문맥 (context)
Market Insights Reports에 따르면,세계 해양 제약 시장이 매출 기준으로 2019년 219억 1,000만 달러에서 2024년 334억 3,000만 달러로 성장할 전망이다. 예측 기간 동안 연 평균 성장률은 8.8%로 전망된다. 북미는 해양 제약 분야 최대의 시장으로 2018년 33.4%의 판매 시장 점유율을 보였다. 두 번째는 유럽으로 23.3%였으며, 중국과 일본도 중요한 판매 지역이다. 예측기간 동안 아태 지역의 성장이 주목되는데, 건강 관리에 대한 인식 증가와 접근성 향상이 큰 영향을 미칠 것으로 보인다. 해양 제약에는 상어와 대구의 오일, 알긴산나트륨, 한천,키틴 등과 같이 전통적으로 사용되는 해양 생물로부터 얻은 약물 등 해양 공급원으로부터 얻은 모든 약물이 포함된다. 이 약물은 암, 심장병과 같은 다양한 질병 치료에 사용된다. 해양 생물은 약물 발견의 잠재적 원천이다. 해양 생명체는 미생물에서 척추 동물에 이르기까지 생태학적, 화학적, 생물학적 다양성이 매우 높다.
해산물 통조림 시장의 성장은 소비자에게 현대적인 편의를 제공하는 슈퍼마켓 및 대형 슈퍼마켓의 수가 증가한 데 따른 것이다. 해산물 통조림은 현대적이고 균형 잡힌 다이어트의 일부로 여겨지고 있다. 이는 음식의 질이나 소비자의 건강에 부정적인 영향을 미치지 않는 인증된 공정을 사용하여 오랜 기간 동안 자연의 풍미를 보존하는 기술을 적용하고 있기 때문이다. 유럽은 2018년 세계 해산물 통조림 시장을 주도했다. 이 지역은 해산물 통조림의 장점에 대한 인식이 높다. 중국이 주도하는 아태 지역은 가장 빠르게 성장하는 시장이 될 것으로 예상되는 반면에,이미 성숙한 시장으로 여겨지는 북미는 예측 기간 동안 상대적으로 느린 성장을 보일 것으로 예상된다. 슈퍼마켓은 해산물 통조림의 가장 일반적인 유통 채널인데, 이러한 상황은 당분간 계속될 것으로 예상된다.
영국 최대의 슈퍼마켓 체인인 아스다(ASDA)는 수산물 공급 사슬의 투명성 제고를 위해 ‘수산물 정보 공개 프로젝트’(ODP, Ocean Disclosure Project)에 참여하고 있다. 이 프로젝트는 연간 자료 공시에서 소매업 최초로 ‘양식 수산물’에 대한 세부 정보를 공개하였다. 이는 수산물 정보 공개 프로젝트에 참여한 업체들 중 자연산 수산물과 양식 수산물 모두에 대한 정보를 공개한 최초의 사례이다. 이전에 공개한 정보들은 자연산 수산물의 유통 경로, 어업 기술, 환경 영향 등의 세부 사항들이 수록되어 있었다면, 금번 자료에는 양식 수산물의 원산지, 사료 정보, 해양 생태계 및 수질에 미치는 영향 등의 환경 정보가 함께 제시되었다. 아스다는 2015년 수산물 정보 공개 프로젝트를 통해 자연산 수산물 원산지 세부 정보를 공개한 첫 번째 소매업체이며, 올해 초에는 넙치, 대구, 해덕 등을 어획한 어선의 구체적인 정보를 최초로 공개한 바 있다. 아스다 측은 소비자들에게 명확한 정보를 제공함으로써 신뢰를 향상시키는 것은 수산물 소매업계에 큰 진전이며, 앞으로 다른 유통업체도 정보 공개에 참여하는 것을 희망한다고 밝혔다.
노르웨이 연어 양식에서는 연어 이(lice)가 원활한 양식 산업 저해 요소들 중 하나이다. 이(lice) 확산 문제에 주로 화학 약품으로 대응한 결과 약품에 대한 내성이 강해지고 있다. 또한 화학 약품 잔류로 발생하는 해양환경문제에 대한 우려가 계속 증가하고 있다. 최근 노르웨이에서 시행된 한 연구는 청소부 물고기가 연어 이의 확산을 방지하고, 연어 이의 개체 수를 법령 제한선 아래로 유지 할 수 있음을 확인했다. 또한 본 연구의 연구진들은 청소부 물고기의 1년 이내 방류가 연어 이의 확산을 막는데 더욱 효과적이라고 덧붙였다. 연구진들은 2013 ~ 2018년 노르웨이 Froya섬 근처의 연어 양식장에서 총 세 번의 연어 생산 주기 동안 온도와 바람 등을 모니터링 하면서 실험을 진행하였다. 온도와 연어의 이와 개체 수간 상관 관계가 확인되었으며, 양식장 온도 관리 및 온수가 높아지는 시기적인 요소가 연어 이의 확산을 막는 데 중요하다는 연구 결과가 도출되었다. 또한 연구진들은 청소부 물고기 중 놀래기류 및 새알고기 등이 연어 양식 주기 중 1년차에 방류되는 것이 연어 이 확산을 막는데 효과적이라고 밝혔으며, 특히 새알고기는 상대적으로 크기가 큰 연어 이를 잡아먹으므로 청소부 물고기 방류 시 어종 선택도 고려되어야 한다고 지적하였다.
양식업에서 유해 조류와 플랑크톤은 양식 생산에 있어서 중대한 문제 중 하나이다. 현재까지 유해 조류 및 플랑크톤의 개체 수 모니터링은 하루에 1 ~ 2회 정도 사람이 직접 판독한 결과에 의존하고 있으며, 분석 결과에 대한 해석도 일관적이지 않은 편이다. 스코틀랜드 컨소시엄은 이러한 점을 개선하기 위하여 잠재적으로 위험한 플랑크톤과 조류에 대한 조기 경보 탐지 시스템을 개발하고 있다. 해당 컨소시엄은 해양기술공급업체 OTAQ, 애버딘 대학교 Iain Fraser 세포 계측 센터(IFCC), 스코틀랜드 SAIC(양식업 혁신 센터) 및 CENSIS(센서, 이미징 시스템 및 사물 인터넷 기술 혁신 센터)로 구성되어 있다. OTAQ는 이미징 분석을 사용하여 특정 유기체를 자동으로 샘플링하고 식별 및 계산 할 수 있는 센서 시스템을 개발 중에 있다. OTAQ의 이 시스템은 현미경 카메라 기술과 특수한 해수 샘플링 기법을 통해 취득한 이미지를 딥러닝을 통해 분석하여 어업인들에게 실시간으로 판독 값을 제공한다. 이를 통해 어업인들은 유해 조류 및 플랑크톤 확산을 막기 위해 영향 지역 해수 흐름을 차단하거나 양식 사료 공급을 중단하는 등의 중대한 조치를 취할 시 해당 정보를 유용하게 사용할 것으로 보인다.
스코틀랜드 해양과학협회의 조지나 로빈슨(GeorginaRobinson)박사는 음식물 쓰레기 문제에 해삼을 적용하는 기술을 개발하여 향후 6년간 120만 파운드의 연구비를 지원 받는다. 이 기술은 음식물 쓰레기를 해삼의 먹이로 공급하여 해삼을 고단백질 사료원으로 사용하게끔 하는 기술이다. 기존에는 질소 가스 등을 활용하여 음식물 쓰레기 처리 문제에 대응하였으나, 질소 가스의 가치를 고려할 시 비용 낭비가 큰 편이었다. 이 기술은 해삼에 탄소를 공급하는 동시에 산소는 제거하면서 해삼의 질소 흡수를 촉진하여 해삼이 주변 토양 또는 침전물을 단백질로 전환시키는데 도움을 주는 원리이다. 또한 로빈슨 박사는 미생물이 침전물 등을 분해하면서 생성한 에너지는 지속 가능한 전기 공급원으로 활용될 수 있다고 덧붙였다.
최근 일본 포경선이 홋카이도 북부 연안에 밍크(Minke)고래 포획을 재개한 이후로 올해 9월경 고래 포획량 쿼터(제한)에 도달할 것으로 전망된다. 2019년 7월, 31년 만에 처음으로 상업적 포경을 재개한 이래로 일본 정부는 고래 남획을 예방하기 위해 12월 말까지 53마리의 밍크 고래 할당량을 설정(그 중 33마리는 연안지역 포경에 할당)하여 오버헌팅을 방지하고 있다. 브라이드 고래(bryde'swhale)의 초기 포획량 쿼터인 150마리는 올해 8월에 이미 도달하여, 일본 정부는 쿼터에 37마리를 추가하였다. 일반적으로 9월에 포획된 밍크 고래는 풍부한 지방산을 함유하고 있어 시장 가치가 높기 때문에 포획 이동 시기 집중되며, 이에 따라 포획량 쿼터에도 상당한 영향을 준 것으로 판단된다.
지시문 (instruction)
다음 문맥을 읽고 질문에 답하시오.
질문 (question)
스코틀랜드 컨소시엄이 개발 중인 조기 경보 탐지 시스템에 사용되는 딥러닝 기술의 구체적인 알고리즘 명칭은 무엇인가?
추론 과정 (compact_reasoning)
-
1과제 해석
task_interpretation질문은 스코틀랜드 컨소시엄이 개발 중인 조기 경보 탐지 시스템에서 활용되는 딥러닝 기술의 구체적인 알고리즘 명칭을 찾는 것이다.
-
2정보 추출
information_extraction문맥에서 스코틀랜드 컨소시엄, 조기 경보 탐지 시스템, OTAQ, 딥러닝 분석과 관련된 정보를 추출한다.
- 스코틀랜드 컨소시엄은 이러한 점을 개선하기 위하여 잠재적으로 위험한 플랑크톤과 조류에 대한 조기 경보 탐지 시스템을 개발하고 있다.
- OTAQ의 이 시스템은 현미경 카메라 기술과 특수한 해수 샘플링 기법을 통해 취득한 이미지를 딥러닝을 통해 분석하여 어업인들에게 실시간으로 판독 값을 제공한다.
-
3근거 선택
evidence_selectionOTAQ가 딥러닝을 사용하여 이미지를 분석한다는 사실은 명시되어 있으나, 사용된 딥러닝의 구체적인 알고리즘에 대한 정보는 누락되어 있다.
- 이미지를 딥러닝을 통해 분석하여
-
4논리 통합
logical_integration문맥을 종합하면 OTAQ가 개발 중인 시스템이 딥러닝을 활용한다는 점은 알 수 있지만, 해당 기술의 세부적인 알고리즘 명칭까지는 도출할 수 없다.
-
5결론 도출
conclusion_formulation질문이 요구하는 '구체적인 알고리즘 명칭'은 문맥에 언급되지 않았으므로 답을 결정할 수 없다.
-
6답변 생성
answer_generation주어진 문맥만으로는 답을 확인할 수 없다는 최종 답변을 생성한다.
최종 답변 (final_answer)
주어진 문맥만으로는 답을 확인할 수 없다.
분석 (analysis)
문맥에는 OTAQ가 딥러닝을 통해 이미지를 분석하여 실시간 판독 값을 제공한다는 사실이 명시되어 있으나, 사용된 딥러닝의 구체적인 알고리즘 명칭은 언급되지 않았다. 따라서 질문에 답하기 위해서는 외부 지식이 필요하다.