프롤로그: 흐릿함 속에 숨겨진 명확한 시그널 전자현미경(EM) 실험을 처음 시작하는 연구자들이 마주하는 가장 큰 당혹감은 ‘초점’에 대한 고정관념에서 옵니다. 광학 현미경의 세계에서는 초점이 맞을수록 이미지가 선명해지지만, 전자현미경의 세계에서는 의도적으로 초점을 어긋나게 하는 디포커스(Defocus) 가 정보의 양을 결정하기 때문입니다. 특히 1.5 μm 내외의 언더 포커스(Under-focus)에서 나타나는 특유의 ‘흐릿함’은 실패한 이미지가 아니라, 시료의 형태 정보를 극대화하기 위한 물리적 전략의 결과입니다. 1. 시그널 형성의 근본적 차이: Phase vs. Amplitude 구조 분석에 사용하는 두 가지 핵심 기법인 크라이오 이엠(Cryo-EM)과 네거티브 스테인(Negative Stain)은 전자가 시료와 상호작용하여 이미지를 형성하는 메커니즘 자체가 근본적으로 다릅니다. ...

프롤로그: 데이터 유실, 그 예고 없는 재앙에 대비하기 연구자에게 데이터는 곧 시간과 자산입니다. 특히 수백 기가바이트(GB)에서 테라바이트(TB) 단위의 원천 데이터를 다루는 Cryo-EM 연구 환경에서는 하드웨어 장애나 실수로 인한 데이터 삭제가 치명적인 결과를 초래합니다. 상용 클라우드는 용량과 비용 문제로 대용량 연구 데이터를 모두 담기 어렵기에, 개인 워크스테이션 내의 보조 스토리지나 외부 서버로 데이터를 주기적이고 자동적으로 복제하는 시스템을 갖추는 것이 필수적입니다. 1. 왜 Rsync인가? 효율적인 증분 백업의 강점 리눅스 환경에서 가장 신뢰받는 백업 도구인 **Rsync(Remote Sync)**는 다음과 같은 이유로 연구자에게 최적입니다. ...

1. 도시의 중력, 그리고 선택의 필연성 연말의 뉴욕은 누군가에게는 낭만이지만, 누군가에게는 치열한 생존의 현장입니다. 타임스퀘어를 가득 메운 인파를 보고 있으면, 마치 거대한 중력에 이끌려온 소행성들 같습니다. 저마다의 사연을 품고 이 도시로 모여들지만, 그 대가는 가혹합니다. 천정부지로 치솟는 숙박비와 살인적인 물가. 이 화려한 도시가 요구하는 입장료는 만만치 않습니다. 드라마 <보좌관>의 대사처럼, “모든 선택에는 대가가 따르지만, 그 결과를 바꾸는 것은 결국 전략"입니다. 단순히 비싼 값을 치르고 잠자리를 구하는 것은 패배에 가깝습니다. 저는 이 도시의 소음 한복판에서 나를 지켜낼 요새가 필요했고, 동시에 그 비용을 시스템 안에서 녹여낼 수 있는 최적의 ‘수’를 찾아야 했습니다. 그렇게 선택한 곳이 인터콘티넨탈 뉴욕 타임스퀘어였습니다. ...

프롤로그: 갑자기 작동하지 않는 git push 리눅스 워크스테이션에서 연구용 코드나 블로그 포스트를 업데이트하던 중, 평소처럼 사용하던 GitHub 아이디와 패스워드를 입력했는데 다음과 같은 에러 메시지를 마주할 때가 있습니다. remote: Support for password authentication was removed on August 13, 2021. remote: Invalid username or token. Password authentication is not supported for Git operations. 이는 GitHub이 보안 강화를 위해 일반 패스워드 기반의 인증 방식을 완전히 중단하고, 개인 액세스 토큰(Personal Access Token, PAT) 또는 SSH 키 방식만 허용하도록 정책을 변경했기 때문입니다. ...

프롤로그: 구조 생물학의 패러다임 변화 2024년 5월, 구글 딥마인드(Google DeepMind)의 AlphaFold 3(이하 AF3) 발표는 구조 생물학계에 다시 한번 큰 화두를 던졌습니다. 단백질-단백질 상호작용을 넘어 DNA, RNA, 리간드 및 이온과의 결합 구조까지 예측 범위가 확장되면서, 일각에서는 실험을 통한 구조 결정의 시대가 끝났다는 전망을 내놓기도 합니다. 그러나 실제 연구 현장에서 Cryo-EM(초저온 전자현미경)을 통해 복합체 구조를 분석하는 실무자의 관점에서, AF3는 실험을 대체하는 수단이 아닌 실험의 효율성을 극대화하는 강력한 보완재에 가깝습니다. 1. AlphaFold 3의 기술적 진보: Diffusion 모델의 도입 AF3의 가장 큰 변화는 기존 AlphaFold 2의 Transformer 기반 아키텍처에서 Diffusion 모델로의 전환입니다. 이를 통해 다음과 같은 기술적 진보를 이뤄냈습니다. ...

연구자에게 논문은 식량과 같지만, 매일 쏟아지는 수백 편의 논문을 모두 정독하기에는 물리적 시간이 턱없이 부족합니다. 특히 실험과 데이터 분석을 병행해야 하는 환경에서 ‘읽을 만한 논문’을 골라내는 선별 작업(Screening)만으로도 지치기 마련입니다. 본 포스팅에서는 자가 구축한 Nextcloud-개인서버와 구글의 최신 모델인 Gemini 2.5 Flash API를 결합하여, 논문을 특정 폴더에 던져두기만 하면 AI가 즉시 분석 리포트를 작성해 주는 ‘AI 논문 사서’ 시스템 구축 과정을 상세히 공유합니다. 1. 시스템 설계: 왜 ‘요약’이 아니라 ‘스크리닝’인가? 많은 AI 도구들이 논문 전체 요약을 시도하지만, LLM의 특성상 서론만 읽고 결론을 지어내는 환각(Hallucination) 현상을 피하기 어렵습니다. ...

프롤로그: 왜 텍스트 설정(Conf)인가? 지난 포스팅에서 Docker로 Nextcloud를 구축했습니다. 이제 외부 접속을 위해 웹 서버(Nginx)를 연결할 차례입니다. Nginx Proxy Manager(NPM) 같은 GUI 도구는 편리하지만, 시스템 리소스를 추가로 소모하고 문제 발생 시 디버깅이 어렵습니다. 반면, 리눅스 표준 방식인 설정 파일(.conf)을 직접 관리하면 가볍고 유연하며, 서버의 동작 원리를 정확히 파악할 수 있습니다. 이 글에서는 우분투(Ubuntu) 환경에서 Native Nginx를 설치하고, 설정 파일을 작성하여 Docker 컨테이너와 연결한 뒤, Certbot으로 HTTPS를 적용하는 전체 과정을 상세히 기록합니다. ...

프롤로그: 데이터를 프라이빗하게 관리하기 위해서 이전 포스팅에서 우리는 **넥스트클라우드(Nextcloud)를 활용한 지식 관리 워크플로우**를 다루었습니다. 그렇다면 이 넥스트클라우드를 내 컴퓨터(워크스테이션)에 어떻게 설치해야 할까요? 전통적인 방식(APM 소스 설치)은 복잡하고 시스템을 지저분하게 만듭니다. 2025년 현재, 가장 표준적이고 깔끔한 방법은 **도커(Docker)**를 사용하는 것입니다. 이 글에서는 Docker Compose를 이용해 단 10분 만에 나만의 클라우드를 구축하는 법을 소개합니다. 준비물 OS: 리눅스 (Ubuntu 22.04/24.04 권장) 혹은 macOS, Windows (WSL2) 필수 도구: Docker 및 Docker Compose 설치 완료 혹시 Docker가 없다면 아래 명령어로 빠르게 설치할 수 있습니다. (Ubuntu 기준) ...

프롤로그: 우리는 왜 기록에 실패하는가? 연구자, 특히 실험과 데이터 분석을 병행하는 포닥의 일상은 혼돈 그 자체입니다. 아침에 읽은 논문의 핵심 아이디어, 점심시간에 떠오른 실험 수정 방안, 퇴근길에 생각난 코딩 알고리즘이 머릿속을 스쳐 지나갑니다. 우리는 이 생각들을 붙잡기 위해 수많은 노트 앱을 사용하고 지나쳐갑니다. 에버노트, 노션, 구글 킵, 그리고 최근 각광받는 옵시디언(Obsidian)까지. 하지만 저는 항상 두 가지 문제에 봉착했습니다. 동기화의 번거로움: 보안이 중요한 연구 데이터를 상용 클라우드에 올리기는 찜찜하거나, 매번 싱크(Sync) 설정을 맞추는 것이 귀찮습니다. 정리의 압박: “옵시디언은 제텔카스텐(Zettelkasten) 방식으로 써야 해"라는 강박 때문에, 막상 글을 작성하는 것을 주저하게 됩니다. 그래서 저는 결심했습니다. 수집은 가장 게으르게, 정리는 AI에게, 저장은 가장 완벽하게 하는 시스템을 만들기로요. 제 개인 워크스테이션과 생성형 AI(Gemini/ChatGPT)를 활용한 저만의 하이브리드 워크플로우를 공유하려고 합니다. ...