목록으로
교육·학습을 위한 AI 활용
도면 한 장에서 시작한 방사선 시뮬레이션 실습: AI는 계산하고, 사람은 질문하고 검토하다
Claude Code와 질문·승인·실행·대조 과정을 거치며 방사선 시뮬레이션을 실습하고, 비교 계산으로 집계 오류를 찾아 수정한 학습 사례입니다.
🤖 활용 AI 도구
1. Claude Code(Anthropic, 주 도구) — 도면 PDF 읽기, 계산 조건에 관한 질문 정리, 시뮬레이션 입력 파일 작성·검사 및 사용자 지시에 따른 실행, 결과 시각화와 Excel·HTML 보고서 작성 2. deep-interview(Claude Code용 공개 확장 도구 oh-my-claudecode의 기능) — 계산에 필요한 조건을 한 번에 한 주제씩 질문하고, 사용자 답변과 승인을 통해 확정하는 데 활용 3. Claude(Anthropic, 글 작성 보조) — 활용 사례 소개 글의 초안 작성 지원. 최종 내용은 본인이 확인·수정 4. 이미지 사용 내역 — 별도의 AI 생성 이미지는 사용하지 않음. 첨부자료는 실제 시뮬레이션 결과를 시각화한 그림, 작업 화면 캡처, 기록과 수치를 정리·편집한 표로 구성
① 어떤 상황에서 AI를 활용했나요?
2026년 10월, 방사선 몬테카를로 시뮬레이션 교육 과정에서 이틀 동안 AI를 활용해 실습했습니다. 사용한 프로그램은 방사선이 물질 안에서 어떻게 이동하고 에너지를 전달하는지 계산하는 MCNP입니다.
첫 과제는 교육용 도면(PDF) 한 장을 바탕으로 HPGe(고순도 게르마늄) 검출기를 모델링하고, 세슘-137의 감마선 스펙트럼을 계산하는 것이었습니다. 이후 BGO 보조 검출기를 이용한 반동시 계산과 미로 차폐 계산으로 확장해, 이틀 동안 총 세 장의 교육용 도면을 활용했습니다.
강의에서 제공한 작업 틀은 AI가 입력 파일을 작성하기 전에 필요한 조건을 먼저 질문하고, 사용자가 승인한 값을 기록하도록 구성되어 있었습니다. 저는 이 틀을 바탕으로 AI와 계산 조건을 정하고, 실행 과정과 결과를 확인했습니다.
AI에 제공한 자료는 강의에서 배포한 교육용 예제 도면과 실습 자료이며, 개인정보나 실제 업무 자료는 입력하지 않았습니다. 시뮬레이션 프로그램은 실습 PC에 설치되어 있었고, 본 계산은 제 지시에 따라 AI가 실행했습니다.
② 어떤 AI를 어떻게 활용했나요?
PC에서 파일을 읽고 프로그램을 실행할 수 있는 Claude Code를 사용했습니다. 질문과 답변에는 공개 확장 도구인 oh-my-claudecode의 deep-interview 기능을 활용했습니다.
첫날 14시 31분, 강의 예시 과제에 따라 도면 파일을 제공하고 “해당 파일의 데이터시트 기반으로 HPGe 검출기를 MCNP 모델링해서 Cs-137 스펙트럼을 모사해 주세요”라고 요청했습니다. AI가 여러 질문을 한꺼번에 제시하자, deep-interview로 질문과 답변을 진행하겠다고 요청했습니다.
계산 목적부터 결과 형식까지 총 7라운드에 걸쳐 조건을 정했습니다. 이 과정에서 입자 수를 1억 개에서 1천만 개로 낮추고, 3차원 궤적 기록을 추가했습니다. 검출기 분해능을 반영한 스펙트럼만 출력할지 묻는 질문에는, 반영하지 않은 원래 스펙트럼도 함께 출력하도록 선택했습니다.
결과가 나온 뒤에는 분해능이 실제로 반영되었는지, 관련 계수는 어떻게 계산했는지 물었습니다. AI가 작성한 Excel에는 데이터시트의 측정값 세 점에 계수를 맞춘 계산 과정과 검산 내용이 담겼습니다.
실행 중에는 폴더 이름에 포함된 기호와 이전 실행에서 남은 파일 때문에 두 차례 실패했습니다. 원인을 기록하고 수정한 뒤 15시 04분에 본 계산을 완료했습니다. 15시 13분에는 입자 수만 1억 개로 늘려 다시 계산하도록 했고, 15시 25분에 결과 그림이 나왔습니다. 첨부 1의 스펙트럼은 이 재계산의 결과입니다.
이후 BGO 보조 검출기를 이용한 반동시 계산을 6라운드의 질문과 답변으로 진행했습니다. 이는 주 검출기와 보조 검출기에 동시에 신호가 들어온 사건을 제외하는 구성입니다. 미로 차폐 과제에서는 두 가지 질문에 답한 뒤 나머지 설정을 권장안에 맡기고, 세 가지 계산 방식의 결과를 비교했습니다. 실습 시간에 맞춰 미로 계산은 2분, 시험 계산은 5분, 다음 날 미로 마무리는 10분 내외로 시간 상한을 두었습니다.
③ 활용 결과 어떤 변화가 있었나요?
도면을 바탕으로 모델을 작성하는 것에서 출발해, 계산 조건 변경과 결과 시각화, 집계 검토까지 진행할 수 있었습니다. AI가 도면 치수로 계산한 검출기 결정의 부피는 198.1 cm³로, 도면 표기값인 198 cm³와 일치하는 수준이었습니다.
가장 의미 있었던 경험은 결과를 그대로 받아들이지 않고, 비교 계산을 통해 집계 오류를 발견하고 수정한 것입니다.
16시 26분, 저는 입자 설정이 p,e인지 e인지 면밀히 확인해 달라고 요청했습니다. 여기서 p는 광자, e는 전자입니다. 16시 27분에는 AI가 같은 이력을 MCNP 기본 에너지 집계와 나란히 세는 비교 계산을 제안했고, 제가 승인했습니다. 이어 문헌과 매뉴얼의 예시도 함께 확인하도록 요청했습니다.
16시 30분, AI는 자체 집계 결과가 표준 방식의 약 2배라는 점을 발견했습니다. 16시 31분에는 분석 스크립트가 합계 줄까지 더해 중복 집계한 오류를 수정했습니다. 같은 시험 계산의 100~700 keV 구간에서 집계한 이력 수는 3,788건에서 1,894건으로 바뀌었습니다. 표준 방식의 결과는 1,923건이었으며, 다른 두 에너지 구간도 함께 수정되었습니다.
이 과정은 제가 설정 점검을 요구하고 AI가 제안한 비교 계산을 승인하면서 시작되었습니다. 차이를 발견하고 스크립트를 수정한 주체는 AI였으므로, 저는 이를 ‘AI의 도움으로 찾은 실수’라고 표현합니다.
AI가 질문 절차를 건너뛴 경우에도 두 차례 멈춰 세웠습니다. 15시 31분에는 시각화 형식을 묻지 않고 결과를 만든 이유를 확인했고, AI가 4라운드로 다시 질문한 뒤 기존 형식을 승인했습니다. 16시 04분에는 다른 질문에 묶여 지나간 fu, 즉 에너지 구간 설정에 관한 질문을 별도로 받았습니다.
한편, 수정한 집계와 표준 방식 사이에 남은 29건의 차이와 피크가 위쪽으로 이동한 현상의 최종 원인은 확인하지 못했습니다. 계산 결과는 시뮬레이션·집계 값이며 실측값이 아닙니다. 실측 비교는 이번 과제의 범위 밖이었고, 수작업과 비교한 기록도 없어 시간 절감률을 제시하지는 않았습니다.
이번 실습을 통해 체감한 변화는 시뮬레이션 입력 작성의 문턱이 낮아져 여러 계산을 시도하기 쉬워졌다는 점입니다. 동시에 AI가 계산을 수행하더라도, 무엇을 확인했고 무엇이 미확인인지 구분하는 검토는 필요하다는 점을 배웠습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
과제와 예시 지시문, 실행 전 질문, 승인 값 기록, 표준 방식과의 대조는 강의에서 제공한 방식입니다. 제가 더한 부분은 이 절차 안에서 사람이 판단해야 할 지점을 놓치지 않도록 질문하고 확인한 것입니다.
첫째, 질문을 한꺼번에 받지 않고 deep-interview로 한 라운드씩 진행했습니다. 각 조건을 이해하고 승인한 뒤 다음 단계로 넘어가고자 했습니다.
둘째, AI가 질문 없이 진행한 부분에서는 멈추고 다시 묻게 했습니다. 결과가 이미 나왔더라도 사용자가 선택해야 할 조건을 건너뛰지 않도록 했습니다.
셋째, 결과값만 받지 않고 무엇이 반영되었는지, 어떤 근거로 계산했는지 물었습니다. 설정 점검과 함께 문헌·매뉴얼 확인을 요구했고, 이상 현상은 데이터로 설명하도록 했습니다.
넷째, 계산 대상별 시간 상한을 두고, 중단하기 전에는 중단에 따른 위험을 물었습니다. 검토 보고서는 제가 이해하고 판단할 수 있도록 쉬운 말로 작성하도록 요청했습니다.
핵심은 검증을 포함한 ‘질문 → 승인 → 실행 → 대조’의 흐름입니다. 필요한 질문과 승인 값, 실패 원인, 비교 결과가 남는 파이프라인이 있으면 사람의 검토 역시 수월해진다는 점을 경험했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
Claude Code 이용 환경, deep-interview 기능이 포함된 확장 도구, 사용 허가를 받은 시뮬레이션 프로그램, 활용 권한이 있는 도면과 자료가 필요합니다. Claude Code의 유료 요금제 또는 API 사용료도 고려해야 합니다.
다음과 같은 지시문으로 시작할 수 있습니다.
-시작: “이 도면으로 _를 모델링해 줘. 시작 전에 정할 것을 한 번에 한 주제씩 물어봐 줘. 내가 승인한 값만 써 줘.”
-멈춤: “방금 질문 없이 정한 것이 있나요? 있으면 다시 물어봐 줘.”
-근거 요구: “이 결과에 무엇이 반영되었는지와 계산 근거를 설명해 줘. 확인한 사실과 아직 확인하지 못한 것을 구분해 줘.”
-시간 상한: “실습이니 계산마다 ○분 안에 끝나게 해 줘.”
기록은 세 가지를 중심으로 남기면 됩니다. AI의 질문과 사용자의 답변·승인 및 시각, 실행 실패와 원인, 끝까지 확인하지 못한 사항입니다. 첨부 3에는 위 지시문을 복사해 사용할 수 있는 카드와 제가 실제로 사용한 원문을 함께 정리했습니다.
이번 사례는 교육용 자료와 사용 허가를 받은 프로그램으로 진행한 실습입니다. 그대로 따라 하는 것보다, 자신의 과제에 맞게 조건을 정하고 비교 기준을 마련하는 것이 중요합니다. AI에 작업을 맡기되, 결과를 확인할 근거와 기록도 함께 남기는 방식으로 활용할 수 있습니다.
AI 사용 및 첨부자료 안내
실습에는 Claude Code와 deep-interview 기능을 사용했으며, 이 글의 초안은 Claude의 도움을 받아 제가 확인·수정했습니다. 별도의 AI 생성 이미지는 사용하지 않았고, 첨부 그림은 실습 결과를 시각화한 자료입니다. 강의 자료·원본 도면·입력 파일은 공개 자료에 포함하지 않았습니다.
첨부 1에는 주요 수치와 실제 결과 그림을, 첨부 2에는 집계 오류 수정 전후와 발견·수정 순서를 정리했습니다. 첨부 3에는 사람이 결정한 지점과 지시문 카드를, 첨부 4에는 준비물·한계·미확인 사항·공개 및 저작권 관련 주의사항과 출처를 담았습니다.
2026년 10월, 방사선 몬테카를로 시뮬레이션 교육 과정에서 이틀 동안 AI를 활용해 실습했습니다. 사용한 프로그램은 방사선이 물질 안에서 어떻게 이동하고 에너지를 전달하는지 계산하는 MCNP입니다.
첫 과제는 교육용 도면(PDF) 한 장을 바탕으로 HPGe(고순도 게르마늄) 검출기를 모델링하고, 세슘-137의 감마선 스펙트럼을 계산하는 것이었습니다. 이후 BGO 보조 검출기를 이용한 반동시 계산과 미로 차폐 계산으로 확장해, 이틀 동안 총 세 장의 교육용 도면을 활용했습니다.
강의에서 제공한 작업 틀은 AI가 입력 파일을 작성하기 전에 필요한 조건을 먼저 질문하고, 사용자가 승인한 값을 기록하도록 구성되어 있었습니다. 저는 이 틀을 바탕으로 AI와 계산 조건을 정하고, 실행 과정과 결과를 확인했습니다.
AI에 제공한 자료는 강의에서 배포한 교육용 예제 도면과 실습 자료이며, 개인정보나 실제 업무 자료는 입력하지 않았습니다. 시뮬레이션 프로그램은 실습 PC에 설치되어 있었고, 본 계산은 제 지시에 따라 AI가 실행했습니다.
② 어떤 AI를 어떻게 활용했나요?
PC에서 파일을 읽고 프로그램을 실행할 수 있는 Claude Code를 사용했습니다. 질문과 답변에는 공개 확장 도구인 oh-my-claudecode의 deep-interview 기능을 활용했습니다.
첫날 14시 31분, 강의 예시 과제에 따라 도면 파일을 제공하고 “해당 파일의 데이터시트 기반으로 HPGe 검출기를 MCNP 모델링해서 Cs-137 스펙트럼을 모사해 주세요”라고 요청했습니다. AI가 여러 질문을 한꺼번에 제시하자, deep-interview로 질문과 답변을 진행하겠다고 요청했습니다.
계산 목적부터 결과 형식까지 총 7라운드에 걸쳐 조건을 정했습니다. 이 과정에서 입자 수를 1억 개에서 1천만 개로 낮추고, 3차원 궤적 기록을 추가했습니다. 검출기 분해능을 반영한 스펙트럼만 출력할지 묻는 질문에는, 반영하지 않은 원래 스펙트럼도 함께 출력하도록 선택했습니다.
결과가 나온 뒤에는 분해능이 실제로 반영되었는지, 관련 계수는 어떻게 계산했는지 물었습니다. AI가 작성한 Excel에는 데이터시트의 측정값 세 점에 계수를 맞춘 계산 과정과 검산 내용이 담겼습니다.
실행 중에는 폴더 이름에 포함된 기호와 이전 실행에서 남은 파일 때문에 두 차례 실패했습니다. 원인을 기록하고 수정한 뒤 15시 04분에 본 계산을 완료했습니다. 15시 13분에는 입자 수만 1억 개로 늘려 다시 계산하도록 했고, 15시 25분에 결과 그림이 나왔습니다. 첨부 1의 스펙트럼은 이 재계산의 결과입니다.
이후 BGO 보조 검출기를 이용한 반동시 계산을 6라운드의 질문과 답변으로 진행했습니다. 이는 주 검출기와 보조 검출기에 동시에 신호가 들어온 사건을 제외하는 구성입니다. 미로 차폐 과제에서는 두 가지 질문에 답한 뒤 나머지 설정을 권장안에 맡기고, 세 가지 계산 방식의 결과를 비교했습니다. 실습 시간에 맞춰 미로 계산은 2분, 시험 계산은 5분, 다음 날 미로 마무리는 10분 내외로 시간 상한을 두었습니다.
③ 활용 결과 어떤 변화가 있었나요?
도면을 바탕으로 모델을 작성하는 것에서 출발해, 계산 조건 변경과 결과 시각화, 집계 검토까지 진행할 수 있었습니다. AI가 도면 치수로 계산한 검출기 결정의 부피는 198.1 cm³로, 도면 표기값인 198 cm³와 일치하는 수준이었습니다.
가장 의미 있었던 경험은 결과를 그대로 받아들이지 않고, 비교 계산을 통해 집계 오류를 발견하고 수정한 것입니다.
16시 26분, 저는 입자 설정이 p,e인지 e인지 면밀히 확인해 달라고 요청했습니다. 여기서 p는 광자, e는 전자입니다. 16시 27분에는 AI가 같은 이력을 MCNP 기본 에너지 집계와 나란히 세는 비교 계산을 제안했고, 제가 승인했습니다. 이어 문헌과 매뉴얼의 예시도 함께 확인하도록 요청했습니다.
16시 30분, AI는 자체 집계 결과가 표준 방식의 약 2배라는 점을 발견했습니다. 16시 31분에는 분석 스크립트가 합계 줄까지 더해 중복 집계한 오류를 수정했습니다. 같은 시험 계산의 100~700 keV 구간에서 집계한 이력 수는 3,788건에서 1,894건으로 바뀌었습니다. 표준 방식의 결과는 1,923건이었으며, 다른 두 에너지 구간도 함께 수정되었습니다.
이 과정은 제가 설정 점검을 요구하고 AI가 제안한 비교 계산을 승인하면서 시작되었습니다. 차이를 발견하고 스크립트를 수정한 주체는 AI였으므로, 저는 이를 ‘AI의 도움으로 찾은 실수’라고 표현합니다.
AI가 질문 절차를 건너뛴 경우에도 두 차례 멈춰 세웠습니다. 15시 31분에는 시각화 형식을 묻지 않고 결과를 만든 이유를 확인했고, AI가 4라운드로 다시 질문한 뒤 기존 형식을 승인했습니다. 16시 04분에는 다른 질문에 묶여 지나간 fu, 즉 에너지 구간 설정에 관한 질문을 별도로 받았습니다.
한편, 수정한 집계와 표준 방식 사이에 남은 29건의 차이와 피크가 위쪽으로 이동한 현상의 최종 원인은 확인하지 못했습니다. 계산 결과는 시뮬레이션·집계 값이며 실측값이 아닙니다. 실측 비교는 이번 과제의 범위 밖이었고, 수작업과 비교한 기록도 없어 시간 절감률을 제시하지는 않았습니다.
이번 실습을 통해 체감한 변화는 시뮬레이션 입력 작성의 문턱이 낮아져 여러 계산을 시도하기 쉬워졌다는 점입니다. 동시에 AI가 계산을 수행하더라도, 무엇을 확인했고 무엇이 미확인인지 구분하는 검토는 필요하다는 점을 배웠습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
과제와 예시 지시문, 실행 전 질문, 승인 값 기록, 표준 방식과의 대조는 강의에서 제공한 방식입니다. 제가 더한 부분은 이 절차 안에서 사람이 판단해야 할 지점을 놓치지 않도록 질문하고 확인한 것입니다.
첫째, 질문을 한꺼번에 받지 않고 deep-interview로 한 라운드씩 진행했습니다. 각 조건을 이해하고 승인한 뒤 다음 단계로 넘어가고자 했습니다.
둘째, AI가 질문 없이 진행한 부분에서는 멈추고 다시 묻게 했습니다. 결과가 이미 나왔더라도 사용자가 선택해야 할 조건을 건너뛰지 않도록 했습니다.
셋째, 결과값만 받지 않고 무엇이 반영되었는지, 어떤 근거로 계산했는지 물었습니다. 설정 점검과 함께 문헌·매뉴얼 확인을 요구했고, 이상 현상은 데이터로 설명하도록 했습니다.
넷째, 계산 대상별 시간 상한을 두고, 중단하기 전에는 중단에 따른 위험을 물었습니다. 검토 보고서는 제가 이해하고 판단할 수 있도록 쉬운 말로 작성하도록 요청했습니다.
핵심은 검증을 포함한 ‘질문 → 승인 → 실행 → 대조’의 흐름입니다. 필요한 질문과 승인 값, 실패 원인, 비교 결과가 남는 파이프라인이 있으면 사람의 검토 역시 수월해진다는 점을 경험했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
Claude Code 이용 환경, deep-interview 기능이 포함된 확장 도구, 사용 허가를 받은 시뮬레이션 프로그램, 활용 권한이 있는 도면과 자료가 필요합니다. Claude Code의 유료 요금제 또는 API 사용료도 고려해야 합니다.
다음과 같은 지시문으로 시작할 수 있습니다.
-시작: “이 도면으로 _를 모델링해 줘. 시작 전에 정할 것을 한 번에 한 주제씩 물어봐 줘. 내가 승인한 값만 써 줘.”
-멈춤: “방금 질문 없이 정한 것이 있나요? 있으면 다시 물어봐 줘.”
-근거 요구: “이 결과에 무엇이 반영되었는지와 계산 근거를 설명해 줘. 확인한 사실과 아직 확인하지 못한 것을 구분해 줘.”
-시간 상한: “실습이니 계산마다 ○분 안에 끝나게 해 줘.”
기록은 세 가지를 중심으로 남기면 됩니다. AI의 질문과 사용자의 답변·승인 및 시각, 실행 실패와 원인, 끝까지 확인하지 못한 사항입니다. 첨부 3에는 위 지시문을 복사해 사용할 수 있는 카드와 제가 실제로 사용한 원문을 함께 정리했습니다.
이번 사례는 교육용 자료와 사용 허가를 받은 프로그램으로 진행한 실습입니다. 그대로 따라 하는 것보다, 자신의 과제에 맞게 조건을 정하고 비교 기준을 마련하는 것이 중요합니다. AI에 작업을 맡기되, 결과를 확인할 근거와 기록도 함께 남기는 방식으로 활용할 수 있습니다.
AI 사용 및 첨부자료 안내
실습에는 Claude Code와 deep-interview 기능을 사용했으며, 이 글의 초안은 Claude의 도움을 받아 제가 확인·수정했습니다. 별도의 AI 생성 이미지는 사용하지 않았고, 첨부 그림은 실습 결과를 시각화한 자료입니다. 강의 자료·원본 도면·입력 파일은 공개 자료에 포함하지 않았습니다.
첨부 1에는 주요 수치와 실제 결과 그림을, 첨부 2에는 집계 오류 수정 전후와 발견·수정 순서를 정리했습니다. 첨부 3에는 사람이 결정한 지점과 지시문 카드를, 첨부 4에는 준비물·한계·미확인 사항·공개 및 저작권 관련 주의사항과 출처를 담았습니다.
