뉴스
"비약"(으)로 총 172건 검색되었습니다.
- 코딩 교육에 대해 학부모가 오해하기 쉬운 3가지동아사이언스 2016.10.12
- 사람들이 오늘날 세계 각지에서 디지털 혁명을 주도하고 있다. 컴퓨터와 소프트웨어가 비약적으로 발전하며서 주어진 프로그램을 활용하는 것만으로 충분해졌다. 남들이 이미 만들어 놓은 편리한 소프트웨어와 게임을 즐기기만 하면 되었다. 하지만 다시 소프트웨어를 직접 만들어 쓰는 시대로 ... ...
- [2016 노벨 물리학상] 평평한 2차원에서 일어나는 기묘한 현상2016.10.05
- 분석하다가 데이비드 사올리스와 비슷한 결론에 도달했다. 이들의 연구는 이후에 비약적으로 발전하게 되는 물질의 새로운 상태에 대한 이론의 초석이 되었다. 데이비드 사울리스가 위상수학을 이용해 이론적으로 묘사한 신비한 현상은 양자홀(quantumn hall) 효과다. 이 현상을 1980년 발견한 ... ...
- 지속가능한 건강식단 가능할까?2016.09.26
- 비율이 높아질수록 다른 영역에서 문제가 생긴다. 바로 환경파괴다. 필자의 논리전개에 비약이 심하다고 생각하는 독자도 있겠지만 사실 인류의 식단이 지구환경에 미치는 영향은 꽤 크다. 오늘날 온실가스 발생의 25% 이상이 먹을거리와 관련된 활동에서 나온다. 또 곡물과 가축을 키우는데 ... ...
- 알파고가 인간을 이긴 원동력 바로 이것!2016.08.03
- 이세돌 9단을 제압하는 역사적인 대 사건이 벌어진다. 이렇게 컴퓨터바둑이 단기간에 비약적인 발전을 할 수 있었던 원동력은 몬테카를로(Monte-Carlo) 방법 활용에 있었다. 현재 거의 모든 컴퓨터바둑은 몬테카를로 방법을 적용하고 있으며, 세계 최강의 알파고 역시 몬테카를로 방법과 인공신경망 ... ...
- M램은 속도 느려 못 쓴다고? 제약 깬 새로운 M램 개발2016.07.13
- 때보다 전력소모가 낮아 더 오래 사용할 수 있다. 하지만 최근 S램의 처리 속도가 비약적으로 발달해 있는 만큼 M램의 처리 속도가 상대적으로 느리고 집적도가 낮아 덩치가 크다는 단점이 있었다. M램을 상용화한 해외 제조사가 있지만 이런 단점 때문에 시장 규모는 아직 작다. 연구팀은 기존에 ... ...
- 거대질량 블랙홀 엔진 달고 우주를 밝히다과학동아 2016.06.30
- JPL-Caltech 제공 ● 이상한 천체가 속출하다 제2차 세계대전이 끝나고 전파 관측 천문학이 비약적으로 발전하던 1950년대 말 또 다른 괴상한 천체가 등장한다. 이 천체는 겉보기엔 마치 밝은 별처럼 보였는데, 신기하게도 강력한 전파를 내뿜고 있었다. 당혹스러운 일이었다. 태양 같은 별(항성)들은 ... ...
- [WWDC16 ②] 마침내 제옷을 입은 웨어러블 기기, 애플워치와 워치OS2016.06.15
- 일단 가장 큰 특징은 속도다. 네이티브 앱으로 설계되고, 앱 최적화가 이뤄져서 속도가 비약적으로 빨라졌다. ‘보기 전에 이미 업데이트되어 있다’는 게 애플의 설명이다. 앱은 누르면 거의 실시간으로 실행된다. 워치OS1에서는 앱이 워치에서 실행되기보다 아이폰에서 작동시킨 뒤 화면만 시계에 ... ...
- ‘지속가능한 도시’를 꿈꾸다2016.05.22
- 제안했다. 고층빌딩에서는 풍속이 지상대비 1.5~2.5배 빨라지기 때문에 발전 효율이 비약적으로 높아진다. 빌딩에 태양광 패널을 붙일 경우 태양 에너지 흡수량이 줄어들어 마찬가지로 온실효과를 낮출 수 있다. 카멘 교수는 “신재생에너지를 사용할수록 그에 따른 혜택을 보장해주는 정책이 ... ...
- 50년 간 달려온 한국 과학기술, 미래 50년 설계 중2016.04.22
- 주행차 상용화를 눈앞에 두고 있다. 자동차 등 경제성장의 견인차 역할을 한 산업 기술의 비약적인 발전 뒤에는 꾸준한 과학기술 연구개발(R&D)이 있었다. ●과학기술 R&D에 35억 원→68조 원 국내 과학기술 R&D는 한국과학기술연구원(KIST)과 한국과학기술단체총연합회가 출범한 1966년을 원년으로 ... ...
- ‘딥러닝’ 넘어야 인공지능 시대 온다과학동아 2016.03.30
- 학습을 해 층간의 가중치를 구함으로써 심층 신경망을 학습시킨다. 과거에 비해 비약적인 발전을 이룩했지만 딥러닝은 아직까지 해결해야 될 문제가 많고, 기계학습이란 도전적인 이름과 달리 철저히 사람에게 종속돼 있다. 조금만 떨어져 인공지능과 딥러닝 전체를 살펴보면 인공지능의 시대는 ... ...
