컴퓨팅 과학·공학의 미래와 교육 전략

본 보고서는 2017년 8월에 발표된 “Computational Science and Engineering (CSE) 연구 및 교육” 워크숍의 결과물을 정리한 문서로, 지난 20년간 CSE가 학계·산업·연구소 전반에 걸쳐 어떻게 확산되었는지를 서술한다. 서두에서는 CSE가 이론과 실험 사이의 ‘계산 실험’ 역할을 수행하며, 수학·통계·컴퓨터 과학·전통 과학·공학을 통합하는 새로운 학문 영역으로 자리매김했음을 강조한다. 이어서 CSE의 정의와 목표를 명시하고, 2001년 SIAM 보고서와의 연계를 통해 현재의 연구·교육 환경을 재조명한다. 1. **연구 분야의 도전과 기회** - **수학·알고리즘**: 비선형 PDE, 최적화, 불확실성 정량화 등에서 새로운 수치 해법과 고성능 알고리즘이 필요하다. 알고리즘 혁신은 문제 규모를 트릴리언(10¹²) 자유도 수준까지 확장시키는 핵심 동력이다. - **초고성능 컴퓨팅(HPC)과 보편적 병렬성**: 전통적인 슈퍼컴퓨터뿐 아니라 클라우드·엣지까지 모든 컴퓨팅 자원이 병렬화되고 있다. 이에 따라 병렬 친화적인 알고리즘 설계, 메모리·통신 효율화, 스케일러블 솔버 개발이 필수적이다. - **데이터 혁명**: 빅데이터와 머신러닝이 물리 기반 모델에 융합되어 데이터 동화, 예측 과학, 불확실성 정량화 등을 가능하게 만든다. 데이터 관리·시각화·재현성 문제가 새로운 연구 과제로 부상한다. - **소프트웨어 지속 가능성**: 오픈소스, 모듈화, 자동 테스트, 버전 관리 등 현대적인 소프트웨어 공학 기법을 CSE에 적용해야 한다. 소프트웨어 자체를 연구 주제로 삼아, 성능 최적화와 사용자 친화성을 동시에 추구한다. - **예측 과학(Predictive Science)**: 고성능 시뮬레이션과 데이터 기반 모델을 결합해, 실험이 어려운 현상을 가상 실험으로 대체하고, 정책·산업 의사결정에 직접 활용한다. 2. **교육 및 인력 개발** - **수요 증가**: 산업·학계 모두에서 CSE 전공 인재에 대한 수요가 급증하고 있다. 학부·대학원 수준에서 CSE 전공 프로그램을 확대하고, 지속적인 직무 교육 체계를 구축해야 한다. - **교육 프로그램 설계**: 기본 수학·통계·프로그래밍 교육에 더해 병렬 컴퓨팅, 데이터 과학, 불확실성 정량화, 소프트웨어 지속 가능성 등을 필수 과목으로 포함한다. 실습 중심의 프로젝트와 오픈소스 기여를 통해 실무 역량을 강화한다. - **인프라 변화**: 클라우드 기반 실험실, 컨테이너·가상화 환경, 대규모 데이터셋 제공 등 최신 인프라를 교육에 도입한다. 또한, 산학 협력과 국제 교류를 통해 현장 감각을 유지한다. - **평생 학습**: 온라인 코스, 워크숍, 단기 집중 교육 등을 통해 현직 연구자·엔지니어가 최신 기술을 습득하도록 지원한다. 3. **전략적 권고** - **연구**: 알고리즘·소프트웨어·데이터 과학 간의 시너지 효과를 극대화하기 위한 공동 연구 플랫폼 구축, 표준화된 벤치마크와 데이터셋 공유, 그리고 개방형 소프트웨어 생태계 조성을 권고한다. - **교육**: CSE 전공 커리큘럼에 ‘병렬·데이터·소프트웨어’ 3대 축을 명시하고, 학제 간 협업 프로젝트와 산업 파트너십을 확대한다. 또한, 교육 평가 체계에 재현성·오픈소스 기여를 포함시킨다. - **정책**: 정부·연구기관이 장기적인 초고성능 인프라 투자와 데이터 인프라 구축을 지원하고, CSE 인재 양성을 위한 장학금·펀딩 프로그램을 확대해야 한다. 결론적으로, 보고서는 CSE가 과학·공학·사회 전반에 걸쳐 핵심적인 변혁 동력임을 재확인하고, 차세대 초고성능·데이터·소프트웨어 환경에 대응하기 위한 연구 로드맵과 교육 전략을 제시한다. 이러한 전략이 실현될 경우, CSE는 미래 기술 혁신과 복잡계 문제 해결에 지속적인 기여를 할 수 있을 것으로 기대된다.