안녕하세요. 딴지입니다.

연구 데이터를 정리하고 논문을 검색하며, 실험을 효율적으로 수행하는 데 도움을 주는 컴퓨터 프로그램과 웹사이트들은 이제는 연구의 필수 요소가 되었습니다. 실험과 논문 작성 등 연구의 다양한 과정에서 효율성을 높이고 결과의 질을 개선하는 데 큰 도움을 주는 AI 툴과 연구 도구들이 점점 많아지는데 그 종류가 너무 다양하다 보니, 어떤 것을 선택해야 할지 고민되는 경우가 많습니다.

이 연재를 통해 연구자와 대학원생들이 연구 과정에서 실질적으로 도움이 되는 도구들을 한 곳에 정리하고, 각 툴의 장점과 활용법을 소개하려고 합니다. 앞으로 여러 연구 도구들을 소개하고, 각각의 기능과 활용 방법을 정리해 볼 예정입니다.
*저는 바이오메디컬공학을 전공하고 있는 대학원생으로, 앞으로 다룰 내용들이 이공계 전반, 특히 생명공학 및 의료공학 분야에 집중될 가능성이 높다는 점을 미리 말씀드립니다.

연구를 하면서 의외로 많은 연구자들이 어려움을 느끼는 부분 중 하나는 자신의 데이터를 ‘보기 좋게’ 표현하는 것입니다. 저 역시 미적 감각이 뛰어난 편이 아니라서, 논문의 Figure를 만들거나 학회 포스터를 디자인할 때마다 색상 조합을 정하는 과정이 늘 쉽지 않았습니다.

대부분의 연구자들은 색채 이론이나 디자인에 대해 체계적으로 배워본 적이 없습니다. 그래서 자연스럽게 소프트웨어에서 기본으로 제공하는 색상 조합을 사용하거나, 무난하게 흑백을 선택하는 경우가 많습니다. 하지만 솔직히 말해 색상 조합만 조금 더 신경 써도 같은 데이터가 훨씬 전문적으로 보일 수 있고, 학회 포스터나 논문 Figure가 주는 첫인상 역시 크게 달라집니다.

예를 들어, 잘 그린 Schematic이라도 색상 선택이 어색하면 전체적으로 어수선해 보일 수 있습니다. 반대로 복잡한 그래프라도 적절한 색상 팔레트를 사용하면 데이터의 구조와 메시지가 훨씬 명확하게 전달되어 해석이 쉬워집니다. 실제로 색상은 실험 과정의 특정 단계나 중요한 데이터 포인트를 강조하는 데 매우 효과적으로 활용될 수 있습니다. 적절하고 전략적인 색상 사용은 과학적 커뮤니케이션을 강화하는 강력한 도구가 될 수 있습니다.

색상 조합을 만드는 데 도움을 주는 무료 웹사이트들은 구글에서 검색해 보면 생각보다 많이 찾을 수 있습니다. 이번 글에서는 그중에서도 연구자들이 Figure, 그래프, Schematic, 학회 포스터 등을 만들 때 실질적으로 활용하기 좋은 몇 가지 사이트를 소개하고, 여기에 AI를 함께 활용해 더 효율적으로 색상 팔레트를 만드는 방법까지 함께 이야기해보려고 합니다.

Coolors 홈 화면  색상 팔레트 도구를 하나만 추천해야 한다면 Coolors를 가장 먼저 추천하고 싶습니다. 직관적인 인터페이스와 다양한 기능 덕분에, 디자인 경험이 많지 않은 연구자들도 비교적 쉽게 사용할 수 있는 도구입니다.

Coolors에서는 사용자가 직접 컬러 팔레트를 만들 수도 있고, 플랫폼 내 자체적인 커뮤니티를 통해 다른 사용자들이 공유한 다양한 팔레트를 찾고 활용할 수도 있습니다. 실제로 수천 개의 팔레트가 업로드되어 있어, 특정 분위기나 색 조합을 빠르게 참고하기에도 좋습니다.

스페이스바를 누르면 컬러가 무작위 생성되어 랜덤 한 컬러 팔레트 생성도 가능하고, 마음에 드는 색을 고정하면 특정 색상을 기반으로 컬러 조합을 추천하기도 합니다.

기능적인 측면에서도 꽤 탄탄한 편인데, 사용자가 직접 원하는 색상 값을 HEX, RGB, HSL 등 다양한 형식으로 직접 입력해서 팔레트를 구성할 수 있으며, 커뮤니티에서 제공되는 팔레트를 그대로 가져와 사용할 수도 있습니다. 특히 Figma, Adobe, Sketch 등 주요 디자인 툴과의 플러그인 연동도 지원되어, 선택한 팔레트를 실제 작업 환경에 바로 적용할 수 있다는 점도 큰 장점입니다.

유료 버전에서는 AI기능도 제공됩니다. 예를 들어 “채도를 높여줘”, “더 대비가 강한 조합으로 바꿔줘”와 같은 명령어를 입력하면, 기존 팔레트를 기반으로 더 적합한 색상 조합을 자동으로 제안해 줍니다. 또한 사용자가 만든 팔레트가 어떤 방식으로 활용될 수 있는지에 대한 추천도 받을 수 있어, 색상 선택에 익숙하지 않은 사용자에게 특히 유용합니다. Coolors는 기본적인 색상 생성부터 커뮤니티 기반 팔레트 탐색, 그리고 AI를 활용한 색상 조정까지 다양한 기능을 제공하는 도구로, 연구자들에게 매우 유용하게 활용될 수 있습니다.
Coolors 사용 화면 Coolors 에서 제공하는 컬러 팔레트 

 Colorbrewer 사용 화면  Colorbrewer는 전반적으로 인터페이스가 가볍고 직관적으로 구성되어 있어 별도의 학습 없이도 쉽게 사용할 수 있습니다. 무엇보다 데이터 유형에 맞춰 색상 조합을 추천해 준다는 점이 큰 장점입니다. 예를 들어, 연속적인 값의 변화를 표현하는 Sequential, 양 극단의 비교를 위한 Diverging, 범주형 데이터를 구분하는 Qualitative 팔레트로 나뉘어 있어, 단순히 예쁜 색이 아니라 데이터를 효과적으로 전달하기 위한 색상 선택이 가능합니다. 

3. ColorHexa 

ColorHexa는 특정 색상을 종심으로 다양한 색상 조합과 정보를 확장해 주는 도구로, 하나의 기준 색을 정해두고 팔레트를 발전시키고 싶을 때 특히 유용합니다. 사용자가 원하는 색의 HEX값을 입력하면 해당 색상을 기반으로 조화로운 색상 조합을 자동으로 제안해 주며, 동시에 HEX, RGB, HSL 등 다양한 색상 모델에 대한 상세 정보도 함께 제공합니다. 또한 색상의 유래, 대비·조화·반전 관계 등 색채 이론에 기반한 정보를 함께 보여주기 때문에, 단순한 조합을 넘어 색을 이해하면서 활용할 수 있다는 점이 특징입니다 전반적으로 직관적인 인터페이스를 갖추고 있어, Figure나 디자인 작업에서 색상을 보다 체계적으로 다루고 싶은 연구자들에게 유용한 도구입니다.

위에서 소개한 툴을 통해 색상 조합을 어느 정도 선택했다면, 생성형 AI를 활용해 색상 사용 계획을 구체화할 수 있습니다. 예를 들어, 선택한 색상의 HEX 코드를 함께 제시하며 “Figure 배경색, 데이터 포인트 색, 텍스트 강조색, 보조선 색으로 어떻게 분배하면 좋을지”와 같이 구체적으로 요청하면, 보다 체계적인 색상 활용 방향을 잡는 데 큰 도움이 됩니다. 또한 여러 색상 후보를 함께 넣고 특정 타깃 저널의 컬러 톤에 맞춰 적합성을 판단해 달라고 요청하는 것도 효과적인 방법입니다.

색상은 연구자가 반드시 깊이 있게 파고들어야 하는 영역은 아닙니다. 하지만 같은 데이터라도 색상 선택에 조금만 신경을 쓰면 Figure, 포스터, 슬라이드의 완성도는 눈에 띄게 달라집니다. 이번 글에서 소개한 도구들 중 하나라도 다음 발표 자료를 만들 때 한 번쯤 활용해 보는 계기가 되었으면 합니다.