.Google Scientists Discovered 380,000 New Materials Using Artificial Intelligence
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
https://www.facebook.com/junggoo.lee.54
.Google Scientists Discovered 380,000 New Materials Using Artificial Intelligence
Google 과학자들이 인공 지능을 사용하여 380,000개의 새로운 물질을 발견했습니다
주제:인공지능크리스탈암사슴Google로렌스 버클리 국립 연구소기계 학습재료과학인기 있는 작성자 로렌스 버클리 국립 연구소 2024년 1월 16일 미래의 크리스탈을 들고 있는 로봇 신소재에 대한 개방형 데이터베이스인 Materials Project는 Google DeepMind가 400,000개의 새로운 화합물을 제공하면서 연구자들이 미래 기술을 위한 소재를 발견하고 개발하는 방식에 혁명을 일으키고 있습니다.
AI, 슈퍼컴퓨팅 및 실험 데이터의 이러한 시너지 효과는 재생 에너지, 효율적인 전자 제품 및 환경 솔루션과 같은 응용 분야를 위한 재료 생성 속도를 높입니다. (아티스트 컨셉). 신용: SciTechDaily.com 오픈 액세스 리소스의 확장은 과학자들이 미래 기술을 위한 새로운 소재를 개발하는 데 중요한 역할을 합니다. 기술의 새로운 발전으로 인해 종종 새로운 재료의 개발이 필요하게 됩니다.
슈퍼컴퓨터와 고급 시뮬레이션 덕분에 연구자들은 시간이 많이 걸리고 종종 비효율적인 시행착오 과정을 우회할 수 있습니다. 재료 프로젝트, 에너지부 는 2011년에 알려진 물질과 예측된 물질의 특성을 모두 계산합니다. 연구자들은 미래 기술을 위한 유망한 소재에 집중할 수 있습니다. 자동차의 연비를 향상시키는 더 가벼운 합금, 재생 가능 에너지를 강화하는 보다 효율적인 태양 전지, 차세대 컴퓨터를 위한 더 빠른 트랜지스터 등을 생각해 보세요.
로렌스 버클리 국립 연구소(Berkeley Lab) 이제 Google의 인공 지능 연구소인 Google DeepMind는 재료 프로젝트에 약 400,000개의 새로운 화합물을 제공하여 연구자들이 활용할 수 있는 정보의 양을 확대하고 있습니다. 데이터 세트에는 물질의 원자 배열 방식(결정 구조)과 물질의 안정성(형성 에너지)이 포함됩니다. 재료 프로젝트는 재료의 원자 구조를 시각화할 수 있습니다. 이 화합물(Ba₆Nb₇O2₁)은 GNoME이 계산한 새로운 재료 중 하나입니다. 바륨(파란색), 니오븀(흰색), 산소(녹색)가 포함되어 있습니다. 출처: 재료 프로젝트/버클리 연구소
버클리 연구소 재료 프로젝트의 창립자이자 이사이자 UC 버클리 교수인 크리스틴 페르손(Kristin Persson)은 “지구 환경 및 기후 문제를 해결하려면 새로운 재료를 만들어야 합니다.”라고 말했습니다. “재료 혁신을 통해 우리는 잠재적으로 재활용 가능한 플라스틱을 개발하고, 폐기물 에너지를 활용하고, 더 나은 배터리를 만들고, 더 오래 지속되는 더 저렴한 태양광 패널을 만들 수 있습니다.” 재료 발견에서 GNoME의 역할 새 데이터를 생성하기 위해 Google DeepMind는 재료 탐색을 위한 그래프 네트워크(GNoME)라는 딥 러닝 도구를 개발했습니다.
-연구원들은 Materials Project에서 10년 이상 개발한 작업흐름과 데이터를 사용하여 GNoME를 훈련시켰고, 능동 학습을 통해 GNoME 알고리즘을 개선했습니다. GNoME 연구원들은 궁극적으로 재료 프로젝트에 추가하고 예측하는 380,000개를 포함하여 220만 개의 결정 구조를 생산하여 안정적이므로 미래 기술에 잠재적으로 유용할 것으로 예상합니다. Google DeepMind의 새로운 결과는 최근 Nature 저널에 게재되었습니다.
실험실 인공지능이 유도하는 로봇은 머티리얼 프로젝트에서 예측한 40개 이상의 신소재를 만들어냈다. GNoME의 데이터는 예측된 재료가 안정적인지 여부를 추가로 확인하는 데 사용되었습니다. 출처: Marilyn Sargent/Berkeley Lab
GNoME의 계산 중 일부는 재료 프로젝트의 데이터와 함께 인공 지능이 로봇에게 새로운 재료를 만들도록 안내하는 Berkeley Lab의 시설인 A-Lab을 테스트하는 데 사용되었습니다. Nature에도 게재된 A-Lab의 첫 번째 논문은 자율 연구실이 최소한의 인간 입력으로 새로운 물질을 빠르게 발견할 수 있음을 보여주었습니다. 17일 동안 독립적으로 운영된 A-Lab은 58개의 시도 중 41개의 새로운 화합물을 성공적으로 생산했습니다. 이는 하루에 2개 이상의 새로운 재료가 생산되는 비율입니다. 비교하자면, 인간 연구원이 원하는 재료에 도달하더라도 하나의 새로운 재료를 만드는 데 수개월 간의 추측과 실험이 필요할 수 있습니다. 재료 프로젝트에서 예측한 새로운 화합물을 만들기 위해 A-Lab의 AI는 과학 논문을 샅샅이 뒤지고 능동적 학습을 통해 조정하여 새로운 레시피를 만들었습니다. 재료 프로젝트와 GNoME의 데이터를 사용하여 재료의 예상 안정성을 평가했습니다.
재료 프로젝트의 결정 구조 그리드 Berkeley Lab의 재료 프로젝트를 통해 연구자들은 다양한 재료에 대한 중요한 정보에 접근할 수 있습니다. 이 이미지는 Materials Project 데이터베이스에 있는 12개 화합물의 구조를 보여줍니다. 출처: Jenny Nuss/Berkeley Lab
A-Lab의 수석 연구원이자 Berkeley Lab 및 UC Berkeley의 과학자인 Gerd Ceder는 "우리는 71%라는 엄청난 성공률을 보였으며 이를 개선할 수 있는 몇 가지 방법이 이미 있습니다."라고 말했습니다. “우리는 이론과 데이터 측면을 자동화와 결합하면 놀라운 결과를 얻을 수 있다는 것을 보여주었습니다. 우리는 그 어느 때보다 빠르게 재료를 만들고 테스트할 수 있으며, 재료 프로젝트에 더 많은 데이터 포인트를 추가하면 더욱 현명한 선택을 할 수 있습니다.” 재료 프로젝트의 영향과 미래 재료 프로젝트는 세계에서 가장 널리 사용되는 무기 재료 정보의 공개 액세스 저장소입니다. 데이터베이스는 수십만 개의 구조와 분자에 대한 수백만 개의 속성을 보유하고 있으며, 주로 Berkeley Lab의 국립 에너지 연구 과학 컴퓨팅 센터에서 처리되는 정보입니다. 이 사이트에는 40만 명 이상의 사용자가 등록되어 있으며, 매일 평균 4편 이상의 재료 프로젝트 인용 논문이 출판됩니다. Google DeepMind의 기여는 재료 프로젝트가 시작된 이후 그룹의 구조 안정성 데이터 중 가장 큰 추가입니다. Google DeepMind의 재료 발견 팀 책임자인 Ekin Dogus Cubuk은 "GNoME 프로젝트가 무기 결정에 대한 연구를 촉진할 수 있기를 바랍니다."라고 말했습니다. "외부 연구자들은 동시적이고 독립적인 물리적 실험을 통해 이미 736개 이상의 GNoME 신소재를 검증했으며, 이는 우리 모델의 발견이 실험실에서 실현될 수 있음을 입증했습니다."
이 1분짜리 저속 촬영은 전 세계 사람들이 4시간 동안 재료 프로젝트를 어떻게 사용하는지 보여줍니다. 데이터 대시보드에는 요청 수, 사용자 국가, 가장 자주 쿼리되는 재료 특성을 포함하여 전 세계 재료 프로젝트 활동의 1시간 창이 표시됩니다. 출처: Patrick Huck/Berkeley Lab
재료 프로젝트는 현재 Google DeepMind의 화합물을 처리하여 온라인 데이터베이스에 추가하고 있습니다. 새로운 데이터는 연구자들이 무료로 사용할 수 있으며 Materials Project와 협력하는 A-Lab과 같은 프로젝트에도 제공됩니다. Berkeley Lab의 Molecular Foundry 소장이기도 한 Persson은 "사람들이 우리가 한 작업을 사용하여 전례 없는 양의 재료 정보를 생성한다는 사실에 정말 기쁩니다."라고 말했습니다. “이것이 제가 재료 프로젝트를 통해 시작한 일입니다. 제가 생산한 데이터를 무료로 만들고 전 세계의 재료 설계를 가속화하는 데 사용할 수 있을 뿐만 아니라 컴퓨터가 여러분을 위해 무엇을 할 수 있는지 세상에 가르치는 것입니다. 그들은 실험만으로 할 수 있는 것보다 더 효율적이고 빠르게 새로운 화합물과 특성을 찾기 위해 넓은 공간을 스캔할 수 있습니다."
NERSC 재료 프로젝트에 대한 많은 계산은 버클리 연구소 국립 에너지 연구 과학 컴퓨팅 센터의 슈퍼컴퓨터에서 수행됩니다. 출처: Thor Swift/Berkeley Lab
지난 10년 동안 재료 프로젝트의 데이터에서 유망한 단서를 추적함으로써 연구자들은 여러 영역에 걸쳐 새로운 재료의 유용한 특성을 실험적으로 확인했습니다. 일부는 사용 가능성을 보여줍니다. 탄소 포집(대기에서 이산화탄소를 끌어당김) 광촉매(빛에 반응하여 화학 반응 속도를 높이고 오염 물질을 분해하거나 수소를 생성하는 데 사용할 수 있는 물질) 열전(폐열을 활용하여 전력으로 전환하는 데 도움이 되는 재료) 투명 전도체(태양 전지, 터치 스크린 또는 LED에 유용할 수 있음) 물론 이러한 유망한 물질을 찾는 것은 인류의 큰 기술 과제를 해결하기 위한 여러 단계 중 하나일 뿐입니다. 페르손은 “재료를 만드는 것은 마음이 약한 사람을 위한 것이 아닙니다.”라고 말했습니다. “소재를 계산하고 상용화하는 데 오랜 시간이 걸립니다. 올바른 속성을 갖고, 장치 내에서 작동하고, 확장이 가능하고, 적절한 비용 효율성과 성능을 갖춰야 합니다. 재료 프로젝트 및 A-Lab과 같은 시설의 목표는 데이터를 활용하고, 데이터 기반 탐색을 활성화하고, 궁극적으로 기업에 목표 달성에 더 많은 실행 가능한 기회를 제공하는 것입니다.”
참고 자료: Nathan J. Szymanski, Bernardus Rendy, Yuxing Fei, Rishi E. Kumar, Tanjin He, David Milsted, Matthew J. McDermott, Max Gallant, "새로운 물질의 가속 합성을 위한 자율 실험실" Ekin Dogus Cubuk, Amil Merchant, 김해겸, Anubhav Jain, Christopher J. Bartel, Kristin Persson, Yan Zeng 및 Gerbrand Ceder, 2023년 11월 29일, 자연 . DOI: 10.1038/s41586-023-06734-w
==============================
메모 240120654 나의 사고실험 qpeoms 스토리테링
Google 과학자들이 인공 지능을 사용하여 380,000개의 새로운 물질을 발견했다. 궁극적으로 220만 개의 결정 구조를 생산하여 안정적이므로 미래 기술에 잠재적으로 유용할 것으로 예상했다.
물론 우선은 대단해 보인다. 하지만 인류에게 필요한 분자식은 무한해야 하며 무한한 우주에서 사용할 무한한 물질을 조합 창조해내야한다. 그런데 이런 일들은 인공지능이 기존 데이타를 기반으로 학습하여 얻은 새로운 것들이면 조만간 몇년내에 AI컴퓨터 성능과 빅데이타의 한계에 도달할 것으로 보인다. 알고리즘으로 문제를 해야만 지적인 인간의 초능력이 나타난다. 허허.
-Researchers trained GNoME using workflows and data developed over more than 10 years in the Materials Project, and improved the GNoME algorithm through active learning. GNoME researchers expect to ultimately produce 2.2 million crystal structures, including 380,000 they predict will be added to the materials project and therefore stable, potentially useful in future technologies. New results from Google DeepMind were recently published in the journal Nature.
============================================
Memo 240120654 My thought experiment qpeoms storytelling
Google scientists discover 380,000 new substances using artificial intelligence Ultimately, 2.2 million crystal structures were produced, which were expected to be stable and potentially useful in future technologies.
Of course, first of all, it looks great. However, the molecular formulas needed by mankind must be infinite, and infinite materials to be used in the infinite universe must be combined and created. However, if these are new things that artificial intelligence has learned by learning based on existing data, it seems that the limits of AI computer performance and big data will soon be reached within a few years. Only by solving problems using algorithms can the superpowers of intelligent humans emerge. haha.
Sample oms.vix.a (standard2)
2401030806
vix.a'6//vixx.a(b1,g3,k3,o5,n6)
b0acfd0000e0
000ac0f00bde
0c0fab000e0d
e00d0c0b0fa0
f000e0b0dac0
d0f000cae0b0
0b000f0ead0c
0deb00ac000f
ced0ba00f000
a0b00e0dc0f0
0ace00df000b
0f00d0e0bc0a
sample qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sample pms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
Sample oss.base (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
Sample oss.base (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
.Webb data suggest many early galaxies were long and thin, not disk-like or spherical
Webb 데이터에 따르면 많은 초기 은하들은 원반형이나 구형이 아닌 길고 얇았습니다
작성자: 컬럼비아 대학 연구자들이 믿고 있는 길쭉한 타원체(즉, 막대기 모양) 은하의 이미지는 제임스 웹 우주 망원경으로 포착되었습니다. "믿는다"라는 단어는 은하 중 일부가 측면에서 본 원반(예: 피자 파이) 모양의 은하일 수 있다는 사실을 반영합니다. 신용: Viraj Pandya 외. JANUARY 17, 2024
NASA의 제임스 웹 우주 망원경의 이미지를 분석하는 컬럼비아 연구원들은 초기 우주의 은하계가 종종 막대기처럼 편평하고 길며 피자 반죽 공처럼 둥글다는 것을 발견했습니다.
-"우리가 연구한 은하의 약 50~80%가 2차원으로 편평한 것으로 보입니다." 컬럼비아 대학의 NASA 허블 펠로우이자 이번 연구 결과를 요약한 The Asphysical Journal에 게재될 예정인 새 논문의 주요 저자인 Viraj Pandya에 대해 설명했습니다. 해당 논문은 현재 arXiv 사전 인쇄 서버에 게시되어 있습니다. "길고 얇은 막대기처럼 보이는 은하계는 초기 우주에서 매우 흔한 것 같습니다.
이는 흔하지 않기 때문에 놀라운 일입니다. 현재 우주의 은하 중 하나입니다." 팀은 우주 진화 초기 방출 과학(CEERS) 조사라고 알려진 Webb에서 제공한 광범위한 근적외선 이미지 분야에 중점을 두었습니다.
우주의 나이가 6억~60억년 되었을 때 존재했을 것으로 추정되는 은하계를 뽑아냈습니다. 대부분의 먼 은하들은 막대기처럼 보이지만 다른 은하들은 피자 파이와 피자 반죽 공 모양입니다. "피자 반죽 공" 또는 구 모양의 은하들은 가장 작은 유형의 은하로 나타나며 가장 적게 식별되기도 합니다.
https://player.vimeo.com/video/889559068?h=add3d28c3c
피자 파이 모양의 은하들은 가장 긴 축을 따라 막대기 모양의 은하만큼 큰 것으로 밝혀졌습니다. "그들은 우주의 지속적인 팽창으로 인해 더 오래되고 성숙한 은하로 구성된 인근 우주에서 더 흔합니다." 신용: 컬럼비아 대학
시계를 수십억 년 뒤로 되돌릴 수 있다면 우리 은하계는 어떤 범주에 속하게 될까요? "우리의 최선의 추측은 그것이 막대기처럼 보일 수도 있다는 것입니다." 공동 저자인 Haowen Zhang 박사는 말했습니다. 투산에 있는 애리조나 대학의 후보자. 이 가설은 부분적으로 Webb의 새로운 증거에 기초하고 있습니다. 이론가들은 "시계를 되돌렸습니다".
수십억 년 전 은하수의 질량을 추정하는데, 이는 먼 과거에 막대기 모양이었을 가능성이 있음을 시사합니다. 이 먼 은하들은 근처에 있는 나선은하나 타원은하보다 질량이 훨씬 작습니다. 이는 우리 은하와 같은 더 거대한 은하의 전조입니다. "초기 우주에서는 은하계가 성장할 시간이 훨씬 짧았습니다." 컬럼비아 대학의 공동 저자이자 NASA 허블 연구원인 Kartheik Iyer는 말했습니다.
"초기 은하계에 대한 추가 범주를 식별하는 것은 흥미롭습니다. 이제 분석할 것이 더 많습니다. 이제 우리는 은하계가 어떻게 움직이는지 연구할 수 있습니다. 모양은 모양과 관련이 있으며 모양이 어떻게 형성되었는지 훨씬 더 자세히 투영할 수 있습니다.” 1990년에 발사되어 오늘날까지 데이터를 수집한 허블우주 망원경은 "오랫동안 길쭉한 은하의 모습을 보여왔습니다.
" 카나리아 제도 천체 물리학 연구소의 연구 과학자인 공동 저자인 Marc Huertas-Company는 설명했습니다. 하지만 연구자들은 여전히 궁금했습니다. 2021년에 출시된 Webb 망원경의 적외선 감도로 추가적인 세부 사항이 더 잘 나타날까? 웹은 허블이 둘 다 관찰한 은하계의 추가적인 특징을 놓치지 않았다는 것을 확인했습니다. 게다가 웹은 비슷한 모양을 가진 훨씬 더 먼 은하계를 아주 자세하게 보여주었습니다.” Huertas 회사는 말했다. 물론 한 가지 질문은 초기 은하가 왜 그렇게 편평하고 길어지는 경향이 있었는가 하는 것입니다.
Pandya는 한 가지 가설은 초기 우주가 일종의 "골격 배경"을 형성하는 암흑 물질 필라멘트로 채워졌을 수 있다는 것입니다. 또는 "우주 고속도로", 그것은 가스와 별을 안내했습니다. 이 필라멘트는 여전히 존재하지만 우주가 팽창함에 따라 훨씬 더 분산되어 있기 때문에 막대기 모양의 은하의 형성을 촉진할 가능성은 적습니다.
제임스 웹 우주망원경의 CEERS(Cosmic Evolution Early Release Science) 조사를 통해 확인된 먼 은하의 샘플 모양. 크레딧: NASA, ESA, CSA, STScI, Steve Finkelstein(UT Austin), Micaela Bagley(UT Austin), Rebecca Larson(UT Austin) 이 논문의 제목은 "Galaxies Going Bananas"입니다.
작가들에게 떠오른 또 다른 음식 비유입니다. 데이터를 보면서 마음이 움직였습니다. 저자가 은하계를 계획했을 때' 가장 긴 축 길이에 대한 종횡비를 비교한 결과, 그들은 나타나는 다이어그램이 바나나처럼 뚜렷하게 보이는 것을 발견했는데, 이는 길쭉한 타원체(즉, 막대 모양) 모양을 반영하는 모양입니다. "바나나는 본질적으로 긴 은하가 우주의 첫 40억 년 동안 지배적인 은하인 것 같다고 말하는 또 다른 방법입니다." 판디아가 말했다.
우리의 지식에는 여전히 공백이 있습니다. 연구자들은 먼 은하의 특성과 정확한 위치를 더욱 개선하기 위해 Webb의 더 큰 샘플 크기가 필요할 뿐만 아니라 먼 은하의 정확한 기하학적 구조를 더 잘 반영하기 위해 모델을 조정하고 업데이트하는 데 충분한 시간을 소비해야 합니다.
"이것은 초기 결과입니다" 공동 저자이자 메인 주 워터빌에 있는 콜비 대학의 부교수인 엘리자베스 맥그래스(Elizabeth McGrath)는 말했습니다. "무슨 일이 일어나고 있는지 파악하려면 데이터를 더 깊이 조사해야 하지만 이러한 초기 추세에 대해 매우 기대하고 있습니다."
추가 정보: Viraj Pandya 외, 바나나로 가는 은하계: JWST-CEERS를 이용한 고적색편이 은하의 3D 기하학 추론, arXiv(2023). DOI: 10.48550/arxiv.2310.15232 저널 정보: 천체물리학 저널 , arXiv 에 의해 제공 컬럼비아 대학
https://phys.org/news/2024-01-webb-early-galaxies-thin-disk.html
==============================
메모 240120735 나의 사고실험 qpeoms 스토리텔링
평면을 구부리거나 이동 시키면 공간이 된다. 그러나 평면 msbase는 원본이기에 사라지지 않는다. 그 평면 우주가 오늘날 우주로 변한 것도 엄밀히 보면 시간을 이동한 흔적의 합이다. 그런데 평면적인 msbase.mass가 oss를 만나 확장된 모습을 내용물인 확장된 물질의배열이 가득하다. 허허.
flat.msbase는 qpoems.element.unit의 정교한 합이다. 무작위한 적층이 아니다. 합을 이루는 과정은 수학적이거나 물리적인 자연법칙이 지배한 질서정연한 규칙이 존재한다. 완성된 합을 'msbase'이라 한다. 허허. qpoems.element.unit에는 두종류의 막대가 지배한다. 하나는 vixer.bar이고 다른 하나는 vixxer(smolas).bar이다. 이들이 길고 얇은 막대기처럼 보이는 은하계는 초기 우주에서 매우 흔한 모습이다. 허허.
여러분이 바로 늘 보던 Sample oms.vix.a (standard2)는 초기 우주의 은하계의 막대들은 vix.a'6//vixx.a(b1,g3,k3,o5,n6)의 모습이다. 허허.
-"About 50 to 80 percent of the galaxies we study appear to be flat in two dimensions." explains Viraj Pandya, a NASA Hubble Fellow at Columbia University and lead author of a new paper scheduled to be published in The Asphysical Journal summarizing the findings. The paper is currently posted on the arXiv preprint server. “Galaxies that look like long, thin sticks seem to be very common in the early universe.
============================================
Memo 240120735 My thought experiment qpeoms storytelling
When a plane is bent or moved, it becomes space. However, the flat msbase does not disappear because it is the original. Strictly speaking, the transformation of that flat universe into today's universe is also the sum of traces of time travel. However, when the flat msbase.mass meets oss, the expanded form is full of an array of expanded materials. haha.
flat.msbase is an elaborate sum of qpoems.element.unit. It's not random stacking. The process of forming a sum has orderly rules governed by mathematical or physical natural laws. The completed sum is called ‘msbase’. haha. Two types of bars dominate qpoems.element.unit. One is vixer.bar and the other is vixxer(smolas).bar. Galaxies that look like long, thin sticks are a very common sight in the early universe. haha.
Sample oms.vix.a (standard2), which you always see, shows the bars of the galaxy in the early universe as vix.a'6//vixx.a(b1,g3,k3,o5,n6). haha.
Sample oms.vix.a (standard2)
2401030806
vix.a'6//vixx.a(b1,g3,k3,o5,n6)
b0acfd0000e0
000ac0f00bde
0c0fab000e0d
e00d0c0b0fa0
f000e0b0dac0
d0f000cae0b0
0b000f0ead0c
0deb00ac000f
ced0ba00f000
a0b00e0dc0f0
0ace00df000b
0f00d0e0bc0a
sample qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sample pms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
Sample oss.base (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
Sample oss.base (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
댓글