Dev veri ac loss

.github/copilot-instructions.md

@@ -0,0 +1,48 @@
+# Emlab_emach Agent Operating Instructions
+
+## Core Intent
+- Prioritize real code development tasks from the Dev Plan over frequent Notion polling.
+- Use Notion as workflow/state tracking, not as the main work loop.
+- This workspace is non-ML-training mode overnight. Do not start or queue heavy model training jobs.
+
+## Nightly Development Routine
+1. Read current Dev Plan items and pick the next actionable coding task.
+2. Before any code edit, review recent repository commits from other servers/contributors and summarize implications.
+3. Cross-check commit findings with current Notion plan rows and create a short execution plan for this cycle.
+4. If recent commit summary evidence is missing, do not auto-hold by default: use Notion plan-only review fallback and record the fallback reason in notes.
+5. Set task state to `진행 중` when work starts.
+6. Implement code changes in this repository.
+7. Run minimal validation (lint/smoke/syntax/tests relevant to touched files).
+8. Record evidence (file paths, test result summary, and if available commit hash).
+9. On task end:
+- `완료` when acceptance conditions are met.
+- `홀드` when interrupted, blocked, or unfinished.
+
+## Notion DB Update Policy
+- Use environment variables only: `NOTION_TOKEN`, `NOTION_DATABASE_ID`, `EMACH_SERVER_ID`.
+- Keep state transitions deterministic:
+- Start: `진행 중`
+- Success: `완료`
+- Interrupted/Unfinished: `홀드`
+- Update row metadata when possible:
+- `커밋해시`: latest relevant commit short hash
+- `검증완료`: true only when task is truly done
+- `동기화일`: current date
+- `비고`: short routine note + evidence
+
+## Commit and Evidence Policy
+- Prefer small, focused commits for each completed task.
+- Commit message should include action context (e.g., Action number/title).
+- If no commit was made, write explicit reason in note/evidence.
+
+## Safety and Scope
+- Do not run ML training workloads in overnight automation for this workspace.
+- Avoid destructive git operations.
+- Do not revert unrelated user changes.
+- Keep edits minimal and tied to active plan items.
+
+## Priority Order
+1. Unblocked code tasks that improve the running product/workflow.
+2. Validation and regression prevention for touched areas.
+3. Notion status/evidence sync.
+4. Documentation updates tied to completed code work.

.github/instructions/git-notion-sync.instructions.md

@@ -0,0 +1,27 @@
+---
+description: "Use when: working on eMach tasks that require Git evidence and Notion status consistency."
+applyTo: "**/*"
+---
+# eMach Git/Notion Sync Instruction
+
+Apply these rules for eMach task execution.
+
+## Core policy
+- Git is source of truth for code state.
+- Notion DB is source of truth for task status, assignment, and priority.
+- Mark a task as complete only when commit hash or PR URL evidence exists.
+- Do not delete prior task history; use status transitions and notes.
+
+## Mandatory metadata updates
+- Always keep sync date and server ID updated.
+- On completion, include commit hash and evidence URL.
+- If blocked, keep verification false and add blocker reason.
+
+## Role handoff baseline
+- IMPLEMENTER: code + tests + commit/push
+- REVIEWER: regression-risk first review and verification gate
+- DOCS-SYNC: align Notion with Git evidence
+
+## Safety
+- Never mark done without evidence.
+- Keep updates idempotent and append reason in notes when overriding state.

.github/legacy_docs/2026-04-03/Class/pyMotorGeo/plan-airgapRecoveryAndDocsAlignment.prompt.md

@@ -0,0 +1,53 @@
+## Plan: Airgap 복원 및 문서 정합성 회복
+
+CAD 인식 저하의 직접 원인인 analysis_airgap 문법 붕괴와 임포트 경로 불일치를 먼저 복구하고, 그 다음 리팩토링 문서와 PUML을 현재 코드 기준으로 정합화한다. 기능 복구를 최우선으로 두고, 문서/다이어그램은 코드 기준 단일 진실원칙으로 맞춘다.
+
+**Steps**
+1. Phase 1: Airgap 모듈 복원
+2. [Class/pyMotorGeo/analysis_airgap.py](Class/pyMotorGeo/analysis_airgap.py)에서 stray docstring 경계와 깨진 블록을 정리해 파싱 가능 상태로 복구한다.
+3. [Class/pyMotorGeo/analysis_airgap.py](Class/pyMotorGeo/analysis_airgap.py)의 import 스타일을 패키지 전체 관례와 통일한다. 필요 시 from .core / from core 양쪽 실행 경로를 지원하는 방식을 택한다.
+4. Phase 2: 기능 회귀 검증
+5. py_compile 및 최소 임포트 체인을 검증하고, 에어갭 추정 핵심 함수 find_airgap_radius, find_airgap_by_arc_span, split_stator_rotor_by_arc_span를 실제 DXF 입력 흐름으로 재검증한다. depends on 1.
+6. [Class/pyMotorGeo/test_refactoring_notebook.ipynb](Class/pyMotorGeo/test_refactoring_notebook.ipynb)와 [mlxperPJT/pyMotorGeo_v1.ipynb](mlxperPJT/pyMotorGeo_v1.ipynb)의 airgap 관련 셀을 재실행해 CAD 분리 정확도와 후속 단계 연동을 확인한다. depends on 5.
+7. Phase 3: Markdown 정합화
+8. 조사 결과 기준으로 리팩토링 문서의 모순을 수정한다: 완료율/단계 상태, 링크, 오타, 중복 설명. parallel with 6.
+9. 우선 수정 파일: [REFACTORING_PROGRESS.md](REFACTORING_PROGRESS.md), [README_REFACTORING_COMPLETE.md](README_REFACTORING_COMPLETE.md), [MIGRATION_GUIDE.md](MIGRATION_GUIDE.md), [REFACTORING_COMPLETION_REPORT.md](REFACTORING_COMPLETION_REPORT.md).
+10. Phase 4: PUML 정합화
+11. 클래스명 및 함수명 불일치를 현재 코드 기준으로 교정한다. 특히 함수형 모듈을 클래스처럼 그린 부분을 명확히 정리한다. depends on 1.
+12. 우선 수정 파일: [Class/pyMotorGeo_Architecture.puml](Class/pyMotorGeo_Architecture.puml), [Class/pyMotorGeo_CompletionStatus.puml](Class/pyMotorGeo_CompletionStatus.puml). 이후 [Class/pyMotorGeo_Dependencies.puml](Class/pyMotorGeo_Dependencies.puml), [Class/pyMotorGeo_Workflow.puml](Class/pyMotorGeo_Workflow.puml), [Class/pyMotorGeo_DataTransform.puml](Class/pyMotorGeo_DataTransform.puml) 순으로 정렬한다.
+13. Phase 5: 최종 검증 및 리포트
+14. Python 문법/임포트 검증, 노트북 핵심 셀 재실행, 문서 링크/용어 일관성, PUML 렌더링 가능성을 최종 점검한다. depends on 8 and 11.
+15. 결과를 기존 실행 보고서에 델타 형태로 반영하거나 별도 점검 보고서로 요약한다.
+
+**Relevant files**
+- [Class/pyMotorGeo/analysis_airgap.py](Class/pyMotorGeo/analysis_airgap.py) — 공극 탐지 및 분리 핵심 로직 복원 대상
+- [Class/pyMotorGeo/analysis.py](Class/pyMotorGeo/analysis.py) — analysis_airgap 재수출/호출 체인 확인
+- [Class/pyMotorGeo/__init__.py](Class/pyMotorGeo/__init__.py) — 패키지 임포트 체인 확인
+- [Class/pyMotorGeo/test_refactoring_notebook.ipynb](Class/pyMotorGeo/test_refactoring_notebook.ipynb) — 리팩토링 검증 노트북
+- [mlxperPJT/pyMotorGeo_v1.ipynb](mlxperPJT/pyMotorGeo_v1.ipynb) — 실제 CAD 분석 워크플로 노트북
+- [REFACTORING_PROGRESS.md](REFACTORING_PROGRESS.md) — 상태 모순 정리 1순위
+- [README_REFACTORING_COMPLETE.md](README_REFACTORING_COMPLETE.md) — 링크/문구 정리
+- [MIGRATION_GUIDE.md](MIGRATION_GUIDE.md) — 오타/깨진 표기 정리
+- [REFACTORING_COMPLETION_REPORT.md](REFACTORING_COMPLETION_REPORT.md) — 중복/정합화
+- [Class/pyMotorGeo_Architecture.puml](Class/pyMotorGeo_Architecture.puml) — 클래스/함수 불일치 교정 핵심
+- [Class/pyMotorGeo_CompletionStatus.puml](Class/pyMotorGeo_CompletionStatus.puml) — 단계 상태 정합화
+- [Class/pyMotorGeo_Dependencies.puml](Class/pyMotorGeo_Dependencies.puml) — 의존성 관계 검증
+- [Class/pyMotorGeo_Workflow.puml](Class/pyMotorGeo_Workflow.puml) — 파이프라인 명칭 정합화
+- [Class/pyMotorGeo_DataTransform.puml](Class/pyMotorGeo_DataTransform.puml) — 데이터 흐름 타입 정합화
+
+**Verification**
+1. python -m py_compile [Class/pyMotorGeo/analysis_airgap.py](Class/pyMotorGeo/analysis_airgap.py) 성공 확인
+2. 패키지 임포트 체인 검증: pyMotorGeo import 및 analysis_airgap 함수 호출 smoke test
+3. 두 노트북에서 airgap/분리/토폴로지 핵심 셀 재실행 후 예외 0건 확인
+4. Markdown 상호 참조 링크 점검 및 상태 수치 일치 확인
+5. PUML 파일 렌더 문법 점검 및 클래스/함수 명칭 정합성 체크리스트 통과
+
+**Decisions**
+- 포함 범위: airgap 복원, markdown 정합화, puml 정합화
+- 제외 범위: 새로운 분석 알고리즘 설계, UI 재디자인, 성능 최적화 대공사
+- 우선순위: 실행 가능성 회복 analysis_airgap > 노트북 회귀 검증 > 문서/다이어그램 정합화
+
+**Further Considerations**
+1. import 정책 고정 필요: 패키지 실행 우선(relative) vs 노트북 직접 실행 우선(absolute). 권장: 양쪽 호환 래퍼 방식.
+2. 문서 단일 진실원칙: 진행 문서 1개를 기준으로 하고 나머지는 요약/링크 중심으로 축소 권장.
+3. PUML 유지 전략: 아키텍처 다이어그램은 클래스/함수 혼합 표기를 명시해 향후 회귀 방지.

.github/legacy_docs/2026-04-03/Plan/MotorAI/motor_ai_roadmap_bygemini.md

@@ -0,0 +1,106 @@
+# 🚀 Web-native 모터 AI 솔루션 개발 로드맵 및 아키텍처
+
+**목표:** Motor-CAD/Ansys 데이터를 기반으로 학습된 FNO(PhysicsNemo) 모델과 NVIDIA Warp 솔버를 결합하여, 웹에서 네이티브급 성능으로 구동되는 인터랙티브 3D CAE 플랫폼 구축
+
+---
+
+분기,월,주요 목표,상세 활동 및 학습 포인트
+1분기: 기반 구축 및 프로토타입,1월,데이터 어댑터 구축,.h5 데이터를 PyVista/VTK 객체로 변환하는 클래스 설계. 학습용 데이터와 시각화 데이터 스펙 동기화.
+,2월,Streamlit 대시보드,stpyvista를 활용해 내부 분석용 3D 뷰어 완성. Motor-CAD 아웃풋 시각화 자동화.
+,3월,Babylon.js 입문,TypeScript 환경 설정 및 빈 화면에 모터 3D Mesh(.stl/.obj) 로딩 및 카메라 제어.
+2분기: 고성능 시각화 엔진,4월,데이터 스트리밍 최적화,FastAPI를 이용해 .h5 수치 데이터를 바이너리(Float32Array)로 프론트엔드에 전달하는 파이프라인 구축.
+,5월,Custom Shader 개발,GLSL 학습. 서버에서 온 물리량(자속 밀도 등)을 쉐이더에서 실시간 컬러 맵(Contour)으로 렌더링.
+,6월,인터랙티브 UI 완성,"실시간 단면 절단(Clipping), 노드별 수치 툴팁, 컬러바(Scalar Bar) 연동 등 CAE 기본 UX 구현."
+3분기: 물리 솔버 및 AI 통합,7월,NVIDIA Warp 도입,파이썬 기반 Warp 커널 작성 시작. 간단한 전자기력 계산 로직을 GPU 가속 버전으로 구현.
+,8월,FNO 추론 서버 연동,"학습된 FNO 모델을 FastAPI에 올리고, 웹에서 입력 변수 변경 시 '즉시 추론-즉시 시각화' 연결."
+,9월,Differentiable Physics,"Warp의 미분 가능 특성을 이용해, 특정 성능(토크 등)을 만족하는 형상 가이드 기능 프로토타입."
+4분기: 최적화 및 상용화 준비,10월,WebAssembly 가속,무거운 전처리 로직을 C++/Rust로 작성 후 Wasm으로 컴파일하여 브라우저 실행 속도 극대화.
+,11월,WebGPU 전환 검토,WebGL2 한계를 넘는 대규모 데이터 처리를 위해 차세대 API(WebGPU) 적용 및 성능 튜닝.
+,12월,솔루션 패키징,"Docker 기반 배포 환경 구축, 최종 성능 벤치마크 및 1인 개발 결과물(IP) 문서화."
+
+2. [중장기 로드맵] 3년 및 5년 비전
+3년 로드맵: 멀티피직스(Multi-physics) 툴체인 완성
+
+확장: 자기장 해석을 넘어 열-구조 강성 해석까지 통합하는 AI 모델 확장.
+
+협업 플랫폼: 클라우드 기반으로 다수의 설계자가 동시 접속하여 설계를 리뷰하고 최적화하는 SaaS 형태로 진화.
+
+자동화: 최적 설계 알고리즘(MDAO)과 AI 에이전트를 결합하여, 목표 사양 입력 시 AI가 100개 이상의 후보 안을 자동 설계.
+
+5년 로드맵: 지능형 자율 설계 플랫폼 (Autonomous Design)
+
+생성형 설계(Generative Design): 기존 형상을 수정하는 수준을 넘어, 물리적 위상 최적화를 통해 완전히 새로운 형태의 고효율 모터 형상 제안.
+
+제조 연동: 설계 결과가 생산 공정(권선 장비, 적층 제조 등)의 제어 파라미터와 즉시 연동되는 디지털 트레드(Digital Thread) 완성.
+
+산업 표준: 특정 도메인(드론, UAM)에서 상용 툴을 대체하거나 보완하는 독자적인 물리 AI 표준 엔진으로 자리매김.
+
+3. 기술 스택 아키텍처 및 학습 UML (Monthly Study Guide)
+매달 기술 스택을 뽀개갈 때 참고할 수 있는 시스템 구조도입니다. 각 레이어의 연결 관계를 이해하는 것이 핵심입니다.
+
+[System Architecture Flow]
+Data Source Layer: Motor-CAD, Maxwell 등의 데이터를 .h5 및 .vtu로 표준화.
+
+AI/Compute Layer (Python/GPU): * PyTorch/FNO: 학습 및 추론 엔진.
+
+NVIDIA Warp: 실시간 물리 연산 및 미분 가능 솔버.
+
+Backend Layer (FastAPI): 데이터 가공 및 Binary 데이터(Buffer) 전송.
+
+Frontend Layer (Web Browser): * TypeScript: 전체 로직 제어.
+
+Babylon.js: 3D 렌더링 엔진.
+
+Shader (GLSL): GPU 내 시각화 처리.
+
+WebAssembly: 복잡한 지오메트리 계산 가속.
+
+💡 .h5 학습 코드 리팩토링 및 팁
+질문하신 .h5 코드를 VTK/PyVista용으로 리팩토링할 필요성에 대해:
+
+학습 코드는 유지, 'Exporter'만 추가: 현재의 .h5 구조는 학습에 최적화되어 있으므로 건드리지 마세요. 대신, 학습 루프가 끝난 뒤나 데이터 로딩 직후에 pyvista.UnstructuredGrid 객체로 변환해주는 전용 모듈을 하나 만드시는 것을 강력히 추천합니다.
+
+이유: PyVista로 리팩토링(또는 어댑터 추가)을 해두면, 나중에 웹으로 넘길 때 필요한 **'정점 연결 정보(Cells/Topology)'**와 **'노드 물리량(Point Data)'**을 관리하기가 10배는 쉬워집니다.
+
+추천 실습: 1. 에이전트에게 "내 .h5의 points와 cells 데이터를 PyVista UnstructuredGrid로 변환해서 .vtu 파일로 저장하는 코드 짜줘"라고 시켜보세요.
+2. 저장된 .vtu를 ParaView에서 열어보는 것이 웹 시각화로 가기 위한 첫 번째 검증 단계입니다.
+
+## 1. 아키텍처 및 데이터 파이프라인 (UML)
+
+아래 다이어그램은 한 달 단위로 격파해 나갈 기술 스택의 흐름과 컴포넌트 간의 관계를 보여줍니다.
+
+```mermaid
+graph TD
+    subgraph "Phase 1: Data & Prototyping (Month 1-3)"
+        A[Motor-CAD / Ansys Data] -->|.h5 / .msh| B(Data Adapter: PyVista / VTK)
+        B -->|Python| C[Streamlit 3D Dashboard]
+    end
+
+    subgraph "Phase 3: AI & Custom Solver (Month 7-9)"
+        D[PhysicsNemo / FNO Model]
+        E[NVIDIA Warp Custom Kernel]
+        B -.->|Training Data| D
+        D <-->|Differentiable Physics| E
+    end
+
+    subgraph "Phase 2: Backend Streaming (Month 4-6)"
+        F[FastAPI Server]
+        D -->|Inference Result| F
+        E -->|Physics Calculation| F
+    end
+
+    subgraph "Phase 4: Web-Native Frontend (Month 10-12)"
+        G[TypeScript / React]
+        H[Babylon.js 3D Engine]
+        I[Custom Shaders: GLSL]
+        J[WebAssembly: C++/Rust]
+
+        F == Float32Array Stream ==> G
+        G --> H
+        H -->|Contour / Clipping| I
+        H <-->|Heavy Geometry Ops| J
+    end
+
+    style A fill:#f9f,stroke:#333,stroke-width:2px
+    style E fill:#bbf,stroke:#333,stroke-width:2px
+    style H fill:#bfb,stroke:#333,stroke-width:2px