고든의 블로그 구글 분점

( The electric CargoPod was developed for the Ocado trial by Oxbotica (Credit: Ocado) )  최근 드론이나 자율 주행 로봇을 이용한 배달 서비스가 점점 현실에 가까워지는 가운데 거대 온라인 슈퍼마켓 업체인 오카도 (Ocado)가 식료품 같은 생활 용품을 배달할 수 있는 자율 주행 배달 차량을 선보였습니다. 카고팟 ( CargoPod )은 이름 그대로 자동차에 8개의 작은 보관함을 단 소형 차량으로 유무인 겸용으로 사용할 수 있으나 궁극적인 목표는 당연히 자율 주행 배달 차량입니다.  카고팟은  GATEway project 와 협업으로 개발되었으며 기존의 배달차량과는 달리 전기차로 제작되어 훨씬 친환경적인 특징을 가지고 있습니다. 여러 개의 센서를 이용해서 GPS의 도움없이도 도로를 주행해 목적지까지 도달할 수 있으며 목적지에서는 1-8까지 숫자가 써진 무인 택배함 같은 상자를 열어 식료품등을 배달합니다. 그 크기는 장바구니 하나가 들어가기 충분한 수준입니다. 이 차량은 작년 12월부터 런던 그린위치(Greenwich, London)에서 테스트 중에 있습니다.  (동영상 1)  (동영상 2)   차량의 최대 수송 능력은 생각보다 작아서 128kg 정도에 불과하지만, 대개 가벼운 식료품 위주이므로 큰 문제가 되지는 않을 것 같습니다. 최고 시속 역시 40km/h 정도에 불과하지만, 도시내에서 주로 사용할 것이므로 이것 역시 심각한 단점은 아닐 것입니다. 다만 생각보다 낮은 성능은 기술 검증을 위한 프로토타입이기 때문일 것이고 만약 상용화가 된다면 비용 효율성을 감안할 때 이보다는 더 크고 빠른 자율 주행 차량이 도입될 것으로 예상됩니다.   현재는 기술 검증 및 테스트 단계이지만, 지금처럼 자율 주행 기술과 전기차 관련 기술이 발전하면 머지 않은 미래에는 장보기를 대신해주는 로봇 차량이 달리게 될지

(Photo: Dong Energy)  최근 풍력이나 태양에너지 등 신재생 에너지가 큰 붐을 이루고 있지만, 사실 보조금 없이는 경제성을 지니기 어려운 것이 사실입니다. 다만 화석 연료나 원자력에너지는 당장에 들어가는 돈 이외에도 여러 가지 부가 비용이 존재하기 때문에 당장의 경제성만 가지고 비교는 어려울 수 있습니다.   화석 연료의 경우 미세 먼지 등 대기 오염은 물론 지구 온난화라는 적지 않은 비용을 치뤄야 하며 원자력 에너지는 당장에는 저렴해도 나중에 핵폐기물 처리 및 해체비용이 만만치 않고 만에 하나라도 사고가 나면 수습을 위한 사회적 경제적 비용이 엄청날 수밖에 없습니다.  이런 점을 고려하면 풍력 발전은 추가적인 환경 비용이나 부대 비용이 적은 장점은 있으나 당장에는 비싸기 때문에 정부 지원이나 보조금 없이는 지금처럼 선진국에서 널리 이용되기는 어려웠을 것입니다. 하지만 최근 기술의 발전으로 몇몇 해상 풍력 발전소는 이제 다른 발전 방식과 단가면에서 큰 차이가 없어 가격 면에서도 경쟁력 확보가 가능해질 전망입니다.   최근 지멘스의 풍력 발전 비용 부분 담당자인 벤트 크리스텐슨 ( Bent Christensen )은 예상보다 풍력 발전 단가가 빠른 속도로 하락해서 본래 예상보다 3-4년 빨리 목표인 MWh 당 100유로 선에 도달했다고 언급했습니다. 2013년 이 비용은 160유로 정도였는데 2016년 12월 분석에서는 MWh 당 105유로까지 떨어졌기 때문입니다.   동시에 네덜란드에서 진행되고 있는 최신 해상 풍력 발전 단지는  €75/MWh까지 비용 절감이 가능해 보조금 없이도 경제성을 확보할 수 있을 것으로 기대됩니다. 유럽의 대형 풍력 발전 회사인 동 에너지 (Dong Energry) 관계자는 심지어 €62/MWh 수준까지 가격을 낮출 수 있을 것으로 기대하고 있습니다.   이와 같은 비용 절감은 기술의 발전과 밀접한 연관이 있습니다. 예를 들어 바다는 육지보다

( Artist's conception shows two supermassive black holes, similar to those observed by UNM researchers, orbiting one another more than 750 million light years from Earth. Credit: Joshua Valenzuela/UNM ) ( VLBA map of radio galaxy 0402+379 at 15 GHz. It hosts two supermassive black holes at its center, being denoted as C1 and C2. Credit: UNM )  뉴 멕시코 대학의 천문학자들이 거대 전파 망원경 어레이를 이용해서 두 개의 거대 질량 블랙홀의 공전을 확인했습니다. 이번 연구는 12년간의 관측 결과를 모은 것으로 이론적으로 예측되었던 두 거대 질량 블랙홀의 공전을 확인했다는 데 의의가 있습니다.   은하 중심에는 보통 태양 질량의 수백만배 이상의 거대 질량 블랙홀이 존재합니다. 그런데 이런 은하들이 충돌할 때 이 거대 질량 블랙홀 역시 서로의 중력으로 영향을 주고 받게 됩니다. 일부는 스쳐지나가는 경우도 있지만, 매우 가까이 다가간 블랙홀은 서로의 중력에 의해 묶이게 됩니다. 이렇게 중력으로 묶인 두 개의 거대 질량 블랙홀은 처음에는  서로의 질량 중심을 공전하지만, 결국 나중에는 중력파를 방출하면서 하나로 합쳐지는 경우가 흔합니다. 따라서 두 개의 거대 질량 블랙홀의 공전은 관측이 쉽지 않습니다.  연구팀은 미국내 10개의 거대 전파 망원경을 묶은  Very Long Baseline Array (VLBA)를 이용해서 지구에서 7억5천만 광년 떨어진 전파 은하 0402+379를 관측했습니다. 관측 데이터 분석은 강력한 두 개의 전파 발생원이 중심부에 존재하며 이들이 서로 공전하는 거대 질량 블랙홀이라는 점을 강력히 시사하고 있습니다

(Credit: Western Digital)  웨스턴 디지털이 BiCS4 3D 낸드에 대한 계획을 발표했습니다. 96층의 3D 낸드로 2018년 대량 생산을 목표로 하고 있다고 합니다. 이보다 더 눈길이 가는 것은 TLC만이 아니라   QLC (quadruple level cell) 제품을 같이 생산한다는 대목이니다. 더 높은 층의 3D 낸드와 QLC 도입으로 BiCS4는 칩당 256Gb에서 1Tb 용량이 가능할 것이라고 합니다.   이 QLC 3D 낸드의 수명에 대해서는 상세하게 알려진 바가 없지만, 비슷한 수준의 TCL가 1000회 정도 읽고 쓰기를 반복한다면 QLC는 대략 100-150회가 일반적인 한계가 될 것이라는 예측이 일반적입니다. 저렴한 물건도 아니고 아무리 용량이 크다해도 이런 낸드로 제작한 SSD를 사용할 사람이 누가 있을까 생각할 수 있지만, 소식을 전한 아난드텍에 의하면 다 쓰임새가 있다고 하네요.   데이터 가운데는 쓰고 지우기를 반복하는 데이터 이외에도 대개 한 번 쓰면 거의 지우지 않고 읽기만 하는 형태의 데이터, 즉 near-WORM (write once read many) 데이터가 존재한다고 합니다. 예를 들어 의료 데이터나 은행의 거래 기록 등 한 번 기록하면 몇 년은 지우지 않고 의무적으로 보관하는 기록이 있다는 것이죠.   이런 경우 여러 번 읽고 쓰기를 반복할 수 있는 개념의 수명보다는 가격이 더 중요한 요소가 됩니다. 물론 이런 중요한 데이터는 자기 테이프나 HDD에 백업한다는 전제하에서 보면 그렇게 나쁘기만한 선택은 아니라고 할 수 있습니다.   개인적으로는 TLC 낸드 플래쉬가 아마도 일반적인 용도의 SSD에 사용될 수 있는 마지노선이 될 가능성이 크다고 생각합니다. QLC는 아무래도 읽고 쓰기 횟수 제한이 심해서 특수한 경우가 아니라면 잘 쓰이지 않을 것으로 생각됩니다.   참고  http://www.anandtech.co

( Study scientists examined the genes of the starlet sea anemone (Nematostella vectensis) pictured here. Sea anemones are related to corals and jellyfish, and are composed of an outer skin armed with stinging cells (cnidocytes) and a tube shaped gut, with nothing in the middle. Credit: Eric Röttinger )  인간 같은 고등한 포유류의 신체 조직은 큰 손상을 입으면 완전히 재생되지 않고 섬유 조직으로 대체되거나 혹은 아예 사라진 채로 있게 됩니다. 예를 들어 심근 경색으로 심장 근육의 일부가 큰 손상을 받으면 완전히 재생되지 않기 때문에 심장 기능이 떨어진 상태에서 남은 인생을 살아야 하는 것이죠. 만약 손상된 근육을 완전히 재생할 수 있다면 이런 환자를 포함해서 많은 환자들에게 큰 도움이 될 수 있을 것입니다.   과학자들은 아무리 몸이 잘려도 멀쩡하게 재생되는 생물을 연구해서 왜 인간이나 포유류의 신체가 쉽게 재생되지 않는지를 연구해왔습니다. 최근 플로리다 대학의 마크 마틴데일( Mark Martindale )을 비롯한 연구자들은 스타렛 말미잘 ( starlet sea anemone (Nematostella vectensis) )의 근육세포와 유전자를 연구해서 그 단서를 얻었습니다.   말미잘은 매우 하등한 동물이지만, 그럼에도 인간이 가지지 못한 재주를 지니고 있습니다. 이들의 세포는 어떤 형태의 세포로도 분화할 수 있어서 말미잘을 잘라도 다시 재생할 수 있게 도와줍니다. 반면 인간의 경우 장 세포가 심장근육 세포로 변한다든가 하는 일은 생각할 수 없는 일입니다.   연구팀에 의하면 사실 인간의 세포 역시 말미잘처럼 여러 세포로 분화하는데 필요한 유전자를 가지고 있지만,

( This cable-free, Willy Wonka-style concept, can move multiple cars vertically and horizontally in a single shaft using a magnet-based drive system similar to that of Maglev train technology.(Credit: ThyssenKrupp) )  앞서 소개한 바 있는  티센크루프(ThyssenKrupp)의 다방향 엘리베이터인 멀티(Multi)가 좀 더 현실에 가까워졌습니다. 이 신개념 엘리베이터는 케이블 대신 자기부상 열차와 같은 방식으로 여러 방향으로 트랙을 따라 움직일 수 있으며 하나의 트랙에 여러 대의 엘리베이터를 운용할 수 있어 기존보다 적은 수의 엘리베이터로 많은 사람을 수송할 수 있습니다.   이전 포스트 :  http://blog.naver.com/jjy0501/220199172252  티센크루프는 실제로 방향을 전환할 수 있는 트랙을 만들어 테스트를 진행하고 있으며 2019년까지 246m의 테스트 타워 (위의 사진에서 3번째)를 만들어 실용화 단계까지 진행한다는 계획입니다. 원리적으로는 쉽게 이해가 가능하지만, 과연 실제로도 안전하고 효과적으로 작용할지는 충분한 검증이 필요할 것입니다.  (동영상)   테스트 타워에는 12개의 축과 초속 10m로 움직이는 테스트 엘리베이터가 있어 안전성과 기술을 검증하게 됩니다.  멀티가 실용화된다면 기존보다 작은 공간으로 많은 사람을 실어나를 수 있게 되면서 공간 절약이라는 큰 메리트가 있기 때문에 특히 대형 복합 건물에서 유용하게 사용될 수 있을 것 같습니다. 물론 아래 위 뿐 아니라 수평으로 먼 거리를 빠르게 이동할 수 있다는 것도 큰 장점입니다.   과연 이 윌리 웡카 스타일의 엘리베이터가 실용화 되어 우리에게 모습을 드러내는 것이 언제가 될 지 궁금합니다. 

( Raytheon mounted a high energy laser on an Apache helicopter similar to those in this image (Credit: Raytheon) )  대표적인 방산 기업 가운데 하나인 레이시온사가 아파치 헬리콥터에 탑재할 수 있는 공중 레이저 공격 모듈의 테스트를 진행했다는 소식입니다. 이 레이저 모듈의 구체적인 출력에 대해서는 언급이 없지만, 지난 4월 뉴 멕시코주 화이트 샌드 미사일 사격장 ( White Sands Missile Range, New Mexico )에서 발사 테스트가 진행되었으며 1.4km 밖의 표적을 성공적으로 명중시켰다는 소식입니다.  (동영상 )  항공기용 공격 레이저는 이전에 취소된 ABL을 비롯해서 (  http://blog.naver.com/jjy0501/100146789061  참조) 현재 드론을 이용한 무인기 기반 레이저 무기까지 다양하게 개발이 되고 있으나 (   http://blog.naver.com/jjy0501/221034201593  참조) 아직은 널리 사용된다고 보기는 어려운 측면이 있습니다.   아직은 크기가 크고 파괴력이 크지 않아서 항공기용으로 사용하기가 적합하지 않기 때문입니다. 다만 앞으로 기술이 발전함에 따라 전투기나 헬리콥터에 공격 레이저 모듈을 탑재하게 될 가능성은 열려있습니다. 멀리 떨어진 위치에 있는 표적을 신속하고 정밀하게 타격하는데 이상적인 수단이기 때문입니다.   예를 들어 민간인 밀집 지대에서 적이 탑승한 차량이나 혹은 무인기 등을 요격한다면 주변에 피해를 주지 않을 수단이 필요합니다. 30mm 기관포나 헬파이어 미사일은 이 경우 이상적인 수단이 되기 힘듭니다. 레이저는 출력을 조절해서 비살상 무기로 사용할 수 있고 주변에 피해를 거의 미치지 않는다는 점에서 이런 비정규전에 유리한 특징을 가지고 있습니다.   다만 실전배치까지는 앞으로 많은 시간이 필요할 것으

 지구 기온이 상승함에 따라 해수면은 점점 올라가고 있습니다. 그 속도에 대해서는 그 동안 논쟁이 있기는 했지만, 최근 속도가 점점 빨라진다는 보고들이 늘어나고 있습니다. (  http://blog.naver.com/jjy0501/220361084901   참조) 그리고 이제 해수면 상승의 주요 원인 역시 바뀌고 있습니다.   20세기에는 바다 온도 상승에 따른 열팽창과 그린란드를 비롯한 육지 빙하의 소실이 중요한 원인이었습니다. 전자는 바닷물 자체가 팽창하는 것이었다면 후자는 바닷물에 육지에 있던 물이 합쳐져서 물 자체가 늘어가는 것으로 볼 수 있습니다.   아무튼 이로 인해 1993년에는 해바다 2mm 정도 상승하던 해수면이 2014년에는 3mm 까지 속도가 빨라졌는데, 최근 상승을 주도하는 쪽은 육지 빙하의 소실입니다. 최근 Nature Climate Change에 실린 새로운 연구에 의하면 해수면 상승에서 열팽창이 차지하는 비중은 30%선으로 감소했으며 그린란드 빙하의 소실이 차지하는 비중은 20년 사이 5%에서 25%까지 증가한 것으로 나타났습니다.   이와 비슷한 시기에 발표된 유럽 우주국(ESA)의 연구 데이터 역시 그린란드 빙하의 소실이 해수면 상승에서 차지하는 비중이 25%로 증가한 반면 해수의 열팽창은 30% 수준으로 비중이 감소한 것으로 분석했습니다. 하지만 이는 해수의 열팽창이 줄어들어서가 아니라 녹은 빙하가 바다로 더 많이 흘러들었기 때문입니다.  (동영상)   1993년 연간 2.2mm 해수면 상승에서 열팽창이 차지하는 비중이 50% 인 반면 2014년 3.3mm/yr 에서 열팽창이 30% 정도 차지했다는 이야기는 열팽창은 연간 1mm 정도 기여한 반면 녹은 빙하가 기여하는 비중이 두 배 정도 커졌다는 것을 의미합니다. 이 가운데 그린란드 빙하의 소실은 열팽창을 제외한 가장 큰 원인으로 나타났습니다. 문제는 점점 시간이 흐를수록 가속도가 붙고 있다는 것이죠. 

( A diagram of the BADGER system(Credit: BADGER Project) )  만화에서나 등장할 법한 땅굴 로봇을 이용해서 복잡하고 비용이 많이 드는 작업인 상하수도관 및 전력/통신선 설치 작업을 더 수월하게 만드는 연구가 진행중이라고 합니다. 오늘날 땅 속은 온갖 가스관, 상하수도관, 통신 및 전력선이 엉켜있을 뿐 아니라 지하철까지 다니는 복잡한 공간입니다. 하지만 편리한 도시 생활을 위해서는 다른 대안이 없는 것도 사실이죠.   그렇다보니 새로운 관이나 케이블을 놓거나 혹은 수리하기 위해서는 다시 흙을 퍼내고 공사를 해야 한다는 문제점이 있습니다. 여러 가지 대안적인 방법이 개발되었지만, 결국은 우리가 흔히 보듯이 도로를 파헤치고 공사를 할 수 밖에 없습니다.   스페인, 영국, 독일, 그리스, 이탈리아의 다국적 유럽 연구팀은  BADGER (roBot for Autonomous unDerGround trenchless opERations, mapping and navigation) 프로젝트라는 독특한 대안을 연구하고 있습니다. 현재는 실물이 없지만, 앞으로 3년간 연구를 통해서 이들이 목표로 하는 것은 지렁이처럼 생긴 땅굴 로봇을 이용해서 매우 간편하게 지중 케이블이나 튜브를 설치하는 것입니다.   사실 땅굴 파는 기계는 현재도 널리 사용되고 있습니다. 터널을 뚫을 때 사용되는 터널 보링 머신 (tunnel boring machine, TBM)이 그것입니다. 엄청난 크기의 터널 보링 머신이 터널 건설에 널리 활용되고 있습니다.   이전 포스트 :  http://blog.naver.com/jjy0501/220996634888  배저의 목표는 작은 터널을 자율적으로 뚫는 것이라는 점에서 터널 보링 머신과는 차이가 있습니다. 뒤에 생기는 터널은 3D 프린터를 이용해서 목적에 맞게 재단할 수 있으며 로봇 자체도 일부는 3D 프린터로 제작해서 목적에 맞게 다양

 소아 비만은 성인 비만의 중요한 원인입니다. 한 번 살이 찌면 빼기가 매우 어렵기 때문입니다. 물론 그것이 불가능한 것은 아니지만, 소아 청소년 시기에 비만이 되서 성인까지 이어지는 만성 비만이 되면 정상 체중으로 돌아갈 가능성은 그만큼 적어진다고 할 수 있을 것입니다. 따라서 소아 청소년기에 비만이 되지 않도록 관리를 잘하는 것이 중요합니다. 비만이 당뇨, 고혈압, 대사 증후군은 물론 그에 따르는 다양한 합병증과 암 같은 다른 질환의 위험을 높이기 때문입니다.  그런데 2017년 미 당뇨협회 세션(American Diabetes Association (ADA) 2017 Scientific Sessions)에서 흥미로운 내용이 발표되었습니다. 어린 시절 비만이더라도 살을 빼면 성인이 되서 당뇨 위험도가 크게 줄어든다는 내용입니다.  개인적인 경험에서 제 책인 과학으로 먹는 3대 영양소에서 소아 시절 중요한 것이 비만이 되지 않도록 식습관 조절하고 교육하는 것이 중요하다고 언급했는데, 거기에서 더 나아가서 이미 비만 아동이 되었다면 살을 빼도록 노력하는 것이 중요하다는 내용입니다.   덴마크에서 진행된 대규모 코호트 연구에서 연구팀은 1939년에서 1959년 사이 코펜하겐 학교 건강 연구 등록(Copenhagen School Health Records Register)에 등록된 62,565명의 참가자의 당뇨 발생 정도를 추적했습니다. 참가자들은 7세 때 체중과 키가 측정되었으며 모두 남성이었습니다. 이들은 평균 18세에 다시 측정을 했고 이후 덴마크 보건 당국에 등록되어 평생에 걸쳐 2형 당뇨 발생율이 추적되었습니다.  과체중은 7세 때 BMI 17.38 kg/m^2로 비만은 18세에 25 kg/m^2로 정의했는데, 각각 전체 인구의 5.4%와 8.2%에 해당하는 숫자였습니다. 평균 31.5년에 걸친 추적 기간 동안 6710명의 당뇨 환자가 확인되었는데 흥미로운 것은 7세 때는 과체중이었던 사람도 18세에 정상 체중으로 돌아오면 당뇨

( An artist's rendering of the AI supercomputing system that IBM Research will develop for the U.S. Air Force Research Lab. The system uses the IBM TrueNorth Neuromorphic System modeled after the human brain for high levels of processing at the lowest levels of power consumption. Credit: IBM Research )  IBM과 미 공군 연구소 ( Air Force Research Lab )이 IBM이 개발한 트루노스 신경시냅틱 시스템 ( TrueNorth Neurosynaptic System )에 기반한 인공 지능 슈퍼컴퓨터를 연구하기로 결정했다는 소식입니다. 이 인공지능 컴퓨터는 기존의 컴퓨터를 이용해서 지능을 모방하는 형태의 기계 학습 방식이 아니라 프로세서 자체가 신경세포와 시냅스를 인공적으로 구현한 방식입니다.   이전 포스트 :  http://blog.naver.com/jjy0501/220085626742  앞서 포스트에서 설명했듯이 이 연구는  DARPA 의 SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics) 프로그램에서 지원을 받은 인공 지능 연구입니다. 따라서 미 공군이 여기에 관심을 보인다는 것은 사실 새로울 것이 없는 일입니다. 초기 인공 지능 연구는 군사적인 목적이 강했는데, 예를 들어 표적을 인지하고 자율적으로 공격하는 스마트 무기 개발 등이 그것입니다.   동시에 정찰 위성과 드론이 보내온 영상 자료를 스스로 판독하고 표적을 식별하는 과정 역시 인공 지능이 필요한 분야 중 하나입니다. 자율 비행 드론이나 자율 항해 수중 드론, 그리고 로봇 등 군사적 목적의 인공 지능의 쓰임새는

( Taking only 21,000 of the Curiosity mission’s total 3.8 million lines of code, AEGIS accurately selected desired targets over 2.5 kilometers of unexplored Martian terrain 93% of the time, compared to the 24% expected without the software. In this case, the desired target was outcrop, a type of Martian rock that’s ideal for analyzing the red planet’s geological history. Credit: Carla Schaffer / AAAS ) ( (A) The ChemCam gaze. (B) ChemCam shoots lasers at rocks to analyze their content, leaving visible marks both on the surface (upper right) and inside the 16-mm-diameter drill hole (center) of this “Windjana” drill site. (C) ChemCam-measured soil targets. (D) The Remote Micro-Imager on ChemCam shoots high-focus photos of distant targets, such as this area in the Peace Vallis alluvial fan, approximately 25 km away. Credit: Francis et al., Sci. Robot. 2, eaan4582 (2017) ) ( Examples of AEGIS target selection, collected from Martian day 1400 to 1660. Targets outl

 요즘은 컴퓨터의 메모리가 증가해서 메모리를 일일이 관리해줄 필요가 없는 경우가 대부분이지만, 가끔씩 R에서 메모리를 관리할 경우가 생깁니다. 앞서 소개드린것처럼 R은 모든 데이터를 메모리에 상주시키는데, 이런 저런 작업을 하다보면 메모리에서 차지하는 용량이 너무 커지거나 혹은 데이터가 지저분하게 쌓이는 문제가 발생할 수 있습니다.   R에서 메모리의 사이즈 확인과 지우기는 매우 단순합니다. 일단 1에서  10000000, 1에서 20000000인 데이터를 생성한 후 메모리에서 차지하는 용량을 확인해 보겠습니다.  > a<-c span=""> > b<-c span=""> > memory.size() [1] 221.43  메모리 사이즈가 221.43MB로 확인됩니다. 그런데 정확히 말하면 이는 R이 전체 메모리에서 차지하는 비중으로 각각의 메모리 용량은 아닙니다. 각각의 메모리 용량을 확인하는 방법은 그냥 R 스튜디오에서 Environment 탭에서 확인할 수 있습니다.   글자가 좀 작지만 (클릭하면 커집니다) 각각 38.1Mb와 76.3Mb 인 것을 알 수 있습니다. 지우는 건 더 간단합니다. Environment 창에서 빗자루 아이콘을 클릭하면 지워집니다.   아니면 rm(list=ls())라는 명령어로 지울 수 있습니다.   현재 R에서 사용할 수 있는 메모리는 memory.limit()로 확인이 가능합니다.  > memory.limit() [1] 16351  제가 쓰는 컴퓨터는 메모리가 16GB 이므로 메모리가 16GB로 표시됩니다. 물론 이는 64비트 버전 R을 사용하고 있기 때문입니다. 32비트 버전은 2GB 정도 나올 것입니다.   마지막으로 가상 메모리를 더 잡아서 메모리 사이즈를 약간 더 늘려보겠습니다. 이 방법은 메모리 용량이 부족할 때 사용할