담당을 위해 에릭슨을 비롯해 스톡홀름 시, 스웨덴왕립공대 등 기업체와 정부기관, 학계 인사들로 구성된다.○ KSCAB는 '협력(Cooperation)'과 '관계(Relation)'이 가장 중요한 키워드로 인식하며, 'Facilitator', 즉 어려운 일을 쉽게 만들고 길을 만들어 일이 진행되도록 만드는 역할을 하고 있다고 한다.◇ 관리자가 필요 없는 자율적 혁신 생태계○ 시스타 사이언스시티는 총면적 200만㎥, 972개의 ICT 기업이 입주, 약 3만2천여 명이 근무하는 것으로 알려져 있다. 유럽 내 정보통신 부문의 가장 역동적인 첨단과학기술 지역으로 400여 개의 세계적인 기업과 1만8000여 명의 연구개발 인력이 종사하고 있는 세계적 정보통신산업의 메카이다.최근 수치자료는 없다고 보면 되는데 이는 수치자료에 대한 관리가 안 되고 있고 반대로 관리할 필요성이 없다는 의미이기도 하다.이에 대해 브리핑 담당자 성기원 박사는 “시스타는 이미 생태계가 갖춰진지 오래 되었기 때문에 더 이상 관리자가 관리할 필요가 없다는 의미로 받아들여야 할 것 같다”고 말했다.○ 현재는 뚜렷한 관리주체가 없다. 각종 자료를 토대로 통계자료를 유추해볼 때 전체 종사자 7만2천여 명 중에서 ICT관련 종사자는 3만여 명, 그 중 1만 여명이 에릭슨에 종사하는 것으로 보고 있다. 총면적과 종사자 규모는 삼성 디지털시티와 유사한 수준이라고 가늠해볼 수 있다.(삼성 디지털시티: 면적 157만㎥, 종사자 약 35,000명)◇ 개방성과 다양성을 갖춘 시스타 사이언스시티○ 이미 한국에서 많이 정리되어 있듯이 1988년에 생긴 시스타의 성공요인을 살펴보면 △스웨덴을 대표하는 에릭슨의 입주 △입지조건 △초기 운영 및 관리전담회사의 설립(관리회사의 역할이 크지는 않았고 이와 관련해서 정부에서 큰 인센티브를 지원한 것도 아니었다.) △산학협력을 가능케 하는 대학 및 정부출연연구기관의 입주 △시스타 혁신성장센터와 창업지원 시스템 등이다.○ 에릭슨의 입주와 산학협력을 가능케 한 대학과 연구기관의 입주가 가장 주요한 초기 성공요인이었다. 시스타 혁신성장센터의 활동은 시스타가 어떻게 해서 지금까지 지속적으로 성장을 계속해나갈 수 있는지를 보여주는 요인이라고 본다.○ 이 외에 시스타 현장에서 느끼는 시스타의 성공요인 또는 한국과의 차이점을 꼽자면 제도와 제도를 둘러싼 마인드라고 본다. 제도상으로는 한국이 뒤처지지 않고 오히려 완벽하다고 할 수 있다. 하지만 환경적인 요인에서의 개방성과 다양성, 그리고 사람들의 개방성과 다양성이 다르다고 할 수 있다.○ 환경적인 요인에서의 개방성과 다양성은 시스타 지도를 보면 알 수 있다. 에릭슨은 물론이고 공급 기업들, 스타트업, 대학, 심지어 경쟁사인 화웨이 연구소까지 시스타에 함께 어우러져 있는 것을 볼 수 있다. 시스타 과학단지 안에 있는 모든 기업과 기관을 도보로 이동 가능하다.○ 또 대부분은 구내식당이 없어서 점심을 먹기 위해 다른 건물의 식당에 가면 다른 업체에서 일하는 사람들을 많이 만날 수 있다. 한마디로 가까이 모여 있는데다가 서로 많이 만나게 되는 에코시스템이 조성되어 있다는 게 협력을 추구할 때 도움이 된다.KTH wireless 센터 역시 금요일 오후마다 오픈세미나를 여는데 에릭슨, 화웨이 등 다양한 기업에서 관심 있는 연구원들이 참여하면서 자연스럽게 교류하는 기회가 되기도 한다.▲ 시스타 사이언스시티 지도[출처=브레인파크]○ 반대로 삼성디지털시티는 외부에서는 접근이 어렵게 되어 있고 자급자족하는 모델이다. 자급자족이 가능하기 때문에 성공모델의 하나로 꼽히긴 하지만 산학협력 측면에서 효율적 모델은 아니다.가장 가까운 성균관대나 경희대와도 거리가 있고 카이스트나 연세대 등과는 더 멀리 있어 협력이 어려운 위치다. 삼성 같은 경우에는 극단적인 닫힌 공간을 만들어서 성공한 케이스라고 볼 수 있다. 그에 비해서 시스타는 정반대로 극단적으로 열려있고(open), 다원적인(heterogenerous) 공간이다.▲ 삼성디지털시티 지도[출처=브레인파크]◇ 유기적인 협력과 상향식 클러스터 구축의 중요성○ 북유럽의 실리콘 밸리로 불리는 스웨덴 시스타 사이언스파크의 경제적 성공요인을 정리해보면 먼저, 초기단계부터 에릭슨과 IBM 등 국내외 대기업의 유치 성공, 비교우위의 입주여건, 산학협력의 제도화, 기존 입주기업의 왕성한 연구개발 활동 및 신규첨단기업 창업 등을 통한 산업 역동성 유지 등이 그것이다.○ 쳇째, 시스타 사이언스시티 건설 초기 스웨덴의 대표기업인 에릭슨과 다국적 기업인 IBM의 유치가 시스타 혁신 클러스터 창출에 매우 큰 역할을 수행했다.이후 노키아, 애플, 마이크로소프트, 선마이크로시스템스 등 다수의 다국적 기업들이 시스타에 입주함으로써 실리콘 밸리에 이어 세계 제2의 IT 혁신 클러스터로 성장하게 됐다.○ 둘째, 1980년대 초 사이언스파크 운영 및 관리 전담회사인 ‘일렉트룸’을 설립하여 상시적인 산학협력 체제를 구축할 수 있었다는 점을 들 수 있다.이를 통해 왕립공과대학, 스톡홀름대학 등의 정보통신 부문 연구개발부서와 국립연구기관, 그리고 기업체 간에 긴밀한 네트워크를 구축하여 왕성한 연구개발 활동을 수행하고 있으며, 신상품 개발에도 많은 노력을 기울이고 있다.○ 셋째, 정보통신 대학 및 시스타 혁신성장센터의 설립 등을 통해 기업이 요구하는 전문 인력수요에 대처하고 동시에 기업이 필요로 하는 연구개발부문을 체계적으로 지원할 수 있는 시스템을 구축했다는 점이다.○ 특히 소규모의 첨단기업을 전문적이며 체계적으로 지원하여 이들의 성장을 돕는 시스타 혁신성장센터의 설립은 새로운 혁신기업의 산실이 되고 있다.하지만 시스타 사이언스시티의 성공사례가 보여주는 가장 중요한 교훈은 혁신 클러스터 구축에 있어서 일방적인 하향식 추진방식보다는 상향식 추진방식이 중요하다는 사실이다.○ 특히 시스타의 성공은 스웨덴 정부 및 스톡홀름시의 적극적 역할과 더불어 기술 혁신과 산학협력 관계체제인 산학연 간의 유기적인 협력(Triple Helix)이 뒷받침되었기 때문에 가능했다.◇ 당면과제는 다양한 산업군의 지속적 융합 발전○ 이처럼 생태계는 이미 잘 구축되어 있고 생태계 조성 이후 정부지원이나 공공의 역할, 창업지원도(STING을 제외하고) 시스타 내에서는 많이 줄어들고 있다고 보고 있다.○ 당면 과제로 시스타의 역사를 통해 살펴보면 처음에는 반도체와 이동통신 양대 축으로 시작하여 유럽의 실리콘밸리라고도 불렸지만 유럽에서 반도체의 영향력이 약화되면서 반도체 관련 기업이 모두 빠져나가고 에릭슨만 남아 wirelees 밸리라고 불린다. 한마디로 산업군이 하나만 남게 된 것이다.○ 여전이 에릭슨이 이동통신산업에서 여전히 경쟁력을 가지고 있고, 전 세계적으로 5G 등 이슈가 되고 있지만 에릭슨의 경쟁력을 잃게 된다면 시스타의 경쟁력도 장담할 수 없게 되는 것이다.○ 그리고 또 한 가지 스웨덴은 ICT 관련해서 이동통신 산업도 유명하지만 게임 산업으로도 잘 알려져 있다. MS에 1조원이 넘는 금액으로 인수된 모장(Mojang)이 있고 캔디크러쉬의 킹 등이 유명한데 이들 게임회사들은 시스타에서 시작한 것이 아니라 스톡홀름 다운타운에서 시작한 성공모델들이다.시스타에서 창업한다고 하면 대부분 10년 이상 관련 분야에서 학문, 경력을 쌓다가 창업하는 경우가 많은데 이러한 두 가지 모델이 전혀 융합되지 않고 있다는 것이 문제이며, 이를 해결하는 것이 당면과제가 되고 있다. □ 질의응답- 시스타가 과학단지로 조성이 돼서 현재 운영은 주식회사가 하는 것인지."운영을 하는 것은 아니고 홍보를 많이 하고, 시스타가 정체되지 않도록 계획을 많이 수립하는 일을 한다. 시스타 주식회사는 Electrum Foundation 산하인데 Urban ICT Irena 등과 같은 계획을 수립한다.시스타는 이미 잘 개발된 공간이다. Ericsson은 자체 건물을 가지고 있고, 다른 곳도 건물주가 다 있고 이 건물도 아카데미에서 임대를 전문으로 하는 업체가 운영하고 있어서 딱히 운영 업체가 없어도 현재는 무리가 없다."- 기업들을 시스타 사이언스파크에 입주하도록 하는 유인책은."어떤 공식적인 유인책은 없었으나 Ericsson같은 경우에도 새로운 부지가 필요했고 Ericsson 자체가 다른 기업들의 유인책이 됐을 것이다. 부지를 개설하는 김에 다른 대학과 기업들에게도 홍보를 했다."- 어떤 기금으로 과학단지의 인프라를 구축했는지."정확한 답변을 드리기는 힘들지만 이 공간이 스톡홀롬 시에서 조금 떨어져 있음에도 불구하고 스톡홀롬 시 소속으로 되어있다. 따라서 스톡홀롬 시가 많은 역할을 한 것으로 알고 있다. 기업들도 분명히 역할을 했다."- 시스타과학단지를 삼성과 비교 해주셨는데 카이스트와도 비교 해줄 수 있는지."첫 번째로 너무 크다. 카이스트와 에트리만 하더라도 걸어서 가기가 쉽지 않다. 따라서 에트리의 졸업한 선배들과 만나려고 해도 쉽지가 않다.반면에 이곳은 Erisson 연구소에 연구하는 연구원과 할 얘기가 있으면 시간을 뺏기지 않고도 밥을 먹거나 아니면 찾아가도 된다."- 신뢰하는 분위기 외에 직무에서 발명한 것들을 발명팀에게 귀속을 시켜주는 일이 많다고 들었는데.."그것은 학교에서 근무하는 교원의 경우에 적용이 된다. 연구과제가 기업에 자금을 받아 위탁이 되면 안되기 때문에 기초 연구비로 수행하는 과제 한에서만 가능하다.연구 협력 과제 같은 경우에는 본인이 갖게 할 수도 있으나 너무 일이 까다롭기 때문에 보통은 학교에 위탁을 한다. 지적재산권을 자신이 소유하게 되면 변리사 비용, 특허비, 등록비, 유지비 등 모두 개인의 돈으로 나가기 때문에 문제가 된다."- 학교에서 일을 하면서 사업자로 일하는 겸직이 가능한지."기본적으로 계약은 100%의 시간을 학교에서 일하는 것으로 계약을 하는데 20%까지는 본인이 다른 일을 해도 몇몇 조건을 지킨다면(사회적 품위를 손상하지 않고, KTH의 메인 비즈니스와 직접 경쟁을 하지 않고, 사설 강의 업체를 차리지 않는 등) 가능하다.예를 들어서 통신부품을 개발하는 업체를 차리는 것은 20%의 시간만 활용한다면 학교의 허가 없이 추후 통보로 가능하지만 20%보다 더 시간을 늘린다면 학교에서 허용하지 않는다.그렇게 하려면 학교에서 일하는 시간을 줄여야 한다. 창업을 하는 이유도 있지만 Ericsson에서 50% 일하고, 학교에서 50% 일하는 사람도 있다. 파트 타임으로 두 곳에서 나눠서 일하는 자유로운 분위기가 형성되어 있다."- 한국에서 많이 궁금하시는 것인데 기술 이전을 어떻게 하는지."기술 이전은 거의 없다. 그 이유는 첫째, ‘교원의 예외 권리’ 때문이다. 교원이 지적재산권을 직접 소유할 수 있기 때문에 건수가 될 것 같은 느낌이 온다면 자기 소유로 돌리고 창업을 할 것이다.그렇지 않은 경우에는 공동 연구 과제를 수행하는 과정에 지적재산권이 발생하는데 학교에서 일단 개발을 해서 그 결과물을 누군가에게 주는 일은 없다. 기초연구비도 부족하고 외부 펀딩에 의존해야 하는 비율이 높다."- 학교 본연의 역할인 기초연구가 우선인데 기초연구비가 있다는 것은 아이러니한데.."기초연구비는 정부에서 학교에 배당하는 금액 25%, 교육을 통한 정부지원금 25%, 나머지 50%는 외부 펀딩이다. 외부 펀딩 중에 기초과학을 위주로 설계된 펀딩들이 있다.스웨덴의 연구 재단에 해당하는 기관 VR이 있는데 그쪽에서 나오는 펀딩은 기초연구비로 충당이 되는데 그거 자체로는 많이 부족하다. 그래서 공학을 하는 사람들은 거의 대부분 협력 과제 쪽으로 눈길을 돌리게 된다."- 한국의 경우에는 규정이나 지침이 있어서 비용을 직접비, 간접비 등 전부 구분하는데."이곳도 당연히 직접비, 간접비가 나누어져 있다. 전체 과제비의 몇 %까지 지원을 한다고 나오는 것도 있다. 직접비를 어떻게 쓰는지에 관해서는 한국에 비해 유연하다."- 기초과학 이후에 외부펀딩을 투자한 사람들의 이익은."스웨덴 연구 재단에 해당하는 VR이나 ERC(유럽 연구 의원회)에서 나오는 펀딩이 대부분이기 때문에 공적 자금이다. 기업에서 투자하는 경우 사설 재단들이 있다.예를 들어 한국에서도 잘 알려져 있는 Wallenberg 재단이 있다. 그러나 기부금 형식이기 때문에 사용이 자유롭고 기업에서 원하는 것은 따로 없다."- 다른 분야의 단지는."카롤린스카 의대와 왕립 공대 생명과학부가 함께 Sci-Life라는 기관을 만들었다. 카롤린스카 의대 병원 근처에 위치하고 있어서 다른 분야의 역할을 수행하고 있다.그런데 불행히도 아스트라제네카(스웨덴 굴지의 국제적인 제약회사)가 스톡홀롬에서 거의 몰락했다. 몰락을 하면서 Sci-Life를 키우려는 계획이 무산되면서 Sci-Life도 많이 성장하지는 못했다. 스톡홀롬 북쪽의 웁살라에 소규모 제약회사와 화학회사로 생태계가 구성되어 있지만 부르는 이름이 딱히 있지는 않다."- 5G 관련해서 중국, 대한민국, 미국 수준을 어느 정도로 보는지."Ericsson이 잘 버티고 있기 때문에 스웨덴의 5G 기술 수준은 여전히 우월하다. 중국의 화웨이가 앞서나가고 있는 것도 분명한 사실이다. 중국의 기술 수준이 5G에 있어서는 세계 1위라고 말해도 과언이 아니다.한국의 경우 화웨이 만큼은 아니어도 세계 탑클래스는 분명하다. 삼성전자를 중심으로 장비, 단말기를 둘 다 개발하고 있다. 미국의 기술력은 소프트웨어 쪽에서 넘을 수 없는 벽이 있기 때문에 한동안 상당한 기술 우위가 유지되겠지만, 장비에 한해서는 세계에서 별로 하는 일은 없다. 장비 쪽으로 보자면 유럽과 중국, 한국이 우월하다."- 에릭슨은 기술적인 측면에서 화웨이와 협력하는지."기술적인 부분에서는 협력을 할 수 밖에 없다. 통신 시스템이라는 것은 표준화가 첫 번째 관문이기 때문에 양대 산맥인 Ericsson과 화웨이가 합의를 하지 못하면 양쪽 모두 물건을 판매할 수 없는 상황이 오기 때문에 어떻게든 합의를 해야 한다. 따라서 3GPP와 같은 국제적인 표준이 존재하는 것이다."- 표준은 화웨이와 Ericsson이 주도를 하는 것인가? 삼성은 어느 정도의 역할을 하는지."통신 장비에 관해 빅3는 화웨이, Ericsson, 노키아이다. 표준화 역시 이 3개 업체가 주도하고 있고 삼성은 장비 업체 관련해서 5위 정도이다. 삼성이 세계 통신 표준화에 4-5위 정도로는 기여를 하지만 빅3와는 사이즈 차이가 있기 때문에 4분의 1보다는 덜 기여를 한다.한국이 5G 상용화를 세계에서 가장 최초로 하게 된 가장 큰 이유 중 하나는 정부의 계획 때문이다. 어떤 주파수를 어떻게 할당을 하고, 사업자에게 사업 권한을 줄 것인지 등은 전적으로 정부에 달린 일이기 때문이다."- 5G는 고주파 쪽으로 연구를 많이 하는데 사실 고주파에 많은 단점이 있다. 그러한 단점을 해결하려고 하는 연구가 이곳에 있는지."그런 연구는 당연히 하고 있다. 현재 한국에서 상용화 된 5G는 4G보다는 고주파이지만 그렇게 차이가 나지는 않는다. 따라서 한국에서 5G가 잘 터지지 않는 이유가 주파수 때문은 아니다. 한국 정부에서 5G 상용화를 굉장히 서두른 것은 사실이다.5G 표준화는 완전히 끝난 것이 아니라 계속 업데이트 되고 있다. 현재 한국의 5G는 초기 버전이기 때문에 4G와 크게 다르지 않다. 1-2년 안에 나오는 표준이 5G의 목표를 어느 정도 더 많이 달성한다면 그 표준을 맞추는 제품의 개발은 더 늦어질 것이다.실제로 차이를 느낄 수 있을만한 5G의 제품이 나올 때까지 앞으로 몇 년은 더 기다려야 할 것이다. 5G가 잘 터지지 않는 이유는 표준화의 완성도와 상관없이 기지국이 많이 없기 때문이다.4G의 기지국은 전국에 수만 단위의 기지국이 있는데 5G의 기지국은 수천 단위를 못 벗어나고 있다. 잘 터지지 않는 것이 당연하다."- 미국과 중국의 무역 분쟁에서 화웨이가 배척당한 이유가 보안상의 문제라고 하던데, 5G에서도 보안 이슈가 있는지."당연히 화웨이는 없다고 주장을 한다. 예전부터 화웨이와 군대의 연계설이 기정사실화되고 있어서 일각에서는 안했을 리 없다고 하고 가능성은 있지만 아무도 모른다.기업이 장비를 쓰고 싶은데 너무 비싸서 쓰지 못하거나 기술을 지원받고 싶은데 인력이 없어서 다른 곳의 협조를 받아야 하거나 제품은 있는데 마케팅 전략을 세우지 못해서 판매하지 못하는 기업들의 애로사항을 해결해주는 지원들이 있는가?무역 협회, 상공회의소와 같은 기관들이 있어서 공적으로 하는 시스템은 갖춰져 있다. 하지만 스웨덴 사회가 인맥 위주로 돌아가는 사회이기 때문에 시스타의 발전 과정에서 인맥이 좋은 쪽으로 활용됐던 것처럼 보통 비공식적으로 해결하는 경우가 많다."- 한국의 경우 수직적인 대기업이 있는데 이곳의 기업 간 네트워킹은."공급자가 있고 구매자가 있기 때문에 이곳도 당연히 갑을 관계가 있다. 다만 한국과 정도의 차이는 있다. 그런 관계가 있음에도 불구하고 상대를 어떻게 대하느냐가 중요한데 안 좋게 흘러가는 경우는 보지 못했다."- 창업자가 실패를 겪고 실업 위험에 처했을 때 사회적으로 보호할 수 있는 제도는."실업보호 급여제도가 있다. 스웨덴의 노조 가입률은 굉장히 높다. 그 이유는 매달 납부하는 노동조합비가 실업 보험금으로 쓰인다. 기초 실업 보험은 보험료를 매달 약 1만 원 정도 납부를 해야 하는데 실업이 됐을 경우에 1년 정도 일정 금액의 실업 수당이 나온다.최소 1년 이상 회비를 납부한 사람에 한해 혜택이 주어진다. 이 실업 수당은 높지 않아서 생활을 보장하기 어렵다. 따라서 노동조합도 함께 가입하는 것이다.기초 실업보험에 가입한 사람이 노조에도 같이 가입했을 경우 기존 임금의 80%까지 차액을 지원해준다. 노조가 기업 노조가 아니라 산별 노조기 때문에 아무리 작은 기업의 종사자라고 하더라도 노조에 가입을 할 수 있다.자신이 다니는 기업이 망해도 1년간 실업 급여가 나올 수 있게 되어 있는 것이다. 이 부분이 기업지원보다도 스웨덴의 경쟁력을 강화시키는 제도가 아닐까 생각한다. 내가 회사를 자의적으로 그만둔다면 한 달은 패널티가 있지만 한 달이 지난 후에는 똑 같은 혜택을 받을 수 있다."- 대학생들도 학기 중에 창업을 하겠다고 하는 경우도 있는지."전자전산 쪽으로 최대 문제가 학생들이 졸업을 안 하는 것이다. 스웨덴의 기업들은 학위를 그다지 중요하게 생각하지 않기 때문에 대학 졸업장이 없어도 취업을 할 수 있기 때문이다.학부 3년, 대학원까지는 5년인데 마지막 학기를 거의 다 끝냈음에도 불구하고 졸업 신청을 하지 않고 취업을 하는 경우도 많다. 대학 입장에서는 졸업자 수가 적으며 정부 지원금이 줄어들기 때문에 이것도 하나의 문제가 된다."□ 참가자 일일보고◇ ㅇㅇ도 ㅇㅇㅇ과 ㅇㅇㅇ 주무관○ 시스타 사이언스시티가 성공적인 산업단지러 조성될 수 있었던 이유는 상호 소통이 원활하게 이루어질 수 있는 단지의 규모를 갖추었고, 에릭슨이라는 대기업을 앵커기업으로 유치했고 토론과 합의를 중요시하는 문화 덕분이다.◇ ㅇㅇㅇ사업평가단 평가팀 ㅇㅇㅇ 선임연구원○ 시스타 과학단지의 성공요인 중 하나인 ‘국내의 대기업 유치 성공’에 크게 공감하고, 가장 중요한 요인이라고 생각한다. 이와 더불어 ‘조화를 이루는 공간 조성’이 성공을 이끄는 데 중요한 요인이라는 것을 알게 됐다.◇ ㅇㅇ테크노파크 기업지원단 ㅇㅇㅇ 대리○ 글로벌 시장의 영향력 감소로 인해 노키아 실업자들이 정부의 지원을 받고 교육을 받는 시스템이 발달되어 있다. 대기업과 중소기업, 창업기업이 과학단지 내에 밀집되어 있어 상호간의 네트워킹 및 자연스러운 만남의 장이 마련될 수 있는 조화가 잘 되어 있다고 판단된다.또한 지리적인 이점으로 인해 많은 기업들과 근로자들이 연구 환경에 있어서 시너지 효과를 낼 수 있는 조건이라고 생각된다.◇ ㅇㅇ테크노파크 정책기획단 ㅇㅇㅇ 전임○ 산학협력이 이루어질 수 있는 공간적 집적과 그곳에서 일어나는 네트워킹들이 유기적인 협력체계의 기반이 되는 부분이 매우 실용적이고 인상적이다.북유럽 대부분의 기업지원 시스템, 창업지원 시스템이 신뢰를 기반으로 한 시스템인데, 이런 점은 우리나라와 문화적 차이가 큰 부분임을 감안하여 우리나라의 문화에 맞추어 변형한 후 받아들이는 것이 필요하다.◇ ㅇㅇㅇ사업평가단 평가팀 ㅇㅇㅇ 책임○ 시스타 과학단지는 도보로 이동가능한 단지 내에 조성된 산학협력단지로, 자연적이고 자발적인 협력을 유도하여 혁신을 이끌어내는 시스템이다.대기업(에릭슨) 중심의 산학연계로, 민간주도 혁신이 강점이지만 대기업의 경영 상황에 민감한 영향을 받을 수 있으므로 우리나라에 혁신 시스템 적용 시 고려해야 한다.◇ ㅇㅇ시 미래산업정책과 ㅇㅇㅇ 사무관○ 스웨덴의 Triple Helix에는 공감한다. 또한 혁신 클러스터 촉진 방식인 상향식 추진 방식에도 공감한다. 하지만 과학단지를 조성할 때 기업을 유치하려면 수도권은 용이하다.판교 스타트업 밸리는 단기간에 성공했다. 하지만 지방은 공장 유치도 어려운 것이 현실이다. 지방 산업단지 조성 시 대기업 유치, 교통 등 인프라 구축, 캠퍼스 융합을 위해 보다 전략적 접근이 필요하다.◇ㅇㅇ테크노파크 정책기획단 ㅇㅇㅇ 연구원○ 산학협력 모델(Triple Helix Model)은 기업(에릭슨), 대학, 연구기관이 지리적으로 가까이 위치해 있으며 정보 공유에 개방적이다.하지만 대기업(에릭슨)에 대한 의존도가 커서 연관 산업 분야의 확대에 제약이 있어 보이고 향후 에릭슨이 시장경쟁력을 잃는다면 사회적 문제로 대두될 수 있다고 판단된다.◇ ㅇㅇㅇ사업평가단 평가팀 ㅇㅇㅇ 책임○ 시스타 과학단지 조성은 정부 주도로 추진되었으나, 조성 후 운영은 시스타 과학단지 주식회사가 한다. 하지만 전면에 나타나지 않고 지원 위주의 역할만 하고 있다.시스타 과학단지 내 이주 기업 간에 오픈된 공간에서 정보 교환이 수시로 이루어진다. 상호 경쟁사 간 정보교류가 가능하다는 것이다.◇ ㅇㅇ테크노파크 정책기획단 ㅇㅇㅇ 선임○ 제도 이외에 주목해야할 다른 부분은 임금격차가 없고 경력자를 우대하는 등의 문화적 측면이다. 시스타의 성공 요인은 △Triple Helix Model △대기업 입주 △지리적 여건 △오픈된 공간을 통한 에코시스템 구축이다.ㅇㅇ의 산업과 유사한 구조로 ㅇㅇ이 부재한 것은 △창업(젊은 층) △오픈된 공간 △산학협력이다. 대기업에서 근무하다가 새로운 아이디어를 가지고 대기업에서 나와서 젊은 창업자들이 협력할 수 있는 공간이 필요하다. 한국의 문제를 해결하기 위해서 공동 연구를 많이 진행하고 중소기업, 대학과의 협력을 늘려야 한다.◇ ㅇㅇ테크노파크 정책기획단 ㅇㅇㅇ 연구원○ 산학협력을 기본으로 하지만 확실한 대기업의 존재(에릭슨)는 무시할 수 없으며 산학협력을 보다 강화하는 역할을 담당하고 있다. 기업을 지원하는 제도보다는 기업을 운영하는 프로그램에 대한 고민이 필요하다.◇ ㅇㅇ테크노파크 정책기획단 ㅇㅇㅇ 주임○ 시스타 과학단지는 에코시스템과 협력체계 구축을 통해 조성된 대표적인 사례라고 할 수 있다. 하지만 현재는 한 산업분야에 치중되어 있다.연결 가능한 다양한 산업들을 클러스터로 유입시켜 다양한 연구 주체들이 참여하는 산업단지 또는 연구단지로 발전시켜야 한다.◇ ㅇㅇㅇ사업평가단 운영팀 ㅇㅇㅇ 팀장○ 대기업 중심의 클러스터로, 스웨덴 ICT 산업의 중심이다. 통신장비의 기술적 우위를 바탕으로 해외 우수 기업을 유치하여 클러스터를 형성했다. 자유로운 분위기에서 각 기업과 학교, 연구소 간의 상호 교류가 우수하게 이루어진다.◇ ㅇㅇ시 첨단소재산업과 ㅇㅇㅇ 주무관○ 한국의 기업 지원 방식이 결코 뒤지지 않는다고 생각한다. 기업의 규모에 따른 단계별 지원에 유연성만 가미하면 스웨덴 등 북유럽 국가의 시스템보다 더 체계적이다. 현재에 안주하지 않고 미래 산업에 대비하여 발 빠른 전환에 대비할 필요성이 있다.

□ 연수내용◇ 컴퓨터공학을 기본소양으로 AI의 근간을 쌓는 미국 대학○ 미국 대학에서는 AI의 근간이 되는 컴퓨터공학이 이미 기본 소양으로 여겨지고 있다. MIT 학생 중 컴퓨터공학 전공과학을 듣는 학생은 지난해 기준 50%에 이르고 스탠퍼드대 공대생 중 컴퓨터공학 전공자는 45% 수준이다. MIT, 스탠퍼드, 카네기멜런, 워싱턴대 등은 공동으로 AI를 교육하는 프로그램을 운영하고 있다.○ 미국 캘리포니아 버클리대(UC버클리)는 2015년부터 데이터 사이언스를 연계한 대학원 전공 과정을 운영하고 있다.데이터 사이언스는 엄청난 양의 빅데이터를 분석하기 위해 AI 기술의 핵심인 딥러닝(심층 학습) 등을 활용하는 기술이다. 알파고를 통해 딥러닝의 유용성이 입증되면서 최근 가장 각광받고 있는 분야이기도 하다.◇ 세계에서 3번째로 노벨상을 많이 배출한 UC버클리○ 1868년 10개의 캘리포니아 대학교 중 최초로 설립된 UC버클리는 2019년 U.S. News & World Report 세계랭킹에서 4위에 랭크되었다.107 명의 노벨상(2018년 12월 기준) 수상자들과 연고가 있는 UC버클리는 세계에서 3번째로 노벨상 수상자를 많이 배출한 대학교인 세계적 명문대학이다.○ 버클리 졸업생들은 여러 유명 기업들을 창업한 것으로 유명하다. 애플(스티브 워즈니악), 인텔(고든 무어), 마이스페이스(톰 앤더슨), 갭(도널드 피셔), DHL(래리 힐블롬), 구글 보이스(크레이그 워커)와 구글 어스(존 행크), HTC(쉐어 왕), 썬 마이크로시스템즈(빌 조이), BBN 테크놀로지(리처드 볼트), 마벨 테크놀로지 그룹(세핫 수타르자와 웨일리 다이), VM웨어(다이앤 그린과 멘델 로젠블럼), 일본 소프트뱅크(손정의) 등이 버클리 졸업생에 의해서 설립된 대표적인 회사들이다.◇ 버클리 대학 내 인공지능 관련 연구인력이 모인 인공지능연구소○ UC 버클리는 연구 중심의 종합대학으로, 7,000개가 넘는 강의와 300개에 가까운 전공을 제공하고 있다. 해마다 5,500명의 학사와 2,000명의 석사, 900명의 박사를 배출한다.▲ UC버클리[출처=브레인파크]○ 버클리 인공지능연구소는 △컴퓨터 비전 △기계학습 △자연어 처리 △계획 △로봇공학 분야에 걸친 UC버클리 대학 내 연구인력이 모인 연구소다.○ 30여 명의 교수진과 200여 명의 대학원생은 멀티모달 딥러닝(Multi-modal deep learning)과 인간-호환 AI와 관련한 최첨단 기술들을 연구하며 AI와 다른 과학 분야 간 접목을 위한 연구도 진행한다. 연구진은 인공지능 관련 연구를 진행할 때 최대한 다양한 접근법을 활용하고 있다.○ 연구소는 최첨단 AI 연구 가속화를 위해 ‘BAIR Open Research Commons’라는 새로운 산업 제휴 프로그램을 시작했으며 연구진은 Commons 협정을 기반으로 제휴 산업 파트너와 공동으로 그리고 균등하게 지적 재산을 공유하면서 협력적인 공동 프로젝트를 진행한다.○ 후원기업으로는 아마존, 페이스북, 구글, 마이크로소프트, 삼성, 웨이브 컴퓨팅 등이 있으며 이들 기업은 프로그램의 초기에 BAIR 시설과 연구 노력을 지원할 20개 이상의 공동 프로젝트에 대한 기금을 조성했다.○ 기존 학과와 학부들은 그대로 놔둔 채 이들을 모두 아우를 수 있는 `디비전`이라는 개념을 만들어 학부생들이 전공과 관계없이 데이터 사이언스를 학습할 수 있도록 한다.◇ AI분야 고전논문상을 수상한 존케니교수의 지도를 받는 김진규학생○ 버클리대 인공지능연구소 방문은 컴퓨터공학과에서 박사과정에 있는 김진규 학생과의 간담회 형태로 진행되었다. 김진규학생은 고려대학교 전자공학과 학사, 석사를 거쳐 현재는 존 케니 교수(Prof. John Canny)의 지도학생으로 연구 중이다.존 케니 교수가 석사 과정 때 발표한 논문이 컴퓨터 비전 쪽에서 가장 많이 읽힌 논문으로 유명하며 2002년 인공지능분야에서 가장 영향력있는 논문상을 수상하기도 했다. 지금은 CS 학부장이다.○ 김진규 학생의 연구분야는 AI, 컴퓨터 비전, MAPE 등을 하고 있고 어플리케이션으로 자율 주행을 연구하고 있다. 특히 Advisable AI를 많이 하고 있고 DARPA에서 AI 관련 세미나를 열었을 때 직접 연구내용도 발표했다.○ 버클리로 오기 전에는 컴퓨터 이미징, Data Mining, 물리경제학 등 관련 연구를 진행했으며 현재는 DARPA 프로젝트로 자율 주행을 연구하고 있다. 병역특례로 LG Display, 삼성, 팬텀AI, 혼다, Waymo에서 인턴을 했다.○ 주요 이력• niversity of California, Berkeley, PHD IN COMPUTER SCIENCE (ADVISOR: PROF. JOHN CANNY)• Korea University, MS IN ELECTRICAL COMPUTER ENGINEERING (ADVISOR: PROF. SUNGROH YOON)• Korea University, BS IN ELECTRICAL ENGINEERING, Summa Cum Laude (GPA: 4.45/4.5)○ 발표논문• 2018.10. 「Explainable Deep Driving by Visualizing Causal Attention」, Jinkyu Kim and John Cann, The Springer Series on Challenges in Machine Learnin• 2018.09. 「Textual Explanations for Self-Driving Vehicles」, Jinkyu Kim, Anna Rohrbach, Trevor Darrell, John Canny, and Zeynep Akata, ECCV• 2017.12, 「Show, Attend, Control, and Justify: Interpretable Learning for Self-Driving Cars」, Jinkyu Kim, Anna Rohrbach, Trevor Darrell, John Canny, and Zeynep Akata, NeurIPS Symposium• 2017.10, 「Interpretable Learning for Self-Driving Cars by Visualizing Causal Attention」, Jinkyu Kim and John Canny, ICCV◇ 자율주행의 취지와 흐름○ 자율주행은 교통사고를 줄이는 것, 사람들의 운전시간을 줄이고, 주차장에 쓰이는 공간을 줄이자는 취지를 갖고 있다.우버의 자율주행은 볼보 차체에 자율주행 센서와 컨트롤 유닛을 달아서 자율주행 차를 만들었다. 트럭에도 진행 중이었는데 최근에 우버에서 트럭에 대한 자율주행 사업은 중단했다. 자율주행 분야로 투자를 많이 했으나 트럭 대신 일반자동차에 집중하고 있다.○ Waymo는 일반자동차와 트럭 모두 진행하고 있다. 대부분의 자율주행 차가 상위단에 라이더센서를 두고 360도로 레이저를 쏴서 주변에 무슨 물체가 있는지 감지한다.카메라가 앞, 뒤로 6개정도 달려 있어서 주변 시야를 확보한다. 레이더 센서는 요새 차에 다 들어가 있는데, 고속도로에서 자율주행하는 차는 모두 레이더를 쓰고 있다. 또한 보통 트렁크에 컴퓨터를 실어 넣는다. 최근에 재규어에 레이더를 달아서 실험하고 있다.○ Waymo는 피닉스 지역에서 서비스하고 있는데, 리프트와 연결해서 리프트에서 자율주행차를 불러올 수 있게 한다. 센서에서 정보를 취합한 후 컴퓨팅하고 자동차로 컨트롤한다. 우버의 앱, 구글 맵으로 차량을 호출하면 내비게이션도 해준다.◇ 인식-예측-통제로 이루어지는 자율주행○ 자율주행은 크게 인식(Perception), 예측(Prediction), 통제(Control)의 과정을 거치는데 첫 번째 인식(Perception)은 센서가 들어오면 Perception 모듈을 가장 먼저 거친다. 어떤 물체가 어디 있는지를 판단하는 단계이다.○ 사람이 지나가는 경우, 자전거나 차량이 지나가는 경우도 모두 감지한다. 라이더 센서로 3D 바운딩 박스를 찾고, 카메라를 사용해서 신호등을 구별한다.라이더 센서를 쓸 때 최대 200m 거리의 차량과 사람을 모두 감지한다. 감지 문제는 거의 다 해결됐다고 보고 있다. 차량은 빨간색 바운딩 박스로 사람은 노란색 바운딩 박스로 표시하고 2년 전까지는 카메라로 감지를 많이 했으나 최근에는 라이더로만 감지를 한다.○ 문제는 기존에 생각하지 못했던 감지문제들이다. 예를 들어 경찰관의 수신호(다른 방향으로 가라는)나 미국은 구급차가 오면 무조건 비켜줘야 하기 때문에 구급차 소리가 들리고 차가 자기 쪽으로 올 경우 피해야 되는지 아닌지 등에 대한 감지로 연구가 진행중이다.○ 예측(Prediction)은 물체가 어디로 갈지 판단하는 과정으로 차가 차선을 변경할 것인지, 사람이 어디로 움직일 것인지를 예측하여 어느 차선으로 움직여야 할지 Planning을 한다.○ 통제(Control)는 어디로 갈지 정해진 상태에서(perception, prediction 과정을 거친 후) 문제가 없는 과정이다. 20년 전부터 실행되어 왔다.○ 자율주행에서 문제가 되는 것은 prediction과 planning 부분이다. 연구 주제와도 연결되어 있어 Waymo와 우버에서도 대학과 협력을 원하고 Waymo에서 Planning을 연구하는 버클리 교수님을 초빙하기도 했다.○ Waymo는 피닉스 지역에서 운전자 없이 사용자가 자율주행차를 호출해서 갈 수 있도록 서비스를 6개월 전에 시행해서 지금 계속 테스트 중이다.◇ 상용화 경쟁중인 자율주행○ 자율주행에 있어 너무 많은 복잡한 정보를 주면 사용자가 혼란스러울 것이고, 너무 간단한 정보만 주면 사용자가 받아들일 정보가 없기 때문에 사용자에게 어떤 정보를 줘야 하고 어떤 정보는 주지 말아야 하는지 고민하고 있다.○ 캘리포니아는 법적으로 운전자가 앉아 있어야 해서 두 사람이 앞자리에 앉아있는데, 한 사람은 만일의 사고에 대비하여 핸들을 잡을 준비를 하고 있고 옆 사람은 안에서 감지 활동을 점검하고 있다.신호등 감지가 중요한데, 옆 사람이 빨간색이라고 소리 지르면 차가 빨간색을 감지했다는 걸 알기 때문에 핸들을 잡지 않는다. 하지만 옆 사람이 감지가 안됐다고 말하는 순간 바로 핸들을 잡고 조종할 것이다. 법이 풀리면 캘리포니아도 운전자 없이 테스트해보지 않을까 생각한다.○ 그래서 테스트가 굉장히 중요하고 온라인 테스팅은 차를 계속 굴리면서 문제가 있는지 없는지 판단한다. Waymo의 소프트 엔지니어로 들어가면 10분에 한 번씩 버그 메일을 받는다. 버그가 발생했으니 해결하라는 메일이다. 엔지니어는 버그를 없애는 작업을 계속 한다.○ 다음으로 오프라인 테스팅을 한다. 시뮬레이터 환경을 만들어서 여러가지 시나리오를 테스트한다. 실제 차를 돌려보기도 하고 기존에 보지 못한 인풋의 새로운 이미지가 있는지 판단한다.○ 차량, 사람, 차가 어디로 움직일 수 있는지에 대한 레인, 횡단보도, 정지신호 등의 정보를 다 가지고 있는 맵이 있다. HD 맵을 한국에서 만들려고 한다고 들었다. 그러한 맵이 만들어지면 자율주행 차에 적용하여 테스트할 수 있을 것이다.○ 현재 자율 주행은 크게 Waymo, Uber, Zoox, Cruise가 앞서 나가고 있으나 서로 협력하지는 않는다. 경계선을 만들어서 서로의 기술이 유출되지 않도록 하고 있다.자율주행차는 곧 상용화될텐데, 누가 먼저 상용화하느냐에 따라서 그 시장을 다 차지하지 않을까 생각한다. 그 점을 Waymo와 우버도 알고 있고 서로 먼저 시장에 내놓기 위해 노력하고 있다. Waymo는 라이더 센서, 카메라 센서 등 모든 센서를 직접 만들고 있다.▲ 우버의 자율주행차[출처=브레인파크]□ 질의응답- 카메라 센서에 특정한 무언가로 인해 완전히 오작동이 일어나는 경우는."그건 딥러닝에서 문제가 되는 부분이다. 인풋에 노이즈를 꼈을 때 감지가 잘 안 되는 경우가 발생한다. Waymo는 카메라를 사용해서 딥러닝을 돌리고 있진 않고 정말 기초적인 방법으로 신호등을 찾고 있다.가령 본인의 차 위치를 알고 있고 HD 맵도 알고 있으면 신호등이 어디 있는지도 알고 있기 때문에 카메라에서 위치만 따로 빼와서 빨간불인지 초록불인지만 판단한다."- 레이더와 라이다를 쓰면 나오는 비용이 어느 정도인가?"카메라로 계속 해왔지만 한계는 있다. Waymo와 Uber가 라이더로 바꾸고 나서 감지가 너무 잘 돼서 성과가 좋아졌다. Waymo가 라이다 센서를 만들고 있다. 그 말은 직접 커스터 마이징을 해서 가격을 낮추겠다는 뜻이다.어느 가격까지 떨어뜨렸을 때 수익을 얻을 수 있는 테이블이 있다. Planning은 현재 룰 베이스이다. 관련된 룰을 하나씩 하나씩 얹고 있는데, 예측할 수 없는 상황에서는 어떻게 해야되는지에 관한 문제가 있다."- 카메라에 한계가 있다고 하셨는데 어떤 한계가 있는 건가? 카메라에 오물이 묻거나 비가 오는 경우에 안전 관련 감지가 있는지."그래서 3가지 센서를 쓰는 것이다. 라이다 센서, 카메라, 레이더. 이 중 하나가 고장나도 다른 것이 작동할 수 있도록 3가지를 쓴다. Waymo 차량의 상위 단에 와이퍼가 안에 있다. 비가 오면 물기를 닦아낸다."- 자율주행 트럭이 자율주행 차보다 더 빨리 상용화될 수 있을 것 같은데, 기술적인 측면에서 성공적이지 않아서 포기한 것인지."Waymo와 우버가 본인들이 기술을 만들었을 때 그 기술로 인해 생기는 수익 예상치가 있다. 일반 차량에 자율주행기능을 넣었을 때의 수익이 트럭에 넣었을때보다 4배 더 높다.기술적인 측면에서 차이가 큰 것은 아니지만 돈이 되지는 않는다. 고속도로 내에서 움직이는 것, 물류센터 간 이동하는 것만 자율주행으로 하고 나머지는 사람이 운전한다."- 신호등에 대해서 반응속도가 어떻게 되는가? 또한 여러 개의 신호등 중에 자기가 봐야 하는 신호등이 무엇인지 어떻게 아는지."반응속도는 10밀리세컨드이다. 0.1초에 하나씩 감지 결과가 나온다. 그래서 맵이 중요하다. 맵을 통해 여러 신호등 중 자기가 봐야 하는 신호등을 알 수 있다."- 센서 반경이 어느 정도인지."Waymo는 라이다 센서가 2개 있는데 하나는 멀리 보는 것(200m)이고 나머지 하나는 가까이 보는 것(50m)이다."- 아까 예시에서 운전자가 빨간 불이라고 말했을 때 핸들을 잡고 다시 자율주행으로 돌아갈 때 딜레이는 없는지."사람이 핸들을 잡으면 바로 사람이 운전하는 모드로 바뀌지만 자율주행 모드로 다시 갈 때는 정차해서 테스트한다."- 시뮬레이터가 필요한데 같이 작업하는지."시뮬레이터가 있고 그 안에서 기존의 Waymo 차량에 들어간 소프트웨어를 똑같이 돌릴 수 있게 해놨다. 차량 위치도 조정할 수 있다. 본인 차량 외에 차량이 움직이는 것은 간단하게 설계되어 있었는데 최근에는 사람처럼 움직이게 하려고 노력하고 있다."- computing이 얼마나 좋아야 하는가? Planning과 Control이 어떻게 다른지."Titan X 이상의 GPU가 2개 정도 있다고 보면 된다. 그거로 라이다 데이터를 분석하고 있고 그 뒤에 planning과 control을 담당하는 컴퓨팅이 따로 있다. 후자의 사양은 정확히 모르겠다.Planning은 본인 차가 어디로 가야 하는지에 대한 포인트를 갖고 있고, Control은 실제 steering angle과 액셀러레이터, 브레이크를 가지고 시간에 맞게 그 위치에 가게끔 해준다."- 예측할 때 어려움은 없는가? 예를 들어 사람이 이 속도로 움직일 거라고 생각했다가 사람이 갑자기 뛰거나 해서 속도가 변할 때."사람이 움직일 때 0.1초 간격으로 계속 감지를 하기 때문에 큰 문제는 없다. 문제가 되는 부분은 interaction이다. 사람이 가고있는 방향이 있는데 다른 차량이 사람 쪽으로 와서 사람이 움직여야 할 경우의 대응은 아직 없다. 이 부분에 대해서 연구논문들이 나오고 있지만 크게 좋아지지는 않았다."□ 프로젝트 발표 : ㅇㅇ대학교 ㅇㅇㅇ 학생◇ 연구분야○ ㅇㅇ대학교의 ㅇㅇㅇ 학생은 강필성 교수의 지도를 받고 있으며 같은 연구실에 5명의 박사과정 학생, 13명의 석사과정 학생들이 있다.○ 연구분야는 Data Science & Business Analytics로 텍스트, 이미지와 같은 구조화되지 않은 데이터 뿐만 아니라 구조화된 데이터도 다루고 있다.구조화된 데이터의 경우 안정적인 전력 소모를 위한 수요를 예측하고 있다. 실제 선박에서 장비를 가지고 촬영한 영상 클립을 이용해서 딥 러닝 기법 중 하나인 컨볼루셔널을 이용해서 해산의 파양 및 파고를 예측하고 있다.○ 뉴스 텍스트 감정 분석 모델 구축 프로젝트를 진행하고 있다. 단어에 대한 긍정・부정 사전을 구축하고 있다. CNN과 CAM을 이용한 감성분석 및 시각화, RNN과 Attention을 이용한 감성분석 및 시각화를 진행하고 있다.○ Stock Market Prediction: Hierarchical Attention Events를 활용하여 주가에 영향을 미치는 이벤트를 분석하고 있다. 구분 분석(Dependency parser)을 사용해서 뉴스 공장의 이벤트를 축출하고(Event Extraction), 이벤트를 이용하여 주가의 상승과 하락을 예측한다.◇ 연구사례○ 전반적인 연구에 대한 목표는 뉴스 기사 이벤트를 축출하여 타겟 시장의 방향성을 예측하는 것이다. 누가 누구에게 어떤 행위를 하는지(이벤트) 예측하기가 힘든데 이벤트를 축출하는 방법은 각 문장의 Actor, Action, Object를 파악하는 것이다.이를 Event Tuple이라고 한다. Event Tuple은 하나만 만들어지는 것이 아니라 여러 후보가 생기는데, 이 점을 보완하고자 버트의 language model을 이용하여 각 Tuple에 대해 스코어를 산출한다. 그 중 가장 적합한 Tuple을 선정하게 된다.○ 단계별로 살펴보면, 다음과 같은 예시 문장에 대해 룰 베이스, 구분 분석 등을 이용해 54개의 Tuple이 만들어진다.1. Tuple에 버트의 Mask language model을 적용하여 각 Tuple마다 마스킹 작업을 가한다.2. 마스킹된 Tuple을 가지고 Mask prediction을 가한 후 나온 확률값의 평균을 구한다.3. 이 평균이 가장 높은 Tuple을 최종적으로 산출한다.4. 축출한 Event Tuple을 가지고 Neural Tensor Network를 사용해서 Event Embedding을 한다.5. Actor, Action, Object가 입력으로 들어가고 최종적으로 Event Vector가 축출된다.6. NTN 모델에서 추출한 Event Embedding이 Hierarchical Attention Model의 input으로 들어가고, 중요도를 분류하는 Event-Level Attention, 시간적 맥락에 따라 가중치를 부여하는 Temporal Attention을 거치고 난 뒤 최종적으로 해당 주가의 상승과 하락을 분류한다.◇ 질의응답- 주가 예측하실 때 시간 맥락 (Temporal Attention)을 말씀하셨는데 시간에 따라 가중치가 달라지는건지."Input이 하루, 일주일, 30일 단위로 입력이 된다. 이런 정보를 반영해서 시간 단위에 따른 주가의 상승과 하락을 구별한다."- 뉴스 조회수에 따라서는 달라지지 않은지."현재 저희가 진행하는 것은 수치 데이터를 쓰는 것이 아니라 뉴스 텍스트 자체를 분석하는 것이기 때문에 다르다."- 뉴스 텍스트가 엄청 길 때 해석하기 위해서 Helper들이 나오고 있는데 그런 부분도 관여하는지."의뢰하는 쪽에서 문장 자체를 예측하는 것보다는 이벤트를 축출해서 시각화하고 주가를 예측하는 것을 요구하기 때문에 그 부분에 대해서는 생각해보지 않았다."□ 프로젝트 발표: ㅇㅇ대학교 ㅇㅇㅇ 학생◇ 연구분야○ ㅇㅇ대학교의 ㅇㅇㅇ 학생이 속한 연구소는 △제조공정에서 혐의 공정 탐지 △텍스트 마이닝(Text Mining) △헬스케어(Healthcare) △게임 AI(Game AI), 4개 연구분야를 진행 중이다.○ 개인적으로 참여하고 있는 연구는 고려대학교 응급의학과와 함께 미세먼지를 가지고 응급의학과 내원환자 수를 예측하고 어떤 날에 환자가 많은지 예측하는 일이다. 또한 NLP 관련해서 하나 시스템과 챗봇 플랫폼 만드는 데 기여하고 있다.◇ 연구배경○ 현재 진행중인 2개 프로젝트 외에 스마트 제조 관련 ㅇㅇ제강과 함께 진행했던 프로젝트를 중심으로 설명하면 최근에 반도체 공정, 철강 등 여러 제조공정에서 상당 부분 기술이 고도화됨에 따라 공정이 복잡해지고 있다. 미세한 원인과 혐의 공정을 찾아내는 것이 중요해졌다.○ 그리고 제조공정에서 품질 예측, 원인 분석은 항상 중요하다. 이에 최근 데이터를 더 얻기 위해 센서를 더 많이 박는 실정인데, 더 많이 늘어난 데이터를 분석하기 위해 해당되는 딥 러닝과 같은 방법론이 필요해졌다.◇ 연구모델○ 기존 연구는 변수의 중요도에 따라 원인을 산출했는데 Linear 패턴이 나타나지 않을 경우 적합하지 않다. 이번에 하게 된 제조공정에서는 다채널 데이터의 시계열 특성을 반영하기 위해 CAM(Class Activation Mapping)을 적용하였다.○ 문제의 정의는 처음에 시계열 데이터를 철강 공정에서 센서 데이터가 처음부터 끝까지 다 박혀 있는데, 거기에 있는 데이터를 수집하고 CNN의 성능이 유효한지 먼저 평가한다. CNN이 잘 나온다면 CAM을 사용해서 어떤 부분에서 혐의 공정이 일어났는지 원인 분석을 하는 절차이다.○ 하나의 센서를 수집하고 테이블에 넣는다. 동국제강에서 제공하는 전처리과정을 통해 수치를 정교화해서 집어넣었다. 다음 센서도 Time 1번부터 100번까지 쭉 똑같은 과정을 통해 모든 센서 값을 받아 내린다.○ CAM은 원래 이미지 데이터에 사용되는 방법론이다. 한 축은 센서, 다른 축은 시간 축으로 해서 2D 형태의 데이터를 구축했다.○ 회귀 모델에 있어서는 앞부분은 일반적인 convolutional layer를 계속 쌓는 것은 그대로고, 마지막 층만 CAM에서 fully connected(완전 접속)을 통해 바로 activation function(활성화 함수)로 뽑아내서 회귀 문제를 풀어내는 모델로 바꿨다.W값이 각각의 feature map에 대응하는 가중치 값인데, 각각의 가중치 값을 다 곱해서 마지막에 합산하면 원래의 이미지에서 어느 부분이 실제 class값을 예측하는 데 큰 기여를 했는가를 알아볼 수 있는 알고리즘이 있다. 회귀 구조에 맞게 변경시키는데, 소프트 맥스에 태우지 않고 fully connected로 Linear 회귀 구조로 바꾸었다.◇ 연구단계○ 첫 번째, 변수를 선택한다. 제품1, 제품2에서 제품1000까지 각각에 대한 CAM을 만든다. 합산 값을 다 더해서 전체 공정에 대해서 일괄적으로 혐의 공정이 나타날 만한 부분을 찾는 것이 글로벌 CAM이다.시간 축에 있는 모든 값을 다 더해서 테이블에 채워 넣고, 각 값의 합을 프로팅했을 때 임의의 한계점 이상을 갖는 값을 오름차순으로 정렬하여 위에서부터 아래로 센서들의 중요도를 판단한다.○ 두 번째로. 원인 구간을 선택한다. 시간 축에서 가장 높은 확률을 보이는 부분(Heat Map이 뜨겁게 나타난 부분)을 원인 구간으로 선택한다. 해당 원인구간으로 예측한 부분을 검증했는데, 위상 차이가 많이 났음을 확인할 수 있다.◇ 도전과제○ 글로벌 CAM을 단순 합산할 것이 아니라 Attention Mechanism을 통해 어떤 부분을 더 가중치를 둬야 하는지 연구할 의향이 있다. 각각 제품에 따라 다른 혐의 공정을 갖고 있기 때문에 단산 합산하는 것은 무리가 있기 때문이다. 다만 단순 합산을 했는데도 성능은 높게 나왔다.◇ 질의응답- 여러가지 방법론 중 CNN을 선택한 이유는."CAM이 CNN을 이용한 것이기 때문에 CAM을 구조로 쓰기 위해 CNN을 적용한 것이다. 타임 시리즈인만큼 RNN 구조도 충분히 사용할 여지가 있다고 생각한다."- 연구를 시작하는 단계에서부터 CAM을 사용하겠다고 설정하는지."처음에는 여러가지 모델을 적용시켰고 그 중 설명가능성이 높은 구조인 CAM을 사용했다. RNN은 추후 연구에 사용할 의향이 있다."□ 프로젝트 발표 : ㅇㅇ대학교 ㅇㅇㅇ 학생◇ 연구소개○ ㅇㅇ대학의 ㅇㅇㅇ 학생은 Machine Learning을 사용한 가정용 도시가스 상용 예측에 대한 연구를 발표하였다. 이 연구는 ㅇㅇ대 산업 AI 학생들과 ㅇㅇ에너지서비스와 함께 진행한 프로젝트다.ㅇㅇ에너지서비스는 한국가스공사로부터 천연가스를 공급받아서 가정, 산업현장에 도시가스를 공급하는 기업이다. 이 회사에서 해결하고 싶었던 여러 문제들 중 1가지를 선택하여 연구를 진행하였다.◇ 연구배경 및 목표○ 지역별 도시가스사는 한국가스공사로부터 천연가스를 공급받아서 가정, 산업현장에 도시가스를 공급한다. 이 때 지역별 도시가스사에서는 공급계획 수립과 한국가스공사와의 계약 물량 체결 등의 이유로 최소 2개월 전에는 사용량을 예측할 필요가 있다. 도시가스의 안정적 공급과 공급자의 비용절감 측면에서 도시가스 사용량 예측이 매우 중요하다.○ 여러 도시가스 용도 중 가정용은 기온과 시기 등 다양한 요인에 민감하게 영향을 받고, 세대마다 검침일이 달라서 측정오차가 발생하기 때문에 예측모델 개발이 어려운 문제가 있다. 따라서 저희는 가정용 도시가스 사용량 예측 연구를 진행하기 앞서 기존 관련 연구를 탐색했다.○ 도시가스 보기 초급에 수행된 연구를 제외하면 용도별 사용량 예측에 관한 최근 연구는 부족한 실정이다. 특히 가정용 예측 연구는 더욱 부족하다.그나마 있는 연구도 측정오차를 고려하지 않은 경우가 대부분이다. 기존 연구의 한계점을 극복하기 위해 측정오차를 고려한 머신러닝 기반 가정용 도시가스 사용량 예측 모델 개발 연구를 수행하였다.○ 최종적으로 사용량 예측을 통해 도시가스의 안정적 공급과 공급 비용 절감을 목표로 하고 있다.◇ 연구방법론○ 세대별 월별 사용량 데이터: 아파트, 단독주택 등 세대 유형별로 그룹화하고 각 그룹별 사용량을 산출한다. 원단위(세대 간 월별 평균 사용량) 경향, 세대 수를 고려해서 그룹화한다.○ 기온 및 기타 데이터: 검침 차수를 고려하여 검침 차수별로 기온 및 기타 변수를 산출한다. 그룹 내에서 검침 차수별로 데이터를 분리하고 분리된 데이터별로 원단위를 산출한다.가정용 도시가스 사용량은 검침량을 통해 산출되는데, 각 세대마다 검침 차수가 다양하기 때문에 검침차수를 고려하여 변수를 산출하는 기간을 조정한다.예를 들어 검침 차수가 1차수인 세대의 경우 8월 9일~9월 8일까지의 실제 사용량이 9월 검침량으로 기록된다. 1차수의 9월 평균 기온을 구할 때도 같은 기간을 고려하여 평균 기온으로 선출한다.○ 머신러닝에 기반 사용량 예측 모델 도출: 검침 차수별 변수를 통해 세대 유형 그룹별 평균 사용량을 예측하는 모델을 도출한다.예측 변수로는 기온 및 기타 변수를 사용하고, Linear Regression, Random Forest, Lasso, SVR을 활용하여 실험을 통해 가장 좋은 변수와 모델 조합을 최종 예측 모델로 선정한다. 본 예측 모델로 각 세대 유형 그룹별 원단위 예측 값이 산출된다.◇ 연구과정○ 방법론을 검증하기 위해 진행한 연구에서 사용한 데이터는 포항, 영덕, 울진 지역에 세대별 월별 도시가스 사용량 데이터이다. 2010~2018년까지 9년 동안의 데이터이며 검침 차수는 4차수까지 있다. 또한 포항, 영덕, 울진 지역의 일별 기온 데이터를 활용하여 사용량을 예측했다.○ 세대 유형별 그룹화를 하기 위해 세대 유형별 월별 원단위 변화를 살펴보았다. 아파트, 다세대, 다가구 유형이 유사한 원단위 경향을 보였고 원룸과 기타 유형이 유사한 원단위 경향을 보였다. 단독주택・아파트, 다세대 및 다가구・원룸 및 기타 3그룹으로 나누었다.○ 각 그룹 내에도 여러 검침차수가 있을 수 있기 때문에 그룹 내에 검침차수별로 데이터를 분리했다. 1그룹인 단독주택의 경우 대부분이 검침차수가 4차수에 해당해서 4차수 데이터를 단독주택 모델 개발에 활용했다.2그룹, 3그룹의 경우 대부분의 검침차수가 1-2차이기 때문에 1-2차수 데이터를 모델 개발에 활용했다. 각 그룹 내 검침차수별로 원단위를 산출했다.○ 검침차수별 기온 및 기타 변수는 검침차수마다 검침일이 다르기 때문에 기준을 정해주기 위해 대표일자를 선정했다. 이후 대표일자를 고려하여 검침차수별 각 기간 내에 기온 특성, 특정 기온 구간별 빈도수, 월 비율, 효율 및 비효율수와 같은 변수를 산출했다.○ 산출된 검침차수별 변수를 통해 세대 유형 그룹별 평균 사용량인 원단위를 예측하는 모델을 학습시켰다. 영덕, 울진의 경우 2014년부터 도시가스가 공급돼서 데이터가 부족했기 때문에 모델을 개발하기 어려웠다.따라서 포항 데이터만 모델 개발에 활용했다. 추후 영덕, 울진 지역의 사용량 예측할 때 2그룹 모델인 다세대 다가구와 원단위 경향이 가장 유사했기 때문에 2그룹 모델을 사용했다. 실험을 진행해서 가장 좋은 조합을 최종 모델로 선정했다.○ 결과는 1그룹인 단독주택의 경우 Linear Regression에서 MAPE 5.75%로 가장 좋았고 2그룹 모델에서는 Linear Regression MAPE 6.67%, 3그룹 모델에서는 MAPE 7.69%의 성능을 보였다.○ 검증을 하기 위해 가정용 실제 사용량과 비교를 시행하였다. 기존에 사용량을 예측할 때는 해당 월에 과거 3개년 평균 원단위를 예측 값으로 사용했는데, 기존 예측 값과 실제 사용량의 오차와 개발 모델의 예측 값과 실제 사용량의 오차를 구하고 두 오차를 비교하여 검증했다.○ 검증 결과는 전체 월에 기존 방법이 MAPE 11.1%, 개발 모델이 7.1%를 보여서 4%정도 개선된 결과가 나왔다. 도시가스는 난방에 주로 이용돼서 겨울철 사용량이 중요한데, 겨울철 사용량의 오차를 계산했을 때도 성능이 3% 향상되었다.◇ 연구결론 및 성과○ 본 연구를 통해 측정오차를 고려하여 세대 유형별로 그룹화를 통해 머신러닝 기반 가정용 도시가스 사용량 예측 모델을 개발하였고 포항, 영덕, 울진 지역에 실제 데이터를 활용하여 방법론을 검증해보았다.○ 추후 연구로는 모델 정확도 개선을 위해 추가적으로 예측 변수를 탐색할 것 같다. 더욱 다양한 지역에 도시가스 사용량 데이터를 활용하여 방법론을 검증할 것이다.◇ 질의응답- 가스 사용량은 계절별로 다를 것 같은데 계절별로 차이를 두지는 않았는지."기온 관련 변수를 통해 계절적 요인이 들어갔다고 생각한다. 또한 월별로 다른 사용량을 보이는 것을 확인했다. 월 변수, 기온 변수를 넣어줌으로써 계절 변수가 반영됐다."- 후보 예측 변수를 선정하는 기준은."데이터 탐색을 꽤 오랜 시간 진행해서 변수를 선택했는데, 평균 기온과 최저・최고기온을 먼저 기본 변수로 선정했다. 월과 효율・비효율 변수도 데이터 탐색을 통해 찾은 변수이다."- 그 외에도 원래 고려했지만 중요하지 않다고 판단되어 제외한 변수는."포항도 남구, 북구로 나뉘고 동, 서로 나뉜다. 지역적 요인도 고려했는데 탐색 시 유의미한 차이를 발견하지 못해서 변수에서 제외했다."- 가스 산출량을 정확히 예측하여 어떻게 공급 비용을 줄인다는 것인지."예를 들어 한국가스공사 코가스로부터 천연가스를 수입해서 영남에너지서비스와 같은 지역도시가스사가 개인에게 공급하는 실정인데 지역도시가스사가 예측을 해서 한국가스공사에 예측량을 넘겨줘야 다음에 받을 수 있는데, 예측을 너무 크게 하면 너무 많은 수입을 하게 된다.그렇게 되면 남은 가스에 대한 재고 비용도 생기고 지역별 도시가스사도 패널티를 받게 된다. 가스 산출량을 정확히 예측해서 한국가스공사에 넘기면 이런 비용적 측면의 패널티를 줄일 수 있다."

□ 기관 소개◇ 수소·연료전지 기술 연구 중심 기관○ 연료전지기술센터(Zentrum für Brennstoffzellen Technik, ZBT)는 응용기술 중심 연구소로 에너지 전환과 관련한 초기 아이디어 구상에서 실현에 이르는 전 과정에서 미래기술을 개발하는 R&D기관이다.2000년 처음 ZBT에 대한 기획이 진행되었으며 2001년 유럽 지역개발기금과 노르트라인 베스트팔렌주 정부의 지원금 1,540만 유로를 투자해 설립되었음.○ 2002년부터 본격적인 연구가 시작되었고 건물 신축계획이 수립되었으며 2003년 본관이 완성되었고 26명으로 직원 수도 증가했음.◇ 마이크로 시스템, 수소에너지 기술로 연구영역 확장○ 2005년 비영리 조직으로 전환했으며 뒤스부르크에센대학이 대주주로 인수를 했고, 2007년부터 테스트, 품질 조사, 마이크로 시스템, 수소에너지 기술 등으로 연구영역이 확장되었음.○ 현재 100여 명의 직원과 40여 명의 조교가 근무하고 있으며 2008년 제조기술과 제품 테스트를 위한 기술센터를 추가로 건립했음.○ ZBT는 △Department fuel processing △Department fuel cells and systems △Electrochemistry and coating △Department of Microsystems and Fluid Mechanics △Hydrogen and Batteries △Quality Assurance and Testing 등 모두 6개 부서로 조직이 구성되어 있음. 

○ 독일의 R&D 지원과 평가 지휘독일의 R&D 지원과 평가를 진두지휘하는 기관은 'VDI/VDE-IT'이다. 이곳의 R&D지원에서 가장 큰 중점을 두는 것은 '혁신가치'이며 이외에 비용절감, 경제효과, 고용효과 등을 염두에 두고 장기적인 지원을 하고 있다.VDI/VDE-IT는 1978년 독일 중앙정부(BMFT)의 연구개발 프로그램 중 정밀기계, 정보통신 분야 기술개발에 대한 R&D관리를 수행하기 위해 설립되었다.VDI가 모태이며 1986년 VDE와 합병했다. VDI/VDE-IT에는 110명의 각계 전문가들이 근무하고 있으며 부서는 기술, 사업개발, 사회경제 이슈, 유럽 혁신, 지원프로젝트 관리 분야 등이 있다. ○ MST와 InnoNet 프로그램 운영VDI/VDE-IT에서 운영하는 지원 프로그램은 MST(Micro System Technology)프로그램과 InnoNet프로그램으로 나뉜다. MST프로그램은 기업, 국공립연구소 등을 대상으로 연구개발비를 지원하며 주로 기계, 전자, 정보통신분야에 지원한다.이 프로그램은 반드시 중소기업과 연구기관이 동시에 참여해야 하며 주로 중대형 장기과제다. InnoNet프로그램은 산학협력 증진, 기업의 연구역량 확대, 연구소의 보유기술 이전 등을 주 내용으로 하고 있으며 지원 분야는 제한이 없다. 컨소시엄 형태의 연구를 지향해 반드시 2개의 연구소와 4개의 기업이 공동으로 참여해야 한다. 최대 3년의 단기 소형 과제 위주다. ○ 크로스 체킹 방식의 평가관리평가관리는 박사학위 취득자 가운데 5년 이상 산업계에 근무한 전문가들로 내부 평가요원을 구성해서 추진한다. 평가 시에는 내부평가요원과 외부평가요원이 크로스 체킹하는 시스템으로 운영된다.기술적인 목적 달성도, 기술개발경과의 상업화, 비용집행의 적정성 등을 평가지표로 삼고 있다. VDI/VDE-IT는 독일의 실용주의를 대변하는 기관으로 연구개발 역시 상용화에 초점을 맞추고 있다. VDI/VDE-IT를 방문하여 R&D 지원과 평가에 대한 브리핑을 추진하였다. ○ 독일의 R&D 지원 방법기술 왕국 독일의 R&D 지원은 다각적이고 체계적이다. 기술개발과제 선정에서부터 지원, 평가가 '에스컬레이터식'으로 단계적으로 이루어진다. 규모면에서도 유럽은 물론 세계에서도 손꼽을 만하다.올해 독일의 중앙정부 예산은 전년 대비 0.38%(10억 유로)증가한 2,583억 유로이다. 이 가운데 중앙정부의 과학예산은 110억7,600만 유로다. 전년 대비 2.28% 증액된 수치로 전체 예산 대비 4.29%에 해당한다.과학예산은 R&D 예산과 기타 예산을 포함한다. R&D예산은 전년 대비 2.0% 증액된 89억5,930만 유로이며 중앙정부 전체 예산 대비 3.47%에 달한다. 기타 예산은 학술지도, 교육, 과학기술활동에 대한 지출 예산을 말한다.독일 R&D 예산의 특징은 연구개발 주무부처인 교육연구부의 R&D 예산이 크게 증가했다는 점이다. 과학예산의 증가는 대부분 R&D 예산의 증가로 이어지고 있기 때문이다.반면 식품, 농업 및 산림부의 예산이 크게 감소했다. 독일이 강점을 갖고 있는 기술에 집중하는 한편 농업 등 노동집약적인 산업의 예산을 줄여나가는 경향을 보이고 있다. ○ IT, BT에 중점 지원독일이 중점을 두고 지원하는 R&D 분야는 기초연구를 위한 대규모 장비(전년 대비 3.33% 증액), 정보기술(1.54%), 바이오기술(3.68%), 재료기술(3.29%), 항공연구와 극초음파기술(5.14%) 등이다. 이들 예산은 기초연구를 위한 대규모 장비부문을 제외하고 대부분 순수 연구예산이다.VDI/VDE-IT의 주요 업무 중 하나는 EU 협력이다. VDI/VDE-IT가 EU 협력의 중추세력으로 삼고 있는 것은 TAFTIE(Through the Association for Technology Implimentation Europe)이다.TAFTIE는 EU 16개국 17개 기관이 연합해 만든 R&D 기구로 공동의 연구를 통해 유럽의 기술발전을 이끌자는 취지에서 만들어졌다. 이 기구의 출범으로 유럽은 단일통화 뿐만 아니라 기술개발에서도 하나의 권역을 이루었다고 평가하고 있다. ○ 연 1회 기술과제 선정VDI/VDE-IT는 연 1회 기술과제를 선정한다. 접수 후 자금지원 시까지 약 6∼9개월 소요된다. 과제 평가기준은 프로그램 목적 적합성, 중소기업의 참여도, 연구결과의 실용화 가능성, 시장 기대효과 등을 고려한다. 평가 또한 우리나라와는 사뭇 다르다.내부 평가인력이 과제별로 2인 1조로 1차 사전 검토 후 평가위원회에 심의를 의뢰한다. 사전 검토시 부정을 막기 위해 인터뷰 및 일체의 방문접촉을 금지한다. 사전검토에서는 약 2.5배수의 접수과제를 선정 후 1차 평가위원회에 상정한다.내부 평가요원은 박사학위 후 산업계 5년 이상 근무한 전문가로 1인당 연평균 5∼6개의 과제를 관리한다. 평가위원회는 내부 전문가 평가와 외부 전문가 평가 등 이중구조로 되어 있다.중간 및 최종 평가관리는 과제별로 수시 점검하고 집행금액은 후불 정산한다. 1차년도 완료 후 내부평가인력을 대상으로 세미나를 개최하고 2차년도 공개 세미나를 실시한다. 경우에 따라 외부기관을 통해 기술개발 결과에 대한 만족도를 설문조사한다.독일의 R&D는 중소기업을 우대하고 기업과 연구소의 공동연구가 전제돼야 한다. 정부는 R&D예산을 배정하고 시행은 VDI/VDE-IT와 같은 기술평가기관에서 담당하되 지원 여부는 정부가 최종 확정한다. 선정에서 평가에 이르기까지 최고의 전문가들이 평가에 참여해 성공률을 최대한 높이는 데 역점을 두고 있다.□ GMM-VDE 자료기관방문은 아쉽게도 무산되었지만 연수단이 출국한 뒤 이메일을 통해 VDE의 평가관리시스템에 관한 자료를 받아 볼 수 있었다. 번역한 자료를 요약했다. □ GMM–VDE/VDI - Gesellschaft, Mikroelektronik, mikro-und feinwerktechnik○ GMM - 소명마이크로 일렉트로닉, 마이크로 시스템, 나노 기술과 정밀 엔지니어링은 독일 산업의 생산성 혁신의 원동력이다. GMM은 이런 분야에 집중하여, 기술분야, 엔지니어링 분야, 과학계를 통합하는 네트워크를 설립하는 것을 소명으로 하고 있다. ○ GMM – 개괄• VDI와 VDE를 포함한 총 회원수 : 8,100명• 50개의 위원회• 2개의 젊은 과학자와 개발엔지니어를 대상으로 한 권위 있는 상(賞)• 메카트로닉스에 대한 회원지 발간 ○ GMM - 목표• 기술적 토론의 장 제공• 워크숍과 컨퍼런스 주최• 전략 연구 보고서 작성• 정치적인 영향력 행사• 네트워킹• 젊은 엔지니어 지원• 기술적 가이드라인 제공○ GMM - 주요 컨퍼런스• EMLC – 전 유럽 마스크와 리토그라피 컨퍼런스(주: 반도체 생산공정 관련)• 이크로 시스템 기술 회의• EBL 컨퍼런스 (Elektronische Baugruppen und Leiterplatten)• EMV in der Kraftfahrzeugtechnik 컨퍼런스 VDE 8,100 GMM -Member VDIVDE 8,100명의 GMM-회원 VDIAdvisory Board자문위원회Board이사회Business Management경영진Council of Elders연장자Regional Committees지역 위원회Professors Committee교수 위원회7 Departments (FB) with 50 Technical Committees7개부서 (FB)와 50개의기술위원회[GMM – 조직표]○ FB1 : 마이크로 일렉트로닉스 테크놀로지, 나노 일렉트로닉스 테크놀로지FB1부의 주요 관심사는 마이크로 일렉트로닉스 테크놀로지와 나노 일렉트로닉스 테크놀로지 분야로서, 생산 장비 제조분야부터 소재, 상품 전체 제조 과정까지를 포함하고 있다. 주요 의제는 생산 장비 제조, 상품 제조, 프로세스 모듈, 그리고 디바이스 모델링, 시뮬레이션을 포함하는 양극공정(바이폴라)과 CMOS 등의 공정이다.위원회는 각 분야의 개별 기업과 응용 분양의 대표자들로 구성된 회원 간 광범위한 경험의 교환을 목적으로 하고 있다. △ 위원회- 생산과 장비 제조 : 장비와 소재, 자동화, 수율(收率) 개선, 테스트 장비와 테스트 방법, 생산- 공정 : 리토그라피, 이온 주입, 스푸터링과 식각, 금속 열 확산 장치, 화학 기계적 연마공정, 공정 제어- 전단부 처리 과정 : 베이시스, CMOS, Bipolar/GeSi-반도체, III/V 반도체, 시뮬레이션 ○ FB2 : 고밀도 집적회로 응용, 나노 전자공학 응용FB2 부서의 활동의 주요 초점은 광학을 포함한 아날로그와 디지털 서킷과 시스템 개발에 있다. 이 개발에 따라 복잡도(Complexity Metric)를 증진시킬 수 있는 새로운 응용 기법이 가능하게 된다.최근 부각되고 있는 이 분야의 활동은 늘어나고 있는 기술 응용 분야와 생산 분야에서 고밀도 집적회로와 나노 일렉트로닉스의 주요 영향력을 반증하고 있다.FB2 부서가 기획하는 것은 기술과 전략 연구보고서를 출판이다. 또한 보고서에는 워크숍과 컨퍼런스 조직과 로드맵에 관한 정보를 담고 있다. 모든 활동은 ITG의 연관 부서와 긴밀한 협조 아래 이루어지고 있다. △ 계획된 FB2 기술팀:- 자동차 생산 부분의 서킷과 시스템 응용- 정보통신 분야의 서킷과 시스템 응용 ○ FB3 : 정밀 엔지니어링과 메카트로닉스FB3 부서의 주요 활동은 마이크로시스템과 정밀엔지니어링 상품의 개발, 디자인, 엔지니어링, 생산과 조립이다.기술적 장치들은 기능과 특성, 부품에 의해 고려된다. 메카트로닉스와 정밀 엔지니어링은 여러 가지로 응용이 가능한 기술이며, 마이크로 테크놀로지와 나노 테크놀로지 등 여러 가지 신기술 발달에 그 근간을 두고 있다. △ 위원회- 극소, 정밀 성분- 구동기를 위한 일렉트리컬 드라이브와 기구- 전기기구와 전자기구의 재사용- 광학 커넥터와 일렉트리컬 커넥터 ○ FB4 : 마이크로 시스템 테크놀로지FB4 부서는 복잡한 미세전자시스템(MEMS) 제조와 첨단기술 분야 응용에 활동의 중심을 두고 있다. 새로운 기능이 기계공학, 유체공학, 광학, 화학, 생체시료분석 등의 분야에서 미크로시스템 테크놀로지에 의해 개발되었다.위원회는 이러한 기술들이 과학계, 엔지니어링 분야에서 응용될 수 있도록 하고 있다. 또한 위원회는 이런 기술들이 경제적으로 이용될 수 있고 일상생활에 영향을 주는 여러 분야에 이용될 수 있도록 여러 가지 노력을 기울이고 있다.△  위원회- MEMS 와 나노테크놀로지의 근원적인 중요성에 관한 문제- 미세광학- 센서- 마이크로 엑츄에이터 (미세 구동기)- 리소그라픽 마스크- 기능적 표면 (Functional Surfaces)- 마이크로-나노 인터그레이션- 소재와 제조 공정 ○ FB5 : 조립, 포장과 인쇄기판 회로 테크놀로지FB5 부서는 디자인, 마이크로 일렉트로닉 시스템과 마이크로시스템에 중심을 두고 있다. FB5는 반도체 칩 표면의 포장에서부터 새로운 인쇄기판회로 조립까지 여러 가지 수준의 문제를 해결하고 있다.이에 따라 인쇄기판 회로, 전자회로기판, 조립, 인터커넥션, 가전기술 분야에서 가장 최근에 개발된 방법 응용은 여러 가지 면에서 서로 상승작용을 하고 있다. 이에 따라, 위원회는 마이크로 시스템과 조립 시뮬레이션과 테스팅 분야에서 활동하고 있다. △ 위원회- 고밀도 포장 디자인- 인쇄기판 회로 제조- PCBs의 장착- 전자 산업의 테스팅 기술- 설치와 연결 ○ FB6 : 일렉트로닉 디자인 오토메이션(전자 디자인 자동화)FB6는 GI, ITG, GMM과 같은 단체와의 협력을 통해 마이크로일렉트로닉 서킷과 시스템의 전자디자인 자동화 같은 주요한 분야의 전문성을 극대화 하고 있다. 디지털 서킷과 아나로그 서킷을 위한 시스템 설계에서부터 시방서 제작, 모형 제작, 유용성 입증, 테스팅까지 디자인 전 과정에 중요성이 강조되고 있다. △ 위원회- 방법론- 아나로그 서킷 디자인- 디자인 언어, 모델 제작, 검증- 테스트 방법, 신뢰성- 도안 ○ FB7 : 전자환경 적합성(EMC)△ 활동- 전자환경 적합성 전 분야의 기술적·과학적 활동의 협조- 전자기장 방사 및 면역분야의 지식 교육 진흥- 1996년 1월부터 전자환경 적합성이 법에 의해 요구되는 사항이 되었으며 전자환경 적합성에 관한 과학, 기술 경제적인 주제와 더불어 법률적 질문에 대한 토론을 진행한다. 위원회는 컨퍼런스, 워크숍, 세미나를 전문가들의 위해 개최하고 있다.△ 위원회- 전자환경 적합성 기계 장치, 설치와 시스템- 정전기 방전(ESD) 위원회의 목표는 회원 간 광범위한 경험의 교류다.