배너
닫기

테크노트

배너

에이전트 베이스 접근에 의한 대규모 사회 시뮬레이션 모델 실현

URL복사
[무료 웨비나] 빠르고 직관적인 강력한 아날로그 시뮬레이션 'MPLAB® Mindi™ 아날로그 시뮬레이터' 왜 주목받고 있을까요?? (5/23)

사회 시뮬레이션 영역에서 1990년대 후반부터 시뮬레이션 기법으로 인지되기 시작한 에이전트 베이스 접근은 약 30년의 역사 속에서 많은 모델의 구축 방법론으로서 그 지위를 확립해 왔다. 시뮬레이션을 실행하는 계산기의 성능 향상과 함께 모델이 대상으로 하는 사회 인구(인원수)의 상한도 향상되어 왔다.

 

또한 정보공학 기술의 향상에 의해 여러 개의 계산기를 이용해 계산을 실행하는 병렬분산 환경을 이용함으로써 모델이 대상으로 하는 사회의 인구(인원수)는 비약적으로 커졌다고 할 수 있다. 병렬분산을 구성하는 계산기를 풍족하게 준비할 수 있다면, 이론상으로는 일본 전체 1억 2000만 명을 에이전트 베이스의 접근으로 재현한 모델이나 세계 전체 80억 명을 표현한 모델을 구축하는 것도 가능하다.

 

한편, 병렬분산 환경에서 각 에이전트는 병렬분산 환경을 구성하는 계산기의 하나로 처리되는 경우가 많다. 따라서 계산기에 걸쳐 있는 에이전트 간의 상호작용이나 에이전트가 존재하는 환경(장소)과의 왕래를 실현하기 위해서는 병렬분산 환경을 구축하는 네트워크상에서 정보의 교환을 실현할 필요가 있으며, 그 교환하는 양이 증가함으로써 처리 속도의 저하를 초래할 가능성이 있다. 에이전트 간의 상호작용이 없는 마이크로 시뮬레이션 접근이라면 병렬분산 환경을 이용하는 혜택을 충분히 받을 수 있지만(네트워크상의 정보 교환이 필요 없기 때문에), 에이전트 간의 상호작용이 존재하는 에이전트 베이스 접근에서는 모델이 대상으로 하는 사회의 인구(인원수)가 대규모인 경우에 네트워크상의 정보 교환에 의한 지연이 병렬 계산에 의한 혜택을 능가할 가능성이 있어 그 혜택을 충분히 얻을 수 없다.

 

따라서 단일 계산기에서 대규모의 에이전트 시뮬레이션을 할 수 있는 환경을 모색함으로써 처리 속도가 저하되지 않는 에이전트 간의 상호작용을 고려한 시뮬레이션을 실시할 수 있는 가능성이 존재한다. 이러한 상황에서 필자는 단일 계산기로 시뮬레이션하는 모델에서 모델이 대상으로 하는 사회 인구(인원수)의 한계에 도전해 왔다.

 

이 글에서는 에이전트 베이스 접근을 이용한 사회 시뮬레이션 모델에서 1억 2000만 명 에이전트가 상호작용을 할 수 있는 모델에 대해 사회 시뮬레이션 영역의 모델 구축 방법론을 바탕으로 D2J(Digital Twin Japan)이라고 불리는 시뮬레이션 플랫폼의 필요성과 그 플랫폼의 활용 가능성에 대해 소개한다.

 

사회 시뮬레이션의 세계

 

사회에 존재하는 문제나 과제를 모델을 통해 이해·해명하려는 사회 시뮬레이션 영역에서는 여러 차례 실행된 시뮬레이션 결과로부터 미래 사회를 예기·예측하는 것을 시도한다.

 

사회 시뮬레이션 영역에서 시뮬레이션 모델을 구축하는 경우, 크게 나눠 두 가지 접근이 사용된다. 하나는 수학적으로 푸는 접근(수리 모델)이고, 다른 하나는 의사결정 주체가 되는 에이전트를 이용한 에이전트 베이스 접근(에이전트 베이스 모델)이다. 계산기 성능 향상 및 에이전트 베이스 접근의 기술 향상으로 2000년 이후에는 에이전트 베이스 접근을 이용한 시뮬레이션 모델이 많이 등장하고 있다.

 

사회 시뮬레이션 영역의 에이전트 베이스 접근으로 모델을 구축할 때에 모델이 대상으로 하는 사회 과제·문제에 따라서는 현실사회의 사람들을 세대 구성이나 연령·성별과 함께 모델 상에서 구성하고 일상의 생활을 표현한 후에 대상으로 하는 과제나 문제를 실장해야 하는 경우가 있다. 이 프로세스 속에서 ‘현실사회의 사람들을 세대 구성이나 연령·성별과 함께 모델 상에서 구성하고 일상의 생활을 표현한 후’의 수고를 줄이기 위해 필자는 D2J이라고 불리는 최대로 일본 전체(1억 2000만 명)를 시뮬레이션할 수 있는 플랫폼을 구축해 왔다. 이후 이 플랫폼의 내용과 그 활용에 대해 소개한다.

 

D2J : 디지털 트윈 재팬

 

사회에 존재하는 문제나 과제를 모델을 통해 이해·해명하려는 사회 시뮬레이션의 영역에서는 여러 차례 실행된 시뮬레이션에서 얻은 결과로부터 미래 사회를 예기·예측하는 것을 시도한다. 시뮬레이션 모델을 구축하는 방법론에 따르기도 하지만, 마이크로 시뮬레이션이나 에이전트 베이스 접근에서는 의사결정 주체가 에이전트로서 모델에 존재한다. 이후 에이전트가 의사결정 주체로서 존재하는 에이전트 베이스 접근을 채용한 시뮬레이션 모델로 한정해 이야기를 진행한다.

 

모델이 대상으로 하는 사회의 문제나 과제에서 이해관계자가 주민인 경우, 모델 상에는 주민이 존재하는 현실사회를 가상사회로서 표현할 필요가 있다. 학교나 사업소로 대표되는 조직을 다루는 모델에서는 그 조직 자체를 가상조직으로서 모델로 실현하면 된다. 한편, 주민이 존재하는 지역이나 시구정촌(市区町村), 도도부현(都道府県)을 취급해야 하는 모델에서는 주민이 사는 장소나 가족 구성, 연령이나 성별, 직업과 같은 것을 모델로 실현하지 않으면 안 되는 경우가 많다.

 

이 글에서는 이 점에 주목해 주민이 이해관계자로서 존재하는 사회 과제나 문제를 다루는 모델을 구축할 때에 가상사회를 모델 상에서 간단하게 실현하는 D2J(Digital Twin Japan 디지털 트윈 재팬) 플랫폼에 대해 소개한다. 이 플랫폼은 일본 전국을 모델이 대상으로 하는 것도 가정해 1억 2000만의 에이전트를 실현할 수 있는 것으로 하고 있다.

 

D2J는 에이전트 베이스 접근을 채용해 SOARS Toolkit(프로그래밍 언어 Java에서 개발된 사회 시뮬레이션용 라이브러리)를 이용해 구축된 사회 시뮬레이션 플랫폼이다. 이 플랫폼 상에서 모델이 대상으로 하는 사회 과제나 문제 및 그 대책안을 실장함으로써 시뮬레이션에 의한 대책안의 평가 검증을 실현하는 것을 플랫폼의 존재 의의로 하고 있다.

 

D2J에서는 모의 개인표를 이용해 생성된 세계인 가상사회와 가상사회 상 에이전트의 일상 행동을 표현한 일상생활 행동 모듈을 제공한다. D2J에서는 사회에 존재하는 문제나 과제를 표현한 각 모듈과 각 모듈에 대한 정책이나 대책을 실시하는 시나리오를 서브 모듈로서 설계, 실장함으로써 사회 시뮬레이션 모델을 실현한다. D2J의 개요도를 그림 1에 나타냈다.

 

 

또한 SOARS에서는 에이전트를 의사결정 주체로 간주하고 에이전트가 존재할 수 있는 공간을 스폿이라고 부른다. 이후 에이전트나 스폿의 SOARS 특유의 언어를 이용해 설명한다.

 

1. 가상사회(세대)의 정의

현실사회를 본뜬 D2J 상의 가상사회는 모의 개인표를 이용해 생성된다. 모의 개인표는 시바우라공업대학의 하라다(原田) 등이 개발했으며, 일본에서 실시되고 있는 인구조사 결과를 이용해 세대 인원·세대 주소(위도 경도)·세대를 구성하는 인원의 성별과 연령을 추산한 개인표이다(그림 2). 이 모의 개인표를 이용하면 일본 국내의 어느 위도 경도에 남성 39세·여성 36세·남성 7세로 구성된 세대가 존재한다는 정보를 전국적으로 얻을 수 있다.

 

 

이 모의 개인표를 D2J는 실행 시에 읽어 들여 위도 경도가 보유하고 있는 세대 스폿을 모델 상에 정의한다. 세대 스폿 정의 후에는 각 세대 스폿에 속하는 에이전트를 정의한다. 이상에 의해 D2J에서 생활을 하는 에이전트와 그 세대가 생성된다.

 

또한 실제로는 모델 실행 시에 모델의 대상으로 하는 도도부현 혹은 시구정촌을, 도도부현 코드나 시구정촌 코드로 지정함으로써 대상으로 하는 지역만 가상사회가 D2J 상에 생성된다.

 

2. 통학처의 정의

D2J에서 정의된 가상사회에서 보육원이나 유치원, 초중학교 등 교육기관에 통학하는 에이전트의 통학처 설정에 대해 설명한다.

 

미취학 아동에 해당하는 에이전트에 대해서는 맞벌이 세대인 경우 1세부터 보육원으로, 그렇지 않으면 4세부터는 유치원이 통학처로 설정된다. 집에서 가장 가까운 보육원과 유치원을 통학처로 선택한다.

 

초등학생 및 중학생에 해당하는 에이전트에 대해서는 집이 존재하는 초등학교구와 중학교구에 맞춰 초등학교 혹은 중학교를 통학처로 선택한다. 또한 사립 초중학교에 다니는 에이전트는 고려하고 있지 않으며, 모든 에이전트가 공립학교에 다니는 것으로 하고 있다.

 

고등학생, 대학생, 전문학교생에 해당하는 에이전트에 대해서는 문부과학성이 실시하고 있는 학교 기본 조사를 바탕으로 진학률이나 진학처를 설정하고 있다. 또한 엄밀하게는 학력이나 세대의 상황에 따라 진학처(예를 들어 공립인지 사립인지, 대학인지 전문학교인지)를 정의해야 하지만, 현 시점에서는 그렇게까지는 고려하고 있지 않다.

 

3. 통근처의 정의

D2J에서 정의된 가상사회에서 유직자의 통근처에 대해 설명한다.

 

유직자의 직업에 대해서는 일본표준산업분류와 인구조사 결과를 토대로 20종류가 할당되어 있다. 가상사회의 근무처에 해당하는 사업소에 대해서는 경제 센서스–기초 조사에서 얻을 수 있는 1km 메시 단위의 사업소 정보를 바탕으로 20가지 직종이 대응하는 사업소의 유무를 판정해 대응하는 사업소가 있는 경우에는 사업소 스폿으로 정의를 했다. 사업소 스폿에는 속하는 1km 메시 코드가 속성값으로 할당되어 있다.

 

또한 유직자 통근처의 1km 메시에 대해서는 모바일 공간 통계의 주간 500m 메시마다의 거주 시구정촌별 인원수를 이용해 추정하고, 통근처의 500m 메시가 속한 1km 메시 내의 직종에 따른 사업소 스폿을 통근처로 정의했다.

 

4. 일상생활 행동 모듈의 정의

여기까지 D2J 상에서 정의된 가상세계에 존재하는 에이전트에 세대(위도 경도에 따른 장소), 성별, 연령, 직업, 통근처․통학처의 할당이 완료된다. 일상생활 행동 모듈에서는 에이전트의 일상생활에 관련된 의사결정 규칙을 정의하고 가상세계에서 일반적인 일상생활 행동을 실현한다. 여기서의 일반적인 일상생활 행동이란 기상·취침, 통근, 통학, 외출이다.

 

일반적인 일상생활 행동을 실현함에 있어 해당 행동을 실시하는 시간을 NHK 방송문화연구소의 국민생활시간 조사를 이용해 연령, 직업, 성별에 따라 산출하고 있다. 행동에 대해서는 구속 행동(반드시 하는 행동)인 기상 행동․취침 행동부터 실시 시각을 에이전트로 정의했다. 그 후 통학자·통근자에 대해서는 통학·통근의 시각 설정을 하고 있다. 무직 에이전트에 대해서는 기상 시각·취침 시각 이외의 시각 정의는 하지 않고 깨어 있는 시간대에 일정 확률로 외출을 하는 것으로 했다. 또한 통학자·통근자 에이전트는 주말에는 통학·통근 행동을 하지 않고 일정 확률로 외출을 하는 것으로 했다. 외출 행동은 가상사회에 공공 공간 스폿으로 정의된 하나의 스폿으로 이동한다.

 

5. D2J의 과제

앞에서 D2J에 관한 설명을 했는데, 이 글을 집필하고 있는 시점에서 D2J가 안고 있는 과제로서 이하의 항목을 들 수 있다. 앞으로 이 과제를 해결하기 위해 D2J의 개선에 대응한다.

 

· 외출처의 스폿이 한 곳밖에 없다

· 사립 초중등학교가 정의되어 있지 않다

· 일상적인 구매 행동이나 오락 행동이 표현되어 있지 않다

· 직종이 대충 분류되어 있다

· 자유행동이 표현되어 있지 않다

 

범용적인 대규모 시뮬레이션 플랫폼으로서 D2J가 활용되기 위해 일반적인 일상생활 행동 모듈의 개선이 기대된다.

 

D2J의 벤치마크

 

앞에서 설명한 D2J에 대해 에이전트 수 규모의 실행에 걸리는 시간을 벤치마크로서 계측했다. 표 1에 모델을 실행하는 데 이용된 계산기의 구성을 나타냈다. 또한 표 2에 대상으로 한 지역, 에이전트 수, 사용 메모리량(MB) 및 실행 시간(분)을 나타냈다.

 

 

더구나 별도로 4TB의 메모리를 탑재한 계산기에서 일본 전국을 대상으로 한 1억 2000만 에이전트의 실행에도 성공했다. 에이전트 수가 증가함에 따라 실행 시간도 증가하기 때문에 현재 SOARS Toolkit에서 에이전트 의사결정의 병렬 실행 대응의 개량이 검토되고 있다(SOARS Toolkit에서는 모든 에이전트가 순차 실행으로 의사결정을 하기 때문에 에이전트 수가 증가함에 따라 실행 시간이 증가한다).

 

D2J의 활용 예

 

앞에서 말한 바와 같이 D2J에서는 모의 개인표를 이용해 생성된 세계인 가상사회와 가상사회 상 에이전트의 일상 행동을 표현한 일상생활 행동 모듈을 제공한다. D2J에서는 사회에 존재하는 문제나 과제를 표현한 각 모듈과 각 모듈에 대한 정책이나 대책을 실시하는 시나리오를 서브 모듈로서 설계, 실장함으로써 사회 시뮬레이션 모델을 실현한다(그림 1).

 

1. D2J의 활용 예

D2J이 효과를 발휘하는 사회 과제나 문제는 주민이 이해관계자가 되는 것으로, 조직 내나 서클 등 한정된 사람들이 관련된 것은 아니다. 사람들이 일상의 생활 행동을 하는 가운데 발생하는 과제나 문제에 대해서 그 대응책의 효과를 시뮬레이션을 통해 실험하고 싶은 경우에 활용할 수 있는 것이다. 이하에 D2J가 활용할 수 있을 것 같은 사례를 나타냈다.

 

· 재해 발생 시의 피난 의사결정

· 감염병 유행 시의 감염 확대

· 병원 통폐합을 가미한 지역 의료 구상

· 전력 핍박 시의 절전 행동

· 기본소득(Basic income) 정책 도입과 소비 행동

· 대중교통 대체안 검토

(승합 택시·온 디맨드 버스 등)

 

또한 이 글에서는 D2J를 이용한 실제 시뮬레이션 예로, 피난 행동 시뮬레이션과 코로나19 감염증 확대 시뮬레이션을 소개한다.

 

2. 피난 행동 시뮬레이션 모델

피난 행동 시뮬레이션 모델은 재해나 수해가 발생하는 지역에서 재해가 발생했을 때, 이재민의 피난 의사결정 및 대피소 이동을 표현하는 것이다. 피난 행동 시뮬레이션 모델은 가상사회+일상생활 행동 모듈+피난 행동 모듈에 의해 실현된다.

 

피난 행동 모듈은 인터넷 조사의 분석 결과로부터 밝혀진 피난 행동 요인을 바탕으로 재해 발생 시의 에이전트 거처, 자택 피해 상황, 라인프라인 단절 상황, 날씨 등을 고려해 피난 행동을 할지의 여부를 의사결정하는 모듈이다. 수해의 경우는 주의보나 경보 발령에 따른 피난 의사결정을 한다.

 

시뮬레이션을 실행할 때는 지진이면 250m 메시의 진도 분포·수해의 경우는 침수영역, 소지역별 라이프라인(전기·수도·가스·통신) 단절 상황, 피난소 리스트 등이 필요하다. 이러한 정보를 입력값으로 넘겨줌으로써 피난소의 피난자 수의 분포를 얻을 수 있다.

 

그림 3에 2016년에 발생한 구마모토 지진의 진도 분포를 입력값으로 시뮬레이션한 결과를 나타냈다. 대상은 구마모토시(인구 약 74만 명)로 하고, 피난자 수의 인원수에 따라 기호의 반경을 변화시키고 있다(대피자 수가 많으면 원의 반경이 크다). 또한 피난처로서 피난소, 자택, 회사, 학교를 나누고 있다. 더구나 이 피난 행동 시뮬레이션 결과는 실제 재해 시의 이재민 피난 행동을 예측하기보다는 재해 훈련의 예상값으로 이용되는 것을 기대하고 있다. 즉, 재해 훈련에서 조사 결과를 바탕으로 한 의사결정 시뮬레이션에 의해 계산된 피난자의 분포에 대해 재해 대응을 하는 이해관계자가 어떠한 대책을 입안하는 것이 좋을지를 검토하는 재료로 사용될 것으로 예상하고 있다.

 

 

3. Covid-19 감염증 시뮬레이션 모델

Covid-19 감염증 시뮬레이션 모델은 2019년 12월경부터 유행하기 시작한 신종 코로나바이러스 감염증이 어떻게 확산되어 갈지를 표현하는 것이다. Covid-19 감염증 시뮬레이션 모델은 가상사회+일상생활 행동 모듈+Covid-19 감염증 모듈+Covid-19 정책 서브 모듈에 의해 실현된다.

 

감염증 모듈은 신종 코로나바이러스 감염증 유행이 시작된 이후, 발표된 논문이나 기사를 바탕으로 감염 확대 알고리즘이 실행되는 모듈이다. 신종 코로나바이러스 감염증에 감염됐을 때의 에이전트 병태 전이(상태 변화)를 그림 4에, 에이전트 간의 감염이 확대되는 알고리즘을 그림 5에 나타냈다.

 

 

감염되지 않은 감수성이 있는 에이전트는 감염되면 잠복 기간을 거쳐 경증 혹은 무증상 상태가 된다. 경증의 경우는 일정 확률로 중증이 된다. 경증·중증·무증상의 감염된 에이전트는 일정 기간 경과 후에 치유되어 면역을 획득한 상태가 된다.

 

생활 장소(스폿)의 감염 확대는 동일 공간에 있는 감염된 에이전트가 무작위로 0~3의 다른 에이전트를 선택해 감염 확률에 의해 감염시킨다. 생활 장소의 종류에 따라 감염률이 증감하도록 설정되어 있다. 감염률은 예를 들어 자택이나 회사에서는 5%, 공공장소에서는 0.6%로, 식사 시간은 10배가 되도록 설정되어 있다. 또한 백신 접종을 함으로써 감염 확률이 감소하는 구조가 정의되어 있다.

 

Covid-19 정책 서브 모듈에서는 비상사태 선포 도입과 백신 접종 실시 등이 표현된다. Covid-19 정책 서브 모듈은 여러 개 존재하며, 하나만 실시하거나 혹은 동시에 여러 개를 실시하는 것에 따른 정책의 효과 정도를 시뮬레이션 결과로부터 검토하는 것이 가능하다.

 

가나가와현(인구 약 850만 명)을 대상으로 Covid-19 유행이 시작된 시점을 예상한 시뮬레이션을 실시한다. 시뮬레이션의 예상은 이하와 같다.

 

(1) 비상사태 선포 서브 모듈

· 신규 감염자 수가 200명을 넘으면 발령

· 신규 감염자 수가 25명을 밑돌면 해제

· 선포 중에는 외출률을 5%로 설정 (보통은 25%)

· 선언 중에는 재택근무율을 70%로 설정 (보통은 20%)

 

(2) 백신 접종 서브 모듈

· A 시나리오: 65세 이상부터 우선 접종

· B 시나리오 : 19세부터 64세를 우선 접종

· 1일당 4만 명 접종

 

비상사태 선포 서브 모듈과 백신 접종 서브 모듈의 A 시나리오 또는 B 시나리오를 실시한 시뮬레이션 결과는 그림 6과 그림 7에 나타냈다. 두 시나리오 모두 10회의 시행 결과를 나타낸 것이다.

 

 

그림 6에 나타난 결과는 비상사태 선포와 65세 이상부터 우선 백신 접종을 했을 때의 신규 감염자 수의 발생 추이를 나타내고 있다. 비상사태 선포의 발령에 의해 첫 번째 파동이 억제됐지만, 해제 후에 다음 파동이 발생하고 있다.

 

그림 7에 나타난 결과는 비상사태 선포와 19세부터 64세를 우선 백신 접종을 했을 때의 신규 감염자 수의 발생 추이를 나타내고 있다. 첫 번째 파동에서는 비상사태 선포의 발령에 의해 신규 감염자 수가 억제되고 있으며, 선포 해제 후에는 백신 접종의 영향도 있어 10회 시행에서도 제2파의 발생 시기나 신규 감염자 수 발생 최대수가 억제된 결과를 얻었다. 또한 10회 시행 중 하나의 시행에서 제2파의 파동이 발생하지 않은 결과도 얻을 수 있었다.

 

인구 800만 명이 넘는 가나가와현을 대상으로, Covid-19의 감염 확대 시뮬레이션을 실시했는데, D2J을 베이스로 Covid-19 감염증 모듈과 Covid-19 정책 서브 모듈을 조합함으로써 대규모 시뮬레이션 모델을 전개할 수 있다는 것을 나타내고 있다. 수도권 3,800만 명을 대상으로 한 Covid-19의 감염 확대 시뮬레이션을 실행할 수 있다는 것도 확인했다.

 

맺음말

 

사회에 존재하는 과제나 문제를 시뮬레이션 모델을 통해 대상을 이해하고 예기·예측하려고 시도하는 사회 시뮬레이션 영역에서 에이전트 베이스 접근으로 모델을 구축하는 경우, 대상으로 하는 과제나 문제에 따라 모델에 존재하는 의사결정 주체(에이전트)의 수가 결정된다. 예를 들어, 하나의 초등학교를 대상으로 한 모델이라면 에이전트 수가 수백이지만, 시민을 대상으로 한 모델이 되면 수만에서 수십만이 된다. 도도부현이 대상이 되면 수십만에서 천만의 에이전트 수가 존재하는 경우를 생각할 수 있다. 일본 전국 규모라면 1억 2000만 명이다.

 

조직이 아니라 시민으로 대표되는 주민이 이해관계자가 되는 사회 문제나 과제를 대상으로 하는 모델에서는 대상이 되는 주민을 모델 상에서 정의하고, 그 위에 사회 문제나 과제를 실장하는 절차를 밟게 된다. 대상의 문제나 과제가 일상생활에 연결되어 있는 경우(통학이나 통근, 쇼핑 등) 주민의 정의와 문제나 과제의 실장 사이에 일상의 생활을 표현하는 내용을 실장하는 프로세스가 발생한다.

 

D2J는 이 프로세스에 주목해 주민이 이해관계자가 되는 사회 문제나 과제를 모델로서 취급하는 경우에 주민의 정의와 일상생활 행동을 플랫폼으로 제공하는 것이다. 즉, 사회 문제나 과제를 다루고 싶은 사람이 플랫폼 상에서 모델의 대상으로 하는 문제나 과제만을 실장하는 데 주력할 수 있는 환경을 제공하는 것이다. D2J에서는 모의 개인표를 이용한 가상사회와 일상생활 행동 모듈을 플랫폼으로 제공한다.

 

D2J에서는 일본의 임의의 도도부현이나 시구정촌을 대상으로 모델을 구축할 수 있도록 최대 1억 2000만 에이전트를 실행할 수 있는 설계로 되어 있다(실제 실행에는 대용량 메모리가 필요하다).

 

앞으로는 앞에서 과제로 들은 항목이 해결됨에 따른 D2J 플랫폼의 갱신과 D2J 플랫폼을 이용해 구축되는 다양한 모듈을 공유할 수 있는 장이 마련됨으로써 보다 복잡한 사회 시뮬레이션을 실제 사회의 인구 규모로 실행할 수 있는 세계로 발전하기를 기대한다.










배너









주요파트너/추천기업