The Foreign Investment Law of the People’s Republic of China has attracted great attention worldwide since its adoption on March 15, 2019, and will come into force on January 1, 2020. This law can be regarded as the most important law of China in the field of foreign investment since China’s accession to the World Trade Organization. The legislation process of the foreign investment law of the People’s Republic of China has expressed the strong will of the Chinese legislature in amending and perfecting the legal system. The implementation of this law will positively impact the future investment environment of China. This article analyses the background and evolution of the legislation procedure, the highlights and features of the law compared with earlier related laws in the field of foreign investment of China, and the impact and insufficiency of the law, together with the issues following the implementation of the law.

목적 : 이 설문 연구는 의료민영화와 안경원의 법인화 문제에 대한 일반 소비자의 인식도를 조사하고 그 결과를 안경사 집단에 대한 선행연구와 비교·분석하는 것을 목적으로 하였다. 방법 : 2018년 5월부터 6월까지 서울·경기 지역에서 150명의 일반 소비자를 대상으로 의료민영화와 안경원의 법인화 문제에 대하여 대면설문조사를 실시하고 응답 결과를 통계분석 하였다. 결과 : 일반 소비자 집단은 의료민영화 문제에 대하여 일관되게 부정적인 인식을 나타내었으나, 안경원의 법인화 문제에 대해서는 부정적인 인식이 많지 않고 중립적인 응답의 비율이 매우 높았다. 안경사 집단에 대한 유사한 설문 조사 결과와 비교했을 때, 의료민영화에 대한 인식은 두 집단이 비슷했으나 안경원 법인화에 대한 인식은 큰 차이를 보였다. 결론 : 반 소비자 집단의 안경원 법인화 문제에 대한 부정적인 인식도가 높지 않으므로, 안경사 집단은 일반 소비자 집단을 대상으로 안경원 법인화 문제에 대한 적극적인 홍보를 강화할 필요가 있다.

We examined the adaptability of Korean winter forage crops such as Italian ryegrass, barley, oat, and triticale in Uzbekistan. The overall growth before wintering was slightly different between Uzbekistani and Korean varieties, but there was no significant difference among winter forage crops. The heading date of the Korean triticale 'Shinyoung' was the earliest, (April 4), and the heading date of the Uzbekistani triticale 'Frack cerebristy' was quite late, (April 25). The heading date of the Korean Italian ryegrass 'Kowinearly' was four days earlier than that of 'Kowinmaster,' on April 13, and that of the Korean barley ‘Youngyang’ and ‘Yuyeon’ were five days earlier than that of the Uzbekistani barley ‘Bolgaly’. The maximum dry matter yield of winter forage crop was from Uzbekistan triticale, 'Frack cerebristy', which was 13,536 kg/ha. The dry matter yield of Uzbekistan barley was 8,222 kg/ha. Compared with Uzbekistan barley, 'Bolgaly', yields of Korean barley 'Youngyang' and 'Yuyeon', Korean oat 'Samhan', and Korean Italian ryegrass 'Kowinearly' and 'Kowinmaster' were 59∼64%, 125%, and 113∼133%, respectively.

인공지능은 다양한 분야에서 사람을 대신하여 성과를 보여준다. 게임 분야에서도 인공지능은 다양한 방면으로 사용된다. NPC(Non Player Character) 제작, 게임 난이도, 콘텐츠 생성 등의 분야에서 활용되고 있다. 그러나 게임에서 사용되는 인공지능은 우수한 성과를 보여주며 사람을 이기기 위해 연구된다. 우수한 인공지능 모델이 게임에 존재하여 게임의 난이도가 상승하게 되면 플레이어가 게임에 흥미를 잃는 경우도 있다. 따라서 본 논문의 목적은 사람과의 대결이 아닌 사람을 서포트 하는 인공지능의 개발이다. 현재 모바일 시장의 게임에는 자동 사냥 시스템이 존재한다. 게임에서 이 시스템은 난수 방식을 사용하기 때문에 효율이 떨어진다. 그러므로 본 논문에서는 병렬구조의 DNN 모델을 사용하여 효율적인 자동 사냥 시스템을 구축한다. 새로 구축한 모델과 기존에 사용하던 난수 방식의 모델을 게임을 통해 비교한다.

To enhance the thermal properties of epoxy composites, expanded graphite (EG) was oxyfluorinated and embedded into epoxy resin as a reinforcement. The maximum thermal conductivity was obtained for epoxy composites with oxyfluorinated EG, representing a 62% increase compared to that of neat epoxy. Additionally, the glass transition temperature (Tg) and integral procedural decomposition temperature of epoxy composites with oxyfluorinated EG show the increase of 6% (4.4 °C) and 106% (264 °C), respectively, which indicated the improvement in thermal stability. These results can be attributed to the interfacial interaction between epoxy and oxyfluorinated EG, which formed strong interfacial interactions between the epoxy resin and EG due to the presence of oxygen- and fluorine-containing functional groups in oxyfluorinated EG.

경기도농업기술원에서는 2016년도에 고온기 생육 및 개화 특성이 우수한 절화용 스프레이 국화 ‘Perky Star’ 품종을 개발 하였다. 2012년도에 화색이 진한 노란색이면서 좁고 긴 설상화를 가진 ‘Sei-vista’ 품종을 모본(♀)으로, 화형이 좋은 ‘Amisa’ 품종을 부본(♂)으로 인공교배를 하였고 2014년부터 2016년까지 억제재배, 촉성재배, 가을재배 작형에서 생육 및 개화특 성을 검정하였다. 2016년 기호도 조사를 통해 최종적으로 GCS12-81-150계통을 선발하여 ‘Perky Star’로 명명하였고 2017 년에 국립종자원에 품종보호출원(제2017-64호)한 후 2018년에 품종보호권이 등록(제7465호)되었다. ‘Perky Star’ 품종은 노란 색 홑꽃형으로 고온에서 화색발현과 생육이 좋았으며 꽃잎이 두꺼워 여름철 수출품종으로 적합하다고 판단되었다. 가을재 배작형, 억제작형, 촉성작형에서 단일처리 후 개화소요일 수는 각각 49, 49, 53일, 절화장은 88.3, 84.2, 103.3cm, 꽃의 직경은 5.1, 4.8, 4.8cm, 줄기당 착화수는 25.0, 21.5, 38.8개로 고온에서 절화장과 착화수가 증가하는 경향을 보였다. 흰녹병 에 완전한 저항성을 갖지는 못한 품종이며, 자연개화 작형에서 절화수명은 21.3일로 대조품종 20.2일에 비해 조금 길었고, 5점 척도로 기호도를 조사한 결과 4.2점으로 대조품종 4.1과 비슷한 선호도를 보였다.

본 연구는 스파티필름의 수분 스트레스 정도에 따라 실내 공간 내 오염물질 제거 효율을 구명하고자 수행하였다. 식물이 없는 공간을 대조구, 정상적인 스파티필름과 수분 스트레스를 받은 스파티필름을 각각의 처리구로 하였다. 스파티필름의 수분 스트레스 유무에 따른 chamber 내 온도를 조사한 결과 대조구와 처리구 모두 식물의 생육 적정 범위인 23±1℃를 유지하였으며, 처리 간의 0.7℃의 차이를 보였다. 습도의 경우 대조구와 처리구는 유의차 있게 나타났으며, 처리 간의 유의 차는 없는 것으로 나타났다. 수분 스트레스에 따른 실내 오염 물질을 조사한 결과, 포름알데히드(Formaldehyde) 경우 대조구는 0.30mg･m-3, 정상적인 스파티필름은 0.05mg･m-3 , 수분 스트레스를 받은 스파티필름은 0.09mg･m-3으로 대조구와 처리구는 통계적으로 유의차를 보였으며, 식물 내 수분 스트레스에 따른 처리구간에는 유의차가 없었다. TVOC(Total Volatile Organic Compound)조사 결과, 정상적인 스파티필름의 TVOC는 5시간 후 0.00mg･m-3 으로 모두 제거 된 반면, 수분 스트레스를 받은 스파티필름은 0.34mg･m-3으로 다소 남아 있었으며, 대조구는 1.25mg･m-3으로 세 처리 모두 통계적으로 유의차 있게 나타났다. 또한 이산화탄소 변화량 조사결과, 대조구는 459ppm, 정상 스파티필름은 446ppm으로 통계적으로 유의한 차이는 없으며, 수분 스트레스를 받은 스파티 필름이 대조구보다 이산화탄소 함량이 다소 높았다. 기공변화율 조사 결과, 정상 스파티필름의 변화율은 높게 나타났으며, 수분 스트레스를 받은 스파티필름은 변화율이 낮은 것으로 조사되었다. 따라서, 스파티필름이 배치되어있지 않은 공간보다 배치된 공간이 공기정화에 효과적이며, 수분 스트레스를 받은 스파티필름은 실내오염물질 제거에 있어서 기공 변화율 및 이산화탄소 흡수능력이 저하되므로 스파티필름을 이용하여 효과적으로 실내오염물질을 제거하기 위해서는 적절한 수분 관리가 필요한 것으로 판단된다.

모바일 게임 시장이 스마트폰 중심으로 변화되기 시작하면서 모바일 게임에서는 오토 플레이 시스템이 적용되기 시작하였다. 오토플레이 시스템은 버튼 한번으로 게임을 자동으로 진행하는 시스템 이며 현재 거의 대부분의 모바일 게임에서 적용되었고 PC게임에서 까지 이러한 시스템이 적용되고 있다. 하지만 이러한 오토 플레이 시스템의 성능은 매우 비효율적으로 행동하고 있으며 본 논문에서는 플레이어의 행동 패턴을 기반으로 학습한 인공지능을 제안하고자 한다. 본 논문에서 제안하는 인공지능 모델은 플레이어가 게임을 진행하면서 게임 데이터와 플레이어가 입력한 버튼 값을 학습 데이터로 저장하고 학습데이터를 DNN(Deep Neural Network) 신경망 모델을 사용하여 학습하였다. 게임에서는 플레이어가 중복적으로 다른 버튼을 동시에 누르기 때문에 Output Layer를 다층으로 분류하여 학습을 진행했다. 본 논문 실험에서는 20명의 실험자들에게 제안하는 인공지능 모델을 사용함으로써 결과를 기록하였고 트랙을 일정하게 벽을 부딪치지 않고 달린 플레이어 데이터만 제대로 학습되어 결과를 얻을 수 있었고 그렇지 않은 플레이어의 데이터는 캐릭터가 제대로 이동하지 않아 결과 값을 얻을 수가 없었다. 또한 간단한 아케이드 게임을 만들어 강화학습과 비교하였으며 강화학습보다 성능은 좋지 않았지만 학습속도가 약 10배 빨랐다.