문장 스크랩

---

복사

---

공유

1. 삼성전자를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오. 700자 이내 (영문작성 시 1400자) 삼성전자는 여러 지표에서 국내 1위를 넘어 세계에서 순위를 다투는 기업으로, 해당 위치를 지키고 더 높은 곳을 향하기 위해서는 혁신적인 시도가 필요합니다. 특히, 생산기술연구소는 가장 앞에서 실험적이고 도전적인 일들을 합니다. 생산기술연구소에서 본사가 걸어갈 발자취들을 함께 걸으며, 트렌드를 선도할 기술들을 같이 연구해 보고 싶어 지원하였습니다. [소프트웨어에 능숙한 CAE 전문가] 현재 컴퓨팅 자원의 성능이 향상되며, 여러 업무가 자동화, 효율화되고 있습니다. 이 상황에서 생산기술연구소도 마찬가지로 최적 설계나 수치 해석 기반의 Computing Aided Engineering(CAE) 업무들을 심층 신경망과 같은 인공지능으로 대체하려고 시도하는 것은 필수적이라 생각합니다. 일차적으로는 기존의 업무에 빠르게 적응할 것이며, 이 과정에서 학부 연구생을 통해 얻은 다양한 분야의 연구 경험이 새로운 지식과 방법들을 익히는 데에 큰 도움이 될 것입니다. 업무에 적응하며 하드웨어적 역량을 키워 나간 후, 최적 설계 혹은 CAE에 인공지능을 도입하는 연구에 참여하고 싶습니다. 특히, 최적 설계의 경우 역문제의 확장이기 때문에 인공지능을 도입할 여지가 많다고 생각합니다. 점차 두 역량을 키워나가 소프트웨어에 능숙한 하드웨어 전문가가 되는 것이 목표이며, 달성해 나가며 전공 외의 다양한 분야에도 지식을 확장하고 싶습니다. 2. 본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (※작품 속 가상인물도 가능) 1500자 이내 (영문작성 시 3000자) [이왕 할 거 제대로] 20살 때까지의 저는 친구들과 술 마시고 노는 것을 좋아하는, 적당히 타협하며 살던 사람이었습니다. 누구에게나 찾아오는 군 복무는 저에게 큰 변화를 가져다주었습니다. 특유의 끈기 있고, 책임감 있는 성격은 주어진 일들을 신뢰감 있게 처리하였고, 점차 선후임과 간부들에게 인정받기 시작했습니다. 처음으로 능력적 부분에서 남들에게 인정받게 되자 큰 만족감이 따라왔습니다. 이와 동시에 계속 20살 때처럼 살면, 몇십 년 뒤에 친구들을 떳떳하게 만날 수 있을까 하는 생각이 들었고, 한 번 사는 인생 남들에게 인정받으며, 열심히 살아보자 하는 생각을 가졌습니다. 이러한 가치관은 복학 후 저에게 큰 변화를 가져다주었습니다. 모든 과목 A+이라는 성적을 받고, 학과에서 공부 잘하는 사람 얘기를 하면 제가 빠지지 않게 되었습니다. 제 생각보다도 남들의 인정은 저에게 큰 원동력이 되어주었습니다. 이를 바탕으로 취직 후 끊임없는 노력을 통해 더 높은 자아실현을 할 수 있는 분야에 몸을 담고 싶었습니다. 자연스럽게 사람에 따라 실력이 천차만별이며, 타당성 있는 해석을 위해 다양한 분야의 충분한 배경지식을 요구하는 CAE에 관심을 가지게 되었습니다. [학부 연구생의 시작 : 원동력의 발견] CATIA, Adams 등을 독학하였지만, 실질적인 경험을 해보고 싶은 욕구가 커졌습니다. 따라서 인공지능과 해석을 중점적으로 하는 연구실에서 학부 연구생을 하였습니다. 20개월간 다양한 해석 및 인공지능 연구를 담당하였고, 이는 제 대학 생활 중 두 번째 전환점이 되었습니다. 기계공학과 관련 있는 생분해성 섬유의 거동 해석 같은 연구도 있었지만, 무선 전력 전송의 전자기장 해석, 물리적 정보를 기반으로 한 편미분 방정식 인공지능 솔버 연구 등 새로운 분야의 연구가 많았습니다. 특히 코딩에 무지하였기 때문에, 인공지능 연구를 위해서는 많은 공부가 필요하였습니다. 하지만 내 연구라는 책임감과 교수님과 동료들의 인정을 받기 위해 지속해서 노력하였습니다. 어느샌가 연구실 내에서 “역시 xxx”이라는 소리를 듣게 됨과 동시에 학회에 구두 발표를 할 수 있는 경험을 가지게 되었습니다. 학부생인 제가 여러 대학원생과 해당 분야에 빠삭한 교수님들을 상대로 발표한다는 것이 큰 부담이었으나, 제가 준비해왔던 것들을 이론부터 다시 검토하고, 결과물을 정리하였습니다. 하지만 책임감과 교수님이 해주신 인정을 원동력으로써 꼼꼼히 준비하였고, 발표장의 자리를 초과하여 서서 듣는 분들이 있을 정도로 인원이 많았지만, 여러 질문에도 잘 대답하며, 마무리를 지을 수 있었습니다. 그 밖에도 여러 성과가 따라왔으며, 해석적 역량과 소프트웨어적 역량을 기를 수 있었습니다. 이는 남들의 인정은 저에게 큰 원동력이 될 수 있음을 느끼게 해주었습니다. 생산 기술 연구소는 저에게 지속해서 트렌드 파악을 위한 여러 기술의 습득과 응용하기 위한 능력을 요구할 것입니다. 팀원들의 인정을 받기 위해 부단하게 노력할 것이며, 새로운 부품의 품질 및 CAE의 타당성을 확보하도록 힘쓰겠습니다. 3. 최근 사회 이슈 중 중요하다고 생각되는 한 가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다. 1000자 이내 (영문작성 시 2000자) [인공지능의 발전 : 기계공학도의 대처] 최근 ChatGPT와 같은 생성형 인공지능의 발전으로 인해 인공지능이 사람들의 일자리를 대체할 수 있을지가 큰 화두로 떠오르고 있습니다. 인공 신경망의 개념을 고안한 힌턴 교수도 특정 분야에서는 인공지능이 인간의 두뇌를 능가했다고 평가하고, 이러한 차이가 더욱 벌어질까 봐 무섭다고 하며, 10년간 몸담았던 구글을 퇴사하였습니다. 예술 분야에서는 콜로라도 주립 박람회 미술대회에서 생성형 인공지능이 출력한 그림이 1등을 하였고, 많은 사람이 인공지능의 성능을 체감하고 있습니다. 마찬가지로 설계 측면에서도 기존 도면을 학습시켜 목표 성능을 입력하면 그에 맞는 형상 특성에 대한 도면을 출력하는 인공지능에 대한 연구가 진행 중입니다. 이 연구가 성공적으로 종료된다면, 많은 설계직의 일자리가 위협받을 것입니다. 하지만 저는 조금 다른 관점으로 지금이 전환점이라고 생각합니다. 인공지능이 발전하고 있는 지금, 회사는 효율 향상을 위해 인공지능과 같은 코딩을 업무에 적절하게 녹여내야 합니다. 작게는 Python Macro 파일을 통한 Abaqus의 해석 자동화, 크게는 데이터 기반의 기계 학습을 통한 목표 성능 최적화가 이러한 일들에 해당할 것입니다. 이런 일들은 기존의 하드웨어적 지식을 더불어 추가로 소프트웨어적 지식을 갖춰야 가능한 일입니다. 그 때문에 하드웨어 전문가들이 소프트웨어를 다룰 수 있게 된다면, 인공지능에 입지를 위협받는 것이 아닌 오히려 굳건하게 지킬 수 있을 것입니다. 앞으로는 소프트웨어를 다룰 줄 아는지가 중요하게 작용할 것이며, 저 또한 이것이 가능한 인재가 되고자 하였습니다. 인공지능의 공부를 함과 동시에 폴리머의 거동 및 접착력을 해석하는 연구에서 Python 스크립트를 통해 실험 표면 거칠기 데이터를 불러와 모델링 및 해석을 자동화시켜 Abaqus 해석 효율을 향상한 경험이 있습니다. 이를 바탕으로 생산기술연구소가 하드웨어와 소프트웨어가 융합된 연구를 할 때 보탬이 되고자 노력하겠습니다. 4. 지원 직무 관련 프로젝트/과제 중 기술적으로 가장 어려웠던 과제와 해결방안에 대해 구체적으로 서술하여 주시기 바랍니다. (과제 개요, 어려웠던 점, 해결방법, 결과 포함) 1000자 이내 (영문작성 시 2000자) [새로운 이론 응용을 통한 오차율 감소] 역문제는 최적 설계 관점에서 매개변수 최적화, 설계 과정의 효율성 증가와 같은 이유로 인해 중요합니다. 따라서 수치 해석 방법을 기반으로 한 심층 신경망을 사용하여 역문제를 해석하여, 본 신경망의 역문제에 대한 확장성을 제시하는 연구를 진행하였습니다. 연산자 학습의 특성을 가지고 있었기에, 천 개의 솔루션에 대한 각각의 미지의 외부 힘이나 계수를 한꺼번에 예측하는 것이 목표였습니다. 하지만 진행 도중 외부 힘에 대한 경곗값이 내부의 점들의 값과는 다르게 예측이 되지 않는 이슈가 발생하였습니다. 해당 이슈의 원인을 파악하기 위해 방법론으로 사용되었던 수치해석론에 관한 원서를 빌려 이론에 대해 심층적으로 공부를 하였습니다. 이를 통해 방법론 자체가 순방향 문제에 특화되었던 이론이며, 각 예측값의 경계 조건이 모두 동일한 순방향 문제와는 달리 역문제에서는 각 외부 힘의 경계 조건이 구속되어 있지 않아 발생한 문제임이 밝혀졌습니다. 문제 해결을 위해서는 기존의 수치 해석 방법론 자체를 확장하여야 하였고, 이를 위해 신경망의 출력값을 출력하는 과정에서 새로운 기저 함수 이론을 적용하였습니다. 손실 함수를 정의하는 과정에서 계산되는 다항식을 바탕으로, 해당 다항식을 기저 함수로도 다시 사용하였습니다. 여러 차수를 가진 함수들을 통해 다양한 경곗값을 표현하고자 하였고, 이전 계산 변수를 다시 활용함으로써 코드 훈련 시간의 증가를 막으려 하였습니다. 해당 방향으로 수정을 거치고 난 뒤, 실제값의 2~3배의 오차를 가지던 경계 부분의 예측값이 0.001~0.0001% 정도의 오차율로 성능이 향상되었습니다. 또한 방법론의 확장이 있었음에도 코드 구동 시간 측면에서도 큰 차이가 없는 결과를 내었습니다. 해당 연구를 진행하며, 기반이 되는 이론을 이해하는 것이 중요함과 동시에 각각의 이론들을 독립적으로 생각하는 것이 아닌, 문제 해결을 위해 유기적으로 응용할 줄 아는 것이 중요한 것을 느꼈습니다.