고든의 블로그 구글 분점

(출처: 삼성전자)  삼성전자가 960의 후속 모델인 970을 출시했습니다. 970EVO의 정식 리뷰도 올라왔는데 결론만 이야기하면 획기적인 성능 향상이나 가격 인하는 없는 후속 모델이라는 것입니다. 물론 현재 SSD 시장의 상황을 보면 가격을 크게 인하해야 할 이유가 있는 건 아니기 때문에 어느 정도 예상할 수 있는 결과입니다.   리뷰:  https://www.anandtech.com/show/12670/the-samsung-970-evo-ssd-review https://www.tomshardware.com/reviews/samsung-970-evo-ssd-review,5573.html  970EVO는 64-layer 256Gb 3D TLC를 사용한 PCIe 3 x4NVMe 1.3 M.2 SSD로 최상위 모델인 2TB 제품은 64L 512Gb 3D TLC를 사용합니다. 메모리는 LPDDR4를 사용하는데 512MB에서 2GB라는 상당히 고용량 메모리를 탑재해 빠른 전송 속도를 뒷받침할 수 있습니다. 컨트롤러는 자체 개발한 피닉스입니다.  (스펙 비교. 출처: 아난드텍)  970 EVO 및 고급형인 PRO 모두 속도나 내구성 모두에서 만족할만한 퍼포먼스를 보여주지만 역시 아쉬운 부분은 가격일 것입니다. 성능은 여기서 더 빨라진다고 해도 매우 큰 데이터를 다루지 않는 이상 일반 사용자는 체감하기 어려운 수준입니다. 따라서 대다수 사용자들은 가격 인하를 기대했지만 시장 여건이 따라주지 않는 것 같습니다.   아무튼 기술이 발전하면 가격은 떨어질게 분명하기 때문에 고성능 NVMe SSD 역시 점차 대중화 될 것으로 기대합니다. 개인적으로 다음 SSD는 이 물건으로 생각해서 그런지 조금만 더 저렴해졌으면 좋겠네요. 500GB 제품 출시 초기가가 960 EVO와 크게 차이는 나지 않을 것으로 보입니다...

( This movie shows the progression of NASA's Near-Earth Object Wide-field Survey Explorer (NEOWISE) investigation for the mission's first four years following its restart in December 2013. Green dots represent near-Earth objects. Gray dots represent all other asteroids which are mainly in the main asteroid belt between Mars and Jupiter. Yellow squares represent comets. Image Credit: NASA/JPL-Caltech/PSI  )  나사의 Near-Earth Object Wide-Field Infrared Survey Explorer (NEOWISE) 임무에서 얻어진 250만 장 이상의 적외선 관측 데이터를 포함 1030만장의 이미지가 공개 되었습니다. NEOWISE 는 본래 2009년 발사된 WISE 임무의 후속 임무로 2011년 냉각제 고갈로 본래 임무가 종료된 우주선에 새로운 임무를 부과했기 때문에 이런 이름이 붙었습니다.   NEOWISE의 임무는 이름처럼 적외선 영역에서 태양계의 소행성과 혜성을 관측하는 것입니다. 이런 천체들은 가시광 영역보다 적외선 영역에서 관측이 쉽기 때문에 NEOWISE에 적합한 목표입니다. 임무는 2013년부터 2017년까지 4년간 진행되었으며 이제 그 데이터가 일반에게 공개된 것입니다.   나사는 29,375개의 소행성 및 혜성의 이미지를 확인했으며 이 가운데 10개 정도의 잠재적 위험 소행성  potentially hazardous asteroids (PHAs)을 포착했습니다. 당장에는 지구에 큰 위협이 되지는 않겠지만, 지속...

(인텔 에디슨 x86 플랫폼. 출처: 인텔)    인텔이 웨어러블 및 초저전력 기기를 위한 SoC를 개발하는 New Devices Group(NDG)을 폐쇄하기로 결정했다고 밝혔습니다. 최근 소식이 없었기 때문에 어느 정도 예측할 수 있던 결과이지만, 영구적인 철수인지 아니면 사업부를 개편해서 나중에라도 다시 도전할지는 아직 밝혀지지 않았습니다. 개인적인 예측으로는 일단 현재 수익을 만들어 낼 수 없는 NDG을 일단 정리하고 후일을 도모할 것으로 생각합니다.   참고로 이 부서는 앞서 소개한 바 있는 에디슨, 줄 등 초소형 x86 플랫폼을 만드는 곳입니다. 우표만한 크기의 시스템으로 스마트 시계 같은 웨어러블 기기와 소형 드론 등 여러 시스템에 들어갈 x86 기반 시스템을 만드는 부서입니다.   이전 포스트:  https://blog.naver.com/jjy0501/220790339469                  https://blog.naver.com/jjy0501/220120242153  인텔이 PC를 넘어 웨어러블 시장을 향해 야심차게 도전한 점은 좋았지만, 문제는 이 시장이 그렇게 성숙되지 않았다는 것입니다. 웨어러블의 대표주자인 스마트 시계 시장에서 가장 큰 비중을 차지한 것은 애플이었는데, ARM 기반의 자체 프로세서를 사용했습니다. 그리고 삼성 등 다른 업체 역시 인텔의 SoC를 채택하지 않았는데, 비용 등 여러 문제를 생각하면 당연한 결론이었습니다.   여기에 당초 예상과는 달리 웨어러블 시장 자체가 그렇게 크게 성장하지 않아서 인텔이 노릴 만한 틈새 시장도 별로 없었습니다. 결국 에디슨이든 줄이든 실제로 채택한 회사가 별로 없었고 자연스럽게 해당 부서도 닫게된 셈입니다.  ...

( The Earth BioGenome Project aims to sequence all eukaryotic species. This superkingdom of life includes all organisms except bacteria and archaea. Credit: Mirhee Lee )  지구상의 모든 생물의 DNA 정보를 밝히고 이를 과학자들이 모두 자유롭게 활용할 수 있게 오픈하는 프로젝트가 추진 중입니다.  Earth BioGenome Project는 150만종에 달하는 진핵 생물 - 이미 밝혀진 인간은 물론 곤충, 단세포 동물, 식물 등 - 의 유전정보 데이터 뱅크를 만드는 계획입니다. 이는 아마도 지구 전체의 진핵생물 1000-1500만 종 (물론 대부분은 작은 다세포 동물이나 단세포 동물)의 10%로 사실상 알려진 모든 진핵생물을 다 포함하는 거대한 데이터가 될 것입니다. 프로젝트 추정 비용은 470억 달러입니다.   이 프로젝트를 추진하는 24명의 전문가 그룹은 저널 PNAS (Proceedings of the National Academy of Sciences)에 프로젝트에 대한 상세한 내용을 발표했습니다.   이런 프로젝트가 가능하게 된 것은 DNA 시퀀싱 기술의 발전으로 인해 전체 유전자를 해독하는 비용이 크게 낮아졌기 때문입니다. 연구팀은 하나의 진핵생물종의 유전자를 해독하는 비용이 3만 달러 정도 될 것으로 예상하고 있습니다. 전체 데이터 크기는 엑사바이트 혹은 10억 기가바이트 급이 될 것으로 예상했습니다. 당연히 이런 대규모 프로젝는 1-2 국가나 단체가 주도하기 어렵습니다.   연구팀은 이미 진행 중인 다양한 대규모 유전자 데이터 베이스 프로젝트 - Vertebrate Genomes Project, the Global Invertebrate Genome Alliance, the 10,0...

( A 'deep learning' algorithm trained on images from cosmological simulations is surprisingly successful at classifying real galaxies in Hubble images. Top row: High-resolution images from a computer simulation of a young galaxy going through three phases of evolution (before, during, and after the "blue nugget" phase). Middle row: The same images from the computer simulation of a young galaxy in three phases of evolution as it would appear if observed by the Hubble Space Telescope. Bottom row: Hubble Space Telescope images of distant young galaxies classified by a deep learning algorithm trained to recognize the three phases of galaxy evolution. The width of each image is approximately 100,000 light years. Credit: Image credits for top two rows: Greg Snyder, Space Telescope Science Institute, and Marc Huertas-Company, Paris Observatory. For bottom row: The HST images are from the Cosmic Assembly Near-infrared Deep Extragalactic Legacy Survey (CANDELS). ) ...

( ULEMCo's modified Volvo truck burns hydrogen instead of gasoline for a zero-emission combustion powertrain(Credit: ULEMCo) )  영국의 ULEMCo라는 제조사에서 수소를 연료로 사용하는 내연 기관 트럭을 선보였습니다. Volvo FH16를 베이스로 개조된 이 프로토타입 수소 연소 엔진 (hydrogen combustion engine)은 300마력 이상의 출력과 300km의 주행이 가능하다고 합니다. 수소는 고압 탱크에 저장하는 형식으로 보입니다.   사실 수소를 연료로 사용하는 가솔린 혹은 디젤 엔진은 그렇게 낯선 존재는 아닙니다. 수소 연료 차량은 LNG 혹은 LPG 차량과 근본적으로 다를 게 없습니다. 차이점은 수소가 천연가스에 비해 액화시키기 어렵고 끓는점이 낮아 다루기가 좀더 어렵다는 점입니다.   수소 내연 기관 트럭이 특이하게 보이는 이유는 아마도 수소 연료 전지 기술이 더 주목받고 있기 때문입니다. 수소 연료 전지는 움직이는 부분없이 수소와 산소를 직접 물로 바꾸면서 전기를 생산합니다. 따라서 에너지 전환 효율이 30%를 넘기 어려운 내연 기관에 비해 월등히 높은 효율을 자랑합니다.   그러나 연료 전지에도 몇 가지 상용화를 막는 단점이 있습니다. 비용이 기존의 내연 기관 대비 비싼데다 대개 수명도 비교적 짧아는 것입니다. 따라서 과거에도 BMW를 비롯한 제조사에서 수소 연소 엔진 자동차를 시판한 적이 있었습니다. 내연 기관의 연료 효율성은 연료 전지 대비 절반 수준이지만, 기존의 내연 기관을 그대로 사용할 수 있는 것은 물론 하나의 차로 화석연료와 수소 모두 연료로 사용할 수 있는 장점이 있기 때문입니다. 수소 충전소가 매우 드문 현실에서 이는 큰 장점입니다.    참고: BMW Hyd...

 잔차도의 모습은 표본의 숫자와 더불어 분포에 큰 영향을 받습니다. 정규 분포를 만족시키는 표본과 잔차라도 마찬가지입니다. 여기서는 시뮬레이션을 통해서 이를 확인해 보겠습니다. 선형 회귀 분석은 잔차를 통해서 모델을 평가한다고 하는데, 이를 뒤집어 말하면 잔차를 얼마나 잘 이해하고 있는지가 모델을 잘 평가하는 능력이기도 합니다.   일단 표본의 숫자를 30, 300, 3000, 30000개로 변화시키면서 잔차도의 차이를 보겠습니다.  #sample size set.seed(1234) x set.seed(4567) b y=3*x+b model=lm(y~x) par(mfrow=c(2,2)) plot(model) set.seed(1234) x set.seed(4567) b y=3*x+b model=lm(y~x) par(mfrow=c(2,2)) plot(model) set.seed(1234) x set.seed(4567) b y=3*x+b model=lm(y~x) par(mfrow=c(2,2)) plot(model) set.seed(1234) x set.seed(4567) b y=3*x+b model=lm(y~x) par(mfrow=c(2,2)) plot(model)  샘플 수가 증가하면 정규 분포에 따르는 경우 중심부로 잔차가 모이는 현상이 일어나게 됩니다. 사실 표본 수가 1만개를 넘어가면 기본 잔차도로는 평가가 어려운 경우가 생깁니다. 정규 분포에서 벗어나는 일부 때문에 대부분의 데이터가 정규 분포를 따르는 데 잔차도가 크게 벗어나 보이기도 합니다. 이 경우 앞서 이야기했던 residplot 그래프가 더 도움이 될 수 있습니다. 이 이야기는 나중에 하기로 하고 일단 표본의 분포가 잔차도에 미치는 영향을 알아보겠습니다. 만약...