▶ STEAM+클럽
과학, 수학, 환경, 정보 등의 영역 기반으로 주제에 따라 여러 교과 요소를 융합하여 실생활 문제를 해결하는 학생 주도 과제 연구 모임
운영 방향
- 삶과 연계한 실생활 맥락 속 융합교육(STEAM) 경험 확대를 통해 학생의 창의성, 문제해결력 제고 및 과학기술 관련 분야의 관심·흥미도 제고
- 미래 과학기술 핵심 분야와 지역 특성을 반영한 주제 선정을 통해 STEAM 클럽 운영을 위한 커리큘럼, 학습자료 등을 지원하여 학교의 융합교육(STEAM) 활성화 도모
운영 내용
DNA(생명화학융합)
- 활동 주제 및 관련 영역
DNA(생명화학융합) 활동 주제 및 관련 영역 활동주제 DeepMind AI를 활용한 이온 채널의 구조 예측, 조절 분석 및 활용방안 연구 관련영역 미래 과학기술 핵심 분야(12개) 관련 영역 ◆ 12대 국가 전략기술
□반도체·디스플레이 □이차전지 □첨단 이동수단 □차세대 원자력 ☑첨단 바이오
□우주항공·해양 □수소 □사이버보안 ☑인공지능 □차세대 통신 □첨단로봇·제조□양자기술☑과학 □수학
□환경 □정보 - 월별 활동계획
DNA(생명화학융합) 월별 활동계획 구분 활동 주요 내용 3월 동아리 구성, 오리엔테이션, 탐구방법 및 보고서 작성법 4월 AI 환경 구축 및 툴 숙달-AlphaFold, Boltz-1 사용법 익히기 5월 동아리 반일제 – 지역대학 탐방 지역사회 연계 전문가 자문 (전문가 매칭)-대구 지역 인프라 활용 6월 구조 예측 시뮬레이션-AI를 활용한 3차원 구조 예측 및 모델링 수행 7월 데이터 분석 및 검증-예측 모델의 신뢰도 지표 분석 및 기존 PDB 데이터 비교 8월 동아리 전일제 – 지역대학 탐방 지역사회 연계 전문가 자문 (코칭 및 피드백)-대구 지역 인프라 활용 9~10월 활용 방안 연구-진로 연계 개별 심화 탐구 11월 결과 보고서 작성-탐구 결과 정리 및 자체 발표회 개최 12월 동아리 학술제 참여, 동아리 체험 부스를 통한 지식 공유
융합공학반
- 활동 주제 및 관련 영역
DNA(생명화학융합) 활동 주제 및 관련 영역 활동주제 AI 시스템에서 CPU, NPU 협력 연산 구조와 스케줄링 알고리즘 연구 관련영역 미래 과학기술 핵심 분야(12개) 관련 영역 ◆ 12대 국가 전략기술
☑반도체·디스플레이 □이차전지 □첨단 이동수단 □차세대 원자력 □첨단 바이오
□우주항공·해양 □수소 □사이버보안 □인공지능 □차세대 통신 □첨단로봇·제조 □양자기술☑과학 □수학
□환경 □정보 - 월별 활동계획
DNA(생명화학융합) 월별 활동계획 구분 활동 주요 내용 3~4월 ▸ 반도체 및 연산 구조 기초 이해 (이론학습)
- CPU와 NPU의 처리 방식 차이를 학습한다. CPU의 직렬 처리 및 제어 중심 구조와 NPU의 병렬 처리 및 MAC 연산(곱셈-누산 연산) 중심 구조의 원리를 이해하고, 각 프로세서가 이미지 인식 및 추론 과정에서 수행하는 역할을 조사한다. 이론 학습을 통해 AI 연산 구조의 전체 흐름을 파악하고 보고서를 작성한다. 학습 목표는 NPU가 대규모 데이터 처리에서 CPU 대비 높은 성능을 보이는 원리를 이해하고, CPU와 NPU 단일 구조의 한계 및 장점을 분석하는 것이다.5~6월 ▸ CPU, NPU 연산 성능 비교 기초 실험 진행
- Raspberry Pi에 운영체제를 설치하고 개발 환경을 구성한 후 NPU 가속기를 연결하여 이미지 분류 모델을 통해 시스템 안정성을 검증한다. 카메라 모듈을 연결하여 실시간 데이터 입력 환경을 구축하고, CPU와 NPU의 단독 연산 성능을 각각 측정한다. FPS(초당 처리 프레임), CPU 사용률 등의 지표를 반복 측정하여 평균값을 산출하고 실험 신뢰도를 확보한다. USB 전력 측정기를 활용하여 연산 과정의 전력 소비를 측정하고 에너지 효율성을 비교 분석한다. 실험을 통해 이론 학습 내용을 검증하고 반도체 칩 단일 연산의 실질적 한계를 확인한다.7~8월 ▸ CPU-NPU 협력 구조 설계 및 구현
- CPU와 NPU가 협력하여 연산을 수행하는 구조를 설계한다. AI 연산 과정을 전처리, 추론, 후처리 단계로 구분하고 각 단계에서 최적의 프로세서를 분석한다. 이를 기반으로 CPU와 NPU의 역할을 분담하는 협력 구조를 설계한다(예: 전처리-CPU, 추론-NPU, 후처리-CPU). 학생별로 다양한 협력 구조를 설계하고 성능을 비교 분석하여 각 구조의 장단점을 도출한다. 실험 결과는 표와 그래프로 체계적으로 정리한다.9~10월 ▸ 스케줄링 알고리즘 설계 및 최적화
- CPU와 NPU의 협력 구조를 기반으로 연산을 효율적으로 분배하기 위한 스케줄링 알고리즘을 설계하고 최적화한다. 데이터의 특성(크기, 복잡도 등)에 따라 CPU 또는 NPU에 연산을 할당하는 기준을 수립하고, 이를 알고리즘으로 구현한다. 다양한 조건(이미지 크기 변화, 임계값 조정 등)에서 알고리즘을 실행하여 처리 속도와 전력 효율을 측정하고 최적의 분배 기준을 도출한다. 미래 데이터 폭증 시대를 대비한 효율적인 데이터 처리 전략을 탐구하고, 성능과 효율을 동시에 고려한 최적의 스케줄링 알고리즘을 완성한다.11~12월 ▸ 성과 정리
- 전체 연구 결과를 종합하여 학술 포스터로 작성한다. 연구 과정 및 성과를 체계적으로 정리하여 발표 자료를 준비한다.
최근 업데이트 일시 : 2026/05/07 14:43:58
퀵메뉴영역 열기
승인 대기 회원은