성공적인 유동 해석을 위한 케이던스의 CFD 기술   전산유체역학(CFD) 분야는 특히 고충실도 시뮬레이션의 등장과 적용으로 새로운 변화를 겪고 있다. 이러한 첨단 시뮬레이션, 특히 대형 난류 해석(Large Eddy Simulation : LES)을 통해 여러 산업 분야에서 정밀도, 정확성, 효율성에 있어 새로운 기준을 설정하고 있다. 이번 호에서는 고충실도 CFD 시뮬레이션의 이점과 적용 사례를 살펴보며, 가장 어려운 설계 및 최적화 문제를 해결하는 데 있어 이들이 이끌어낸 혁신적인 결과를 조명하고자 한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   그림 1   CFD의 새로운 시대를 열다 이 접근법은 ‘시프팅 레프트(Shifting Left)’라고 알려져 있으며, 제품 설계 주기에서 테스트 단계를 앞당겨 제품 성능과 품질을 향상시키는 것을 강조한다. 이러한 복잡한 과정에서 고충실도 CFD가 핵심 역할을 하며, 이는 항공우주뿐만 아니라 에너지 생산과 자동차 분야에서도 빠르고 신뢰할 수 있는 예측 결과를 제공한다.   항공우주 예를 들어, 항공우주 분야에서는 차세대 터보 팬 개발이 야심찬 효율 및 배출 기준을 설정하며 진행되고 있다. 이 산업은 새로운 추진 기술 개발과 전통적인 화석 연료에서 더 지속 가능한 대체 연료로의 전환이라는 중요한 변화의 한가운데에 있다. 이곳에서 성능과 효율을 최적화하는 것은 단순한 목표가 아니라 필수 요소로, 초기 설계 조정의 중요성이 강조된다. 이 접근법은 ‘시프팅 레프트’라고 불리며, 제품 설계 주기에서 테스트 단계를 앞당겨 제품 성능과 품질을 향상시키는 것을 목표로 한다. 바로 이 복잡한 과정에서 고충실도 CFD가 핵심 역할을 하며, 이는 항공우주뿐만 아니라 에너지 생산과 자동차 분야에서도 빠르고 신뢰할 수 있는 예측 결과를 제공한다.   그림 2. Goc, Moin, Bose, & Clark, 2024   항공우주 분야에서 상업용 항공기의 최대 양력 및 실속 특성을 예측하는 도전 과제는 고충실도 LES가 전통적인 CFD 방법보다 뛰어난 능력을 발휘하는 사례를 보여준다. NASA 고양력 공통 연구 모델의 사례에서 LES는 착륙 중 실제 항공기 구성을 정확하게 모사하는 모습을 보여주며 이를 입증한다. 실험 데이터와 밀접하게 일치하고 양력, 항력, 실속 발생과 같은 중요한 역학을 포착하는 LES는 항공우주 산업이 항공기 인증 과정에서 전통적인 테스트와 함께 또는 이를 대신하여 시뮬레이션을 의존하는 방향으로 나아가게 한다.   자동차 공기역학 자동차 산업이 배터리 전기차(BEV)로 전환함에 따라, 항력 최적화라는 근본적인 도전에 직면하고 있다. 고속도로에서의 추진에 필요한 에너지의 절반은 항력 극복에 소모된다. 전통적인 내연기관에서 전기 모터로 이동하면서, 항력을 최소화하는 중요성이 더욱 강조되고 있다.   그림 3. Nagaoka, 2024   고충실도 CFD 시뮬레이션은 미세한 설계 변경이 미치는 공기역학적 영향을 높은 정밀도로 예측할 수 있는 능력으로 두드러진다. 이러한 능력은 매우 귀중하며, 엔지니어가 여러 가지 설계 조정을 평가하고 각 조정이 제공하는 미세한 항력 이점을 설계 과정에서 반영하여 전반적인 효율과 주행 거리를 향상시킬 수 있게 한다. 고충실도 CFD를 활용한 SUV 공기역학 연구는 이러한 첨단 시뮬레이션의 실용적인 적용 사례를 강조한다. 정확하고 효율적인 CFD 시뮬레이션을 통해 얻은 실행 가능한 설계 지침과 실험과 유사한 통찰은 공기역학, 음향학, 열 전달 등과 관련된 중요한 예측을 용이하게 하여 여러 분야에 응용될 수 있다.   그림 4. Brès, et al., 2023   눈에 띄는 예로는 혼다(Honda)의 전면적 세단에 대한 차량 소음 예측이 있다. 고충실도 CFD 시뮬레이션은 풍동 실험과 놀라운 상관관계를 이루며, 이를 통해 차량의 음향 특성에 대한 더 빠르고 효과적인 조사가 가능해졌다.   밀레니엄 플랫폼으로 혁신 촉진 LES 응용 프로그램의 발전에서 중요한 측면은 GPU에서의 성능 및 가속 통합이다. 이는 케이던스의 ‘밀레니엄(Millennium)’ 플랫폼에서 구현된 성과로, 계산 능력과 높은 정확도를 결합함으로써 LES의 실용적인 응용 분야를 확장할 수 있다. 이러한 발전은 결과의 정확도를 향상시킬 뿐만 아니라, 고충실도 시뮬레이션을 보다 광범위한 응용 분야에서 더 쉽게 접근하고 실현 가능하게 만든다.     ■ 기사의 상세 내용은 PDF로 제공됩니다.

입자 유동해석 기술과 GPU 컴퓨팅의 도입 필자는 2000년대 초반 전산유체역학(CFD)에 관심이 있어 대학원을 진학하고 관련 연구실에 들어가게 되었다. 연구실에서는 기존에 많이 알려진 해석 기법과는 다르게 입자를 이용한 유동해석에 대해 연구를 하고 있었다. 유체를 격자가 아닌 입자를 활용하여 모델링하는 것은 비정상 상태의 유동해석이나 복잡한 유동을 해석하는데 적합한 방법으로, 해석 결과가 직관적이고 여러 가지 모델을 적용하는데 용이한 방법이다. 다만 각각의 입자에 대해 계산이 이루어지다 보니 연산량이 너무 커서 해석이 불가능한 경우가 많았다. 필자가 속한 연구실에서는 이러한 문제를 해결하기 위해 MPI(Message Passing Interface)를 공부하고 리눅스 클러스터(Linux cluster) 환경에서의 해석에 대해 연구하였다. 2대로 시작한 것이 어느덧 64대의 리눅스 클러스터를 직접 꾸며 사용하였으며, 이후 학교에 470여 노드의 슈퍼컴퓨터가 생기게 되어 이 장비까지 활용하면서 여러 가지 해석을 시도하였다. 하지만 아무리 많은 컴퓨터를 묶어 해석을 하더라도 데이터 통신 시간이 있기 때문에, 일반적인 큰 유동 문제를 풀기에는 부족한 점이 많았다. 그래서 하드웨어와 병행하여 소프트웨어 성능을 올리기 위해서 Domain Decomposition 이나 Fast Algorithm같은 여러 가지 모델에 대해 연구하였으며, 그 때부터는 유동해석보다 HPC(고성능 컴퓨팅)에서의 해석 성능 최적화와 같은 연구를 더 많이 했던 것 같다. 그러던 중 2008년 연세대학교 백주년기념관에서 엔비디아 데이비드 커크(David Kirk) 박사의 강연이 있었다. GPU를 활용하여 연산 처리를 할 수 있는 플랫폼인 CUDA(쿠다)의 개발 책임자인 커크 박사는 기존의 CPU 연산에 비해 백 배~수백 배의 가속이 가능하다는 내용의 세미나를 개최하였다. 이 당시 우연히 천체물리학에서 주로 N-body 문제를 계산하는 분들과도 알게 되었고, 이미 GPGPU 라는 개념으로 GPU를 활용하여 연산 처리를 하고 있었다는 사실을 알게 되었다. 또한 CUDA라는 플랫폼이 개발되면서 C 언어에서 GPU 활용이 보다 용이해져, 다른 분야의 계산에서도 쉽게 접근할 수 있을 것 같다는 판단을 하게 되었다. 우리는 CUDA를 적용하기 위해 용산전자상가에서 20여만 원하는 그래픽 카드를 구매해서 CUDA를 설치하고 개발된 코드를 적용해 보았다. 다행이 병렬 프로그램을 하던 경험이 많아 CUDA 적용에 크게 어려운 점은 없었지만, 초기에는 여러 번 실패를 하였다. 몇 번의 시도 끝에 연산을 실행할 수 있었으며, 기존의 HPC보다 훨씬 좋은 성능을 체감하게 되었다. 이후 2009년 CUDA와 HPC 기술과 뉴턴 물리학을 기반으로 다양한 물리 지배방정식의 수학적 공식화에 대한 연구에 대한 전문성을 바탕으로 메타리버테크놀러지를 설립해 지금까지 이어오고 있다. 이러한 기술적 전문성을 바탕으로 입자 기반 다중물리 해석 소프트웨어를 개발하고, 관련 기술 서비스를 제공하고 있다. 회사 설립 이후 지속적인 연구개발을 통해 입자 기반 설계 및 시뮬레이션 소프트웨어인 samadii 시리즈를 개발 공급하고 있다.     입자 기반 다중물리 해석 설루션 samadii 메타리버테크놀러지가 개발한 samadii 시리즈는 해석하는 분야에 따라 일반적인 환경의 물리 현상을 해석하기 위한 소프트웨어와 디스플레이/반도체 공정과 같이 고진공 환경에서 이루어지는 공정을 해석하기 위한 소프트웨어로 구분할 수 있다. 첫 번째로 고체 입자의 거동을 해석하는 samadii/dem, 유체 거동을 해석하는 samadii/fluid, 고체에 작용하는 응력 및 변형을 해석하는 samadii/solid, 3D 프린터의 적층 공정을 해석하는 vAMpire가 있다. 다른 한 가지는 고진공 환경에서의 유동해석을 위한 samadii/sciv, 복사 및 전도열전달을 해석하는 samadii/ ray, 전자기장 해석을 위한 samadii/em, 플라스마 생성 및 거동을 해석하는 samadii/plasma가 있다.   samadii/dem samadii/dem은 6자유도계 운동방정식을 사용하여 입자의 움직임을 결정하고, 개별 입자의 모든 힘을 고려하는 라그랑주(Lagrangian) 방법에 기반한다. 이산요소법(Discrete Element Method)은 구분요소법(Distinct Element Method)으로도 불린다. 많은 입자의 운동과 효과를 계산하기 위한 수치해석 방법이다. 이 방법의 기본적인 가정은 물질이 별개의 분리된 입자들로 구성된다는 것이다. 이들 입자는 서로 다른 모양과 특징을 가질 수 있으며, 설탕이나 단백질 결정, 곡물과 같은 저장 사일로(silo)의 대량 재료, 모래와 같은 입상물질, 토너와 같은 분말 재료, 덩어리진 암석 등과 같이 세분화된 불연속 물질의 혼합, 분쇄 등의 입자 거동 문제를 해결하는 효과적인 방법이다. 그리고 브라운 운동을 고려해야 할 정도의 작은 입자부터 광석과 같은 큰 입자에 이르기까지, 해석에 고려해야 할 대부분의 물리적 현상을 반영하도록 설계되었다. 기본적인 접촉력과 중력을 비롯하여 마찰력, 전자기력, 쿨롱력, 점착력, 부력과 항력, Van der Waals력 그리고 브라운 운동과 열영동 효과까지 고려할 수 있다. samadii/dem은 작은 시간 스텝(time step)을 사용하며 매우 많은 입자를 고려해야 한다. 일반적으로 충분히 많은 메모리와 고도의 연산 성능을 필요로 하기 때문에 GPU와 HPC 기술을 기반으로 해석을 수행하도록 제작되었다. 이를 바탕으로 다양한 대규모 입자계 문제를 고속으로 해석함으로써 신뢰성 높은 해석 결과를 제공한다. 또한 다물체동역학, 구조 변형, 전자기장, 유체유동장 해석을 위한 외부 프로그램과의 일방향 및 동시 연성해석이 가능하다.     samadii/fluid samadii/fluid는 입자 기반의 유체유동해석 소프트웨어이다. 특히, 자유표면이 존재하거나 기체–유체 등의 상호작용이 필요한 유동 현상 또는 다양한 물리 현상을 해석하는 등 외부 해석 프로그램과의 연성 해석이 필요한 문제에 대해 장점을 가진다. samadii/fluid는 일반적인 입자 기반의 유체유동 수치해석방법인 SPH(Smooth Particle Hydrodynamics)의 문제점으로 알려져 있는 수치해의 불안정성과 벽면 처리에서의 해의 부정확성 등 필연적인 수학적 문제점을 극복하기 위하여, SPH의 explicit 기법에 압력장 계산에서 implicit 기법을 적용하여 해의 불안정성 개선하고, 수치해 오류를 증폭시키는 벽면 처리 문제의 개선을 위해 폴리곤 경계처리법 등을 적용하여 기존의 제품에 비해 해의 안정성과 정확도를 개선하였다. 유체의 유동 문제가 다양하게 발생하는 일반 기계 분야는 물론 세탁기, 식기세척기, 공조기기 등 가전 분야의 설계와 제조 공정 분야 그리고 전기자동차를 시작으로 최근 수요가 늘고 있는 재생 에너지 산업, 원자력 재해 안전 분야 그리고 해양, 토목 분야의 거대 유동 문제 및 화학, 석유, 가스산업 분야는 물론 최근 반도체 및 디스플레이 후공정 분야에도 응용 수요가 발생하고 있다.     samadii/sciv samadii/sciv는 DSMC(Direct Simulation Monte Carlo)법을 활용하여 고진공 환경에서의 유동해석을 위한 소프트웨어이다. DSMC는 고진공 유동장의 유체 유동을 해석하기 위해 개발된 확률론적 수치 해석 방법이다. 일반적인 유체 유동 해석은 나비에–스토크스(Navier-Stokes) 방정식을 해석하지만, 희박기체 영역에서는 일반 유체 해석에 사용된 연속체 가정을 적용하지 않는다. 이것은 연속체 유체 역학에서 액체 및 기체 상태는 연속 유체를 가정하는 연속 방정식으로 정의되기 때문이다. 일반적으로 연속체 가정을 만족하는 유체 조건은 분자의 평균 자유 경로가 매우 짧다. 따라서 분자간 충돌로 인한 운동량의 교환을 점성계수로 나타낼 수 있다. 반면에 진공도가 높아지면 기체의 밀도가 낮아지고, 유체 분자의 평균 자유 경로가 길어지기 때문에 연속체 특성이 사라진다. 그러므로 이러한 조건의 흐름은 나비에–스토크스 방정식에 의한 것이 아니라 DSMC에 의해 해석하여야 한다. 정밀 산업 분야의 고 진공 조건(10-⁴~10-⁶ [Pa])이라고 하더라도, 이를 분자의 개수로 나타내면 매우 많은 수가 존재한다. 예를 들어 1㎥ 공간에 온도가 300[K]이고, 이때 압력이 10-⁴[Pa]이라고 한다면 분자의 개수는 약 2.5E+16[EA] 개가 존재하게 된다. 게다가 고진공 조건이라 할지라도 국부적으로 압력이 높아질 수 있고, 분자의 개수 또한 엄청나게 증가하게 된다. DSMC는 이렇듯 많은 입자를 해석하기 위해 대표 입자(representative particle) 방법을 사용하게 된다. 공간 내의 수많은 분자를 하나의 입자로 모델링하고, 확률분포함수를 사용하여 입자간의 충돌과 이동을 계산하고, 이를 통계 처리하여 공간 내의 압력, 유량, 수밀도 등의 다양한 물리 특성을 파악하게 된다.     samadii/ray 외부의 간섭을 최소화하여 높은 수준의 정확성을 이루기 위해 진공 상태에서의 가공 기술이 증가하고 있다. 예를 들어, 디스플레이 OLED 공정은 진공 환경에서 재료를 증발시키고 증착하는 공정을 반복 진행하며, 재료에 가해지는 열은 매질을 필요로 하지 않는 복사 열 전달의 형태로 재료뿐 아니라 모든 장비에 영향을 미친다. 이는 재료의 증발뿐 아니라 완성된 OLED 성능에 영향을 미칠 수 있어서, 정확한 열 관리는 OLED에 중요하다. samadii/ray는 이처럼 복잡한 형상에서 정확한 복사 열 전달을 해석 가능한 제품으로 우주항공, 반도체, 전자 등 다양한 영역에서 최적화된 장비 개발에 활용할 수 있다. samadii/ray는 GPU 컴퓨팅을 기반으로 전도, 대류, 복사 열 전달을 분석한다. 특히, 엔비디아 옵틱스(OptiX)를 활용해 물체의 표면에서 방사되고 흡수되는 복사 열 전달을 모델링한다. 각각의 표면에서 방출되는 복사 열 에너지는 FEM(Finite Element Method)에 반영되어 내부 열전도를 계산하여 온도 분포를 구하고, 계산된 표면 온도는 복사 열 에너지 계산에 사용하며, 이를 반복하는 방식으로 열 전달 해석이 진행된다.     samadii/plasma 반도체 및 디스플레이 PCB 제조 산업에서의 플라스마(plasma)는 고진공 챔버 내부에 발생된 이온과 라디칼을 이용하여 표면 처리를 하는 공정에 응용된다. 플라스마 상태에서 발생된 이온들은 각각의 가스 종류와 반응식에 따라서 표면을 깎기도 하며, 다른 물질과 반응하여 적층시키기도 하고, 불순물을 주입하기도 한다. 이러한 다양한 공정은 마이크로, 나노 스케일의 고집적 회로를 만드는데 있어서 핵심 기술 중 하나이다. 플라스마는 전자와 이온의 거동에 의해 전자기장이 변화하고 다시 그 효과로 입자의 거동에 영향을 미치는 복잡한 현상이다. 중성, 이온, 전자의 밀도와 온도 그리고 운동성 차이가 매우 큰 상태로 각각의 입자가 충돌하여 끊임 없이 반응하는 상태를 플라스마라고 정의한다. 이러한 반응은 이온화, 여기 등의 반응과 각종 화학 반응을 수반한다. 입자법에 기반하는 플라스마의 직접 해석에는 천문학적인 연산량이 요구되기 때문에, 이온과 전자의 성질을 표현하도록 모델링된 두 개 이상의 유체로 간주하여 이들이 혼재된 격자 기반 플라스마 유동해석이 사용되어 왔다. 하지만 플라스마를 이루고 있는 기본 요소는 입자이며, 이들 입자간 충돌에 의한 플라스마 반응을 정확하게 해석하기 위해서는 입자법에 기반하는 해석이 필수이다. samadii/plasma는 GPU에 기반하는 samadii/em의 고속 전자기장 해석 모듈과 입자 기반 희박기체 해석 제품인 samadii/sciv의 연성 해석을 통하여 플라스마 공정을 시뮬레이션할 수 있는 공학용 프로그램이다. samadii/plasma는 플라스마를 활용한 반도체 및 디스플레이 공정 과정을 해석하기 위해 특화된 프로그램 이다. 플라스마 공정 과정의 시각화를 위해 이온과 전자의 입자 거동을 확인할 수 있을 뿐 아니라 공정 결과물의 균일도, 공정 챔버 내부의 플라스마 밀도, 온도, 유량 등을 제공하여 플라스마 공정 설계에 도움을 준다.     ■ 이 글은 2025년 11월 7일 진행된 ‘CAE 컨퍼런스 2025’에서 발표된 내용을 정리한 것이다.   ■ 서인수 메타리버테크놀러지의 이사로 입자 기반 CAE 설루션을 개발하고 있다. HPC나 GPU를 활용한 해석 기술을 바탕으로 희박기체 영역에서의 유동에 대한 연구를 하였다.     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   지난 수년 간 인공지능(AI)은 새로운 방향과 엄청난 속도로 발전하고 있다. 2026년, 인공지능은 더 이상 현재의 소프트웨어처럼 단순한 도구에 머물지 않는다. 인공지능은 이제 우리의 생산 수단이자 사고의 파트너이며, 나아가 핵심적인 의사결정자로 자리잡고 있다. 이러한 변화 속에서 개인의 생존은 단순히 ‘기술을 얼마나 아느냐’가 아니라, 자신을 어떻게 구조화하고 연결하는지의 문제로 패러다임이 바뀌고 있다. 이제 우리는 스스로에게 본질적인 질문을 던져야 한다. “나는 과연 AI와 협업할 수 있는 구조를 갖춘 존재인가? 아니면 인공지능에 대체(replacement)되는 부품과 같은 존재인가?” 과거에는 코딩, 외국어, 자격증, 보고서 작성 등 ‘무엇을 할 수 있는가’라는 단일 능력이 개인의 가치를 증명했다. 하지만 현재의 AI는 코딩과 번역은 물론, 전략 초안까지 스스로 제안한다. 결국 개인의 단일 능력은 더 이상 차별점이 되지 못하며, 이제는 능력의 합이 아닌 구조 완성도가 생존을 결정하는 시대가 되었다. AI와 협업하기 위한 세 가지 핵심 요소가 필요하다. 라이프 디지털 스레드(life digital t hread), AI 온톨로지(AI ontology), 디지털 트윈(digital twin)이다.   그림 1. AI 협업의 세 가지 핵심 요소   라이프 디지털 스레드는 우리의 파편화된 기억을 연속적인 시스템으로 재구성해 준다. AI 온톨로지는 인공지능에게 우리의 경험을 설명 가능한 데이터 구조를 만들어 준다. 디지털 트윈은 나의 판단과 일관성을 증명하는 나의 모델이다. 이 세 가지 핵심요소가 인공지능 시대에 나를 대표하는 것이다. 이 세 가지 요소가 없다면 인공지능 시대에서 개인은 투명인간이 된다. 다시 말해서 인공지능 시대에 AI 기반 체계에서는 인식되지 않는 존재가 되는 것이다. 그것은 인공지능과 파트너이거나 역량을 증강시키는 개인이 아니라, 인공지능의 대체재가 되는 것이다.   그림 2. 인간의 기억을 온톨로지로 변환   AI는 인간을 감정적으로 이해하지 않고 오직 구조(structure)를 통해 파악한다. AI가 개인의 품질을 추론할 때 가장 중요하게 여기는 핵심 데이터는 ‘무엇을 했는가’가 아니라 판단근거의 궤적(trajectory of judgment), 즉 ‘왜 그런 판단을 내렸는가’에 대한 과정이다. 개념(concept) : 내 경험이 속한 지식적 범주 관계(relation) : 경험과 지식 간의 연결 고리 속성(attribute) : 경험의 구체적인 특징 맥락과 시간(context and time) : 어떤 상황에서 어떤 순서로 행동이 이루어졌는가? 인간이 AI와 속도로 경쟁하는 것은 이미 의미가 없다. 2026년의 진정한 경쟁력은 가속이 아니라 조율(alignment)에서 나온다. 내가 무엇을 축적하고 무엇을 버리는지에 대한 일관된 궤적이 곧 나의 정체성이자 AI 시대의 생존 전략이다. 결국 살아남는 사람은 가장 똑똑한 사람이 아니라, 자신의 삶을 가장 잘 구조화한 사람이다. 인류의 역사를 바꾼 불의 발견과 오늘날의 인공지능 발전은 인류가 환경에 단순히 적응하는 존재에서 환경을 스스로 설계하는 존재로 거듭나게 했다는 점에서 매우 유사한 혁신적 전환점이다.   그림 3. 인공지능 시대의 개인상   새로운 ‘틈새’와 시간의 창출 불의 발견 : 인류는 불을 통해 밤의 안전을 확보하며 불빛 틈새(firelight niche)를 만들었다. 이는 매일 약 5시간, 연간 76일이라는 엄청난 추가 활동 시간을 선물했으며, 인류는 이 시간을 통해 문화를 축적했다. AI의 발전 : 인공지능 역시 인간의 반복적이고 복잡한 연산 업무를 대신 수행함으로써, 인류에게 새로운 ‘인지적 여유 시간’을 제공하고 있다. 불이 밤의 어둠을 밝혀 시간을 늘렸다면, AI는 지적 노동의 시간을 단축해 인류가 더 고차원적인 창의성에 집중할 수 있는 환경을 설계하고 있다.   언어와 소통 방식의 진화 불의 발견 : 어두운 밤에는 손짓이 통하지 않았기에 인류는 음성 언어를 선택했다. 불 앞에 둘러앉아 나눈 대화의 81%는 신화와 전설 같은 이야기였으며, 이는 언어를 정교화하고 집단의 정체성을 형성하는 계기가 되었다. AI의 발전 : AI는 인간의 언어를 기계가 이해하는 데이터로 변환하고, 다시 인간의 언어로 생성해내는 과정을 통해 소통의 패러다임을 바꾸고 있다. 과거 불 앞에서 이야기를 나누며 ‘인간다운’ 문화를 만들었듯, 현재 인류는 인공지능과 대화(프롬프트)하며 새로운 형태의 지식과 예술을 창조하고 있다.   뇌의 기능적 도약과 계획 능력 불의 발견 : 불을 꺼뜨리지 않기 위해 연료를 모으고 순번을 정하는 과정에서 ‘확장된 작업 기억’과 미래 설계 능력이 발달했다. 또한, 안전한 수면으로 렘 수면의 비중이 늘어나며 학습 능력이 비약적으로 향상되었다. AI의 발전 :  AI는 인류의 ‘외부 뇌’ 역할을 하며 인간의 인지 능력을 확장하고 있다. 불 관리가 고도의 계획 능력을 훈련시켰듯, AI를 제어하고 통합하는 과정은 인류에게 더 복잡한 전략적 사고와 문제 해결 능력을 요구하며 인류의 지적 수준을 또 다른 차원으로 끌어올리고 있다.   그림 4. 불의 발견과 인공지능 발전의 비교   환경의 수용자에서 ‘설계자’로의 전환 불의 발견 : 불을 사용하면서 인류는 추우면 불을 피우고, 맹수가 오면 불로 쫓아내는 등 환경을 설계하기 시작했다. 이야기가 기술이 되어 생존 전략으로 축적된 것이다. AI의 발전 : AI는 이제 자연환경뿐만 아니라 디지털 환경과 정보 생태계 전체를 인류의 의도에 맞게 재구성하고 있다. 인류는 이제 AI라는 도구를 통해 미래를 더 정교하게 예측하고 설계하는 ’호모 이그니스(불의 인간)’에서 ‘호모 사피엔스(지혜의 인간)’로서의 정점에 다가서고 있다. 결론적으로 불이 단순히 도구가 아니라 인류의 삶 자체를 바꾼 ‘환경’이었다고 정의할 수 있다면, 인공지능 역시 단순한 기술적 도구를 넘어 현대 인류의 새로운 인지적 환경으로 자리 잡고 있다. 불이 인류를 ‘인간답게’ 만들었다면, 인공지능은 그 ‘인간다움’의 정의를 새로운 기술 문명 속에서 재확립하도록 이끌고 있다. 40만 년 전 불이 인류의 뇌라는 하드웨어에 ‘미래 예측’이라는 운영체제를 깔아주었다면, 현재의 인공지능은 그 운영체제를 초고성능 클라우드 시스템으로 업그레이드하여 인류 전체의 지성을 하나로 연결하는 과정에 있다고 볼 수 있다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

  INFOWORLD   Editorial 17　2026년, AI는 ‘증명’의 심판대에 오른다   Case Study 18　인프라 프로젝트에 실시간 시각화 기술 활용한 에이프리　대규모 데이터를 효과적으로 시각화해 커뮤니케이션 개선 20　세이코 엡손의 로봇 시뮬레이션 소프트웨어 업그레이드　첨단 3D 엔진으로 시뮬레이터 개발의 효율 향상   Hot Window 23　RBDO, 데이터 시대에 무결점 설계를 향해 / 최병열 28　입자 기반 다중물리 해석 설루션의 개발과 진화 / 서인수   Focus 32　PTC, “제조 산업의 라이프사이클을 AI로 혁신한다” 34　AI 시대의 경쟁력을 위한 열쇠는 데이터 전략에 있다   People&Company 37　지멘스 디지털 인더스트리 소프트웨어 존 폭스 마케팅 부사장　디자인센터 솔리드 엣지, 브랜드 통합과 AI로 제품 설계 효율 높인다 40　OSC모듈러산업협회 김인한 회장　현장 노동에서 공장 제조로… 건설 산업의 패러다임 혁신 이끌 것 42　콘택트 소프트웨어 칼 하인츠 자크리스 CEO　제조 경쟁력을 위한 PLM 플랫폼 및 한국 맞춤형 성공 모델 구축 추진   On Air 44　캐드앤그래픽스 CNG TV 지식방송 지상중계　“설계자는 해석을 못한다?”… 단순화 노하우로 해석 진입장벽 낮춰 45　캐드앤그래픽스 CNG TV 지식방송 지상중계　설계 가능한 인과 기반 AI : 지식조립공장의 시대가 온다 46　캐드앤그래픽스 CNG TV 지식방송 지상중계　생성형 AI 영상 제작 기술의 변화와 제작 노하우… 낙서가 영화가 되는 시대   Column 47　디지털 지식전문가 조형식의 지식마당 / 조형식　AI 시대의 인류 생존 전략과 새로운 불의 발견 50　현장에서 얻은 것 No. 25 / 류용효　나의 비서 – AI 활용 점수는?   52　이달의 신제품   Directory 115　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 54　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (10) / 최하얀　설계 협업의 패러다임을 바꾸는 트리니티 58　새로워진 캐디안 2026 살펴보기 (2) / 최영석　스마트 치수 63　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　코딩 없는 LLM 기반 에이전트 개발 도구, 디파이   Mechanical 66　전기 설계에서 AI 활용의 의미 그리고 위기와 기회 / 구형서　AI 시대의 새로운 제사장, 정보 권력의 재구성 71　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (6) / 김주현　서피스 모델 생성하기   Manufacturing 80　산업 디지털 전환을 가속화하는 버추얼 트윈 (10) / 김수훈　디지털 연속성의 시대, 기준 정보가 이끄는 AR 현장의 진화   Analysis 83　심센터 HEEDS 더 깊게 살펴 보기 (1) / 이종학　심센터 HEEDS 커넥트와 MBSE 방법론 90　앤시스 워크벤치를 활용한 해석 성공 사례 / 이광희　10분만에 이해하는 열전달 메커니즘 94　성공적인 유동 해석을 위한 케이던스의 CFD 기술 / 나인플러스IT　산업 전반에 걸친 고충실도 CFD 시뮬레이션의 잠재력 98　로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (5) / 윤경렬, 윤민영　데이터 분석 로코드 설루션을 클라우드로 확장해 보자 102　설계, 데이터로 다시 쓰다 (4) / 최병열　Hello World 110　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (3) / 오재응　다양한 도메인에 통합 적용되는 MBSE         캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

오픈소스 CFD 컨설팅 전문 그룹 넥스트폼은 최근 인스타그램에 공개한 FAMUS(Fully Automated Multi-physics Simulator) 기반 비행체 무장분리 시뮬레이션 영상이 50만 조회수를 돌파했다고 전했다. 이 영상은 무장 분리 순간의 충격파, 와류, 압축성 유동, 무장 궤적 안정성 등을 사실적인 수준으로 재현했다는 것이 넥스트폼의 설명이다.  이번 영상은 단순한 시각적 효과를 넘어 초고속 압축성 유동과 다물체 운동(6DoF), 구조물 분리 거동을 동시에 계산하는 고난도 해석 결과다. 특히 무장 분리 구간은 비행 안정성과 직결되는 위험하고 복잡한 영역으로, 실험적 검증이 제한적인 분야다. 넥스트폼은 “이 구간을 고정밀로 재현했다는 점에서 FAMUS의 기술적 완성도를 보여준다”고 전했다.     FAMUS는 무격자 계산 기법을 적용한 압축성 CFD 해석 프로그램이다. 기존 CFD 방식과 달리 공간 격자(메시)의 생성이 필요 없으며, 공간상에 분포된 질점(point cloud)만을 활용해 유한체적법(FVM)과 유사한 방식으로 고정밀 계산을 수행한다. 이 기술은 국방과학연구소(ADD)의 압축성 무격자 원천 기술을 기반으로, 넥스트폼과 서울대학교 극초음속연구실이 공동 개발한 차세대 다물리 시뮬레이션 플랫폼이다. 기존 무격자 기법의 구조적 한계로 지적되던 ‘비보존성 문제’는 GC-LSM(Geometric Conservation-based Least Square Method) 기법을 통해 근본적으로 해결하며, 고정밀 보존 해석을 구현했다. 또한 AUSMPW+ 플럭스 기법과 MLP3 고차 정확도 스킴을 적용해 초음속 및 극초음속 충격파 영역에서도 높은 수치적 안정성과 해석 정확성을 확보했다. FAMUS의 가장 큰 차별점은 ‘격자가 필요 없는 해석 구조’다. 이로 인해 전처리 시간이 단축되며, 형상 변화, 다물체 분리, 6자유도(6DoF) 운동이 포함되는 고난도 해석에서도 격자 재생성  없이 연속 해석이 가능하다. 이는 곧 비행체 무장 분리, 다물체 충돌 및 간섭 유동과 같은 국방·우주 분야 핵심 해석을 더욱 빠르고 안정적으로 수행할 수 있음을 의미한다. FAMUS는 압축성 유동 해석뿐만 아니라 평형·비평형 플라즈마 유동 해석까지 지원한다. NASA Glenn Research Center의 CEA(Chemical Equilibrium with Applications) 기반 2000종 이상의 기체 데이터를 활용할 수 있어, 극초음속 비행체 재진입 공력 가열, 플라즈마 발생, 고온 화학 반응까지 정밀하게 모사가 가능하다. 이는 FAMUS가 전투기·미사일을 넘어 극초음속 비행체, 우주 발사체, 재진입체, 차세대 우주 수송 시스템까지 적용 가능한 다물리 시뮬레이터임을 의미한다는 것이 넥스트폼의 설명이다. FAMUS의 산업 적용과 기술 고도화를 담당하고 있는 넥스트폼은, 국방·항공우주 분야 고급 해석 기술과 더불어 오픈소스 CFD 솔버 ‘바람(Baram)’도 함께 개발·운영하고 있다. 바람은 매회 지속적인 업그레이드를 통해 전 세계 100여 개국에서 다운로드되며 긍정적인 사용자 평가를 받고 있는 글로벌 오픈소스 CFD 플랫폼이다. 넥스트폼의 김병윤 대표는 “한국 기술이 해외에서 먼저 주목받고 다시 국내로 거꾸로 들어오는 구조는 솔직히 씁쓸한 부분이 있다. 국내 산업 현장에서는 여전히 외산 CFD 소프트웨어에 대한 의존도가 매우 높은 것이 현실”이라면서, “FAMUS는 국가 핵심 영역의 고급 해석 기술을 국산으로 구현한 상징적인 사례이고, 바람은 누구나 자유롭게 접근할 수 있는 CFD 생태계를 만들기 위한 또 하나의 도전이다. 앞으로는 특정 기업의 독점이 아닌, 오픈소스를 통한 기술의 대중화가 한국 CFD 산업 경쟁력을 키우는 핵심이 될 것”이라고 전했다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (28)   피델리티 LES 솔버(Fidelity LES Solver)는 고급 다물리학 CFD(전산유체역학) 해석 엔진으로, 대형 소용돌이 시뮬레이션(LES)을 항공우주, 자동차, 터보 기계 분야의 주류로 확장한 기술이다. 고유의 스케일링 기능을 갖춘 피델리티 LES 솔버는 고도화된 유체 역학 문제를 정확하게 예측할 수 있도록 설계되어, 공기소음학, 공기역학, 연소, 열 전달 및 다상 흐름 문제 등 전통적으로 복잡한 CFD 문제를 해결한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   피델리티 LES 솔버의 주요 특징 고정밀 시뮬레이션 : 이 솔버는 공기소음학, 공기역학, 연소, 열 전달 및 다상 흐름 등 복잡한 유체 역학 문제를 해결하는 데 적합하며, 특히 정확도가 중요한 분야에서 큰 장점을 제공한다. 메시 생성 : 클리핑된 보로노이 다이어그램을 이용하여 폴리헤드럴 메시(mesh)를 빠르고 확장 가능하며, 복잡한 기하학적 형상을 처리할 수 있는 견고한 방법으로 생성한다. 사용자는 필요한 곳에 해상도를 조정하거나, 복잡한 기하학적 구조에 대해 낮은 해상도의 시뮬레이션을 실행하고, 움직이는 기하학도 시뮬레이션할 수 있다. 확장성 : CPU 기반 또는 GPU 기반 고성능 컴퓨팅 환경에서 높은 확장성을 제공하여, 큰 규모의 계산 집약적인 시뮬레이션을 수행할 때도 속도나 정확도를 희생하지 않고 처리할 수 있다. 고급 수치 방법 및 모델 : LES의 예측 정확성을 실현하려면 단순히 시간 의존성을 활성화하고 난류 모델을 변경하는 것 이상이 필요하다. 피델리티 LES 솔버는 안정성과 정확성을 높이기 위해 고급 수치 방법과 모델을 결합하여 다양한 시나리오에서 효과적으로 작동한다.   피델리티 LES 솔버의 적용 분야 항공우주 : 항공기 부품 주변의 흐름 역학을 예측하거나, 소음 발생을 이해하고, 공기역학 성능을 최적화하는 데 유용하다. 자동차 : 자동차 설계에서 공기 저항, 연소 모델링, 공기소음학 등의 시뮬레이션에 필수적인 도구이다. 터보 기계 : 터빈, 압축기 등과 같은 기계에서의 흐름을 정확히 시뮬레이션하여 효율성 및 신뢰성을 개선하는 데 도움을 준다. 피델리티 LES 솔버는 복잡하고 실제적인 시나리오에서 고급 CFD 설루션을 요구하는 엔지니어나 연구자에게 유용한 도구이다.   그림 1. 피델리티 스티치(Fidelity Stitch)로 생성된 실물 크기 혼다 피트(Honda Fit)의 폴리헤드럴 메시   해석기는 다양한 유동 영역(저속 유동, 충격파를 동반한 고속 유동, 반응 유동 등)을 처리할 수 있도록 비정형 격자에 대한 이산 엔트로피 프레임워크(discrete entropy framework)를 일반화한 유한체적법(finite volume approach) 기반의 이산화(discretization) 기법을 사용한다. 이 방식은 복잡한 센서, 업윈딩 하이브리드화(upwinding hybridization), 또는 안정성을 위한 계수 조정 없이도 안정적이고 균일한 플럭스 이산화(flux discretization)를 가능하게 한다. 이 고유한 이산화 기법은 최신의 서브그리드 스케일 모델링(subgrid scale modeling) 및 벽면 모델링(wall modeling)과 결합되어, 격자 해상도에 대해 뛰어난 강인성을 가진 LES 기능을 제공한다.(그림 2)   그림 2. 샌디아 불꽃 D(Sandia Flame D) 실험 결과와 피델리티 LES 솔버의 다양한 격자 크기 결과 비교(위 : 온도 등고선, 아래 : 중심선 평균 및 RMS(평균제곱근) 온도)   공기역학(Aerodynamics) 피델리티 LES 솔버는 복잡한 형상의 공기역학력을 예측할 수 있으며, 저마하(low–Mach)에서 초음속(supersonic)에 이르기까지 다양한 유동 영역에서 정확한 예측이 가능하다. 예를 들어, 미세한 형상 설계 변경으로 인한 차량 항력 변화를 포착하거나(그림 3), 상용 항공기에서 높은 받음각(angle of attack) 조건에서의 실속(stall) 발생 시점을 정확히 식별할 수 있다.   그림 3. 피델리티 LES 솔버를 활용한 고정밀 CFD 시뮬레이션.(위 : 최대 양력, 실속(stall) 특성 및 분리 패턴 예측을 목표로 한 상용 항공기의 고정밀 시뮬레이션, 아래 : 자동차의 외부 공기역학 시뮬레이션)     ■ 자세한 기사 내용은 PDF로 제공됩니다.

설계, 데이터로 다시 쓰다 (3)   데이터 보기를 황금처럼 봐야 할 시대가 왔다. 데이터를 활용해서 상상으로만 그리던 일이 현실이 되어가기에 너도나도 데이터를 모으기 시작했다. 이토록 소중한 데이터이기에 허투루 만들 수 없다. 좀 더 영리하고 전략적으로 접근할 필요가 있다. 이번 호에서는 데이터 생성을 위해 어떤 전략이 필요하고, 전략적으로 생성된 데이터가 어떤 활용 가치가 있는 지 설명하고자 한다.   ■ 최병열 피도텍에서 AI 기반 Data-driven Design SW 개발 총괄을 맡고 있다. 한양대에서 공학박사 학위를 받았고, 20여 년간 100여건의 최적 설계 프로젝트를 주도하며 컨설팅 경험을 쌓았다. 홈페이지 | www.pidotech.com   어떻게 확보할 것인가? 데이터는 돈이다 CFD(Computer Fluid Dynamics : 전산유체역학)가 무엇의 약자일까? 한번은 유동 분야의 저명하신 교수님께서 하신 농담이 기억이 난다. ‘Colorful Fluid Dynamics’라고 말이다. 유동 시뮬레이션 결과가 시각적으로 화려하다는 의미로 하신 농담이었지만 곰곰히 생각해 보면 시뮬레이션의 효과를 누리지 않는다면 단지 보고서 한 켠을 채우는 컬러풀한 그림이 될 수도 있겠다는 생각이 든다. VP(Virtual Prototyping : 가상 프로토타이핑)를 위해 구조, 열유체, 동역학, 제어 등의 다양한 분야의 CAE 소프트웨어를 도입하고 있다. CAE 소프트웨어를 통해 하나의 데이터를 생성해 내기 위해서는 해석 모델링부터 솔빙(solving), 결과 분석에 이르기까지 소프트웨어와 하드웨어 리소스를 활용해야 함은 물론 해석 전문가의 공수(M/H)도 투입되어야 하기에 상당한 비용이 든다고 볼 수 있다. 학회를 다녀보면 최적설계라는 타이틀의 논문 발표가 종종 있다. 실제로 최적화 알고리즘을 적용해서 최적해 탐색까지 도달하는 사례도 있는 반면, 1개 내지 2개의 설계변수 값을 바꿔가며 성능의 경향을 보고 성능이 가장 좋아지는 설계변수 값을 택하면서 최적설계를 했다고 하는 경우도 있다.(학문적으로는 1D 파라메트릭 스터디라고 부른다.) 하지만, 최적설계를 제대로 했든 안 했든 시뮬레이션으로부터 얻은 데이터로 설계 개선이라는 목적에 맞게 데이터를 활용했다는 점은 가치를 인정받을 만하다. 성능 평가를 위해 필요한 데이터는 한 개(시뮬레이션 1회)이다. 설계변수의 효과를 파악하기 위한 최소의 데이터 개수는 설계변수 개수에 1개의 데이터가 필요하다. 특정 설계변수의 경향을 파악하고 싶다면, 해당 설계변수의 범위를 구간으로 나누어 데이터를 뽑아 볼 수 있다. 현실적으로 설계변수는 여러 개가 존재하고 설계변수의 조합으로 성능이 개선되는 경우가 대부분이라서, 개별 설계변수의 효과를 보는 방식보다 설계변수들의 효과를 동시에 고려할 수 있는 데이터 샘플링 방법이 필요하다.   실험계획법이란 여러 개의 설계변수 효과를 동시에 고려하기 위해 활용되는 것이 실험계획법(DOE : Design of Experiments)이다. 실험계획법은 농업과 통계학의 만남으로 1920년대부터 사용되었다. 영국의 통계학자이나 생물학자인 로널드 A. 피셔가 창시자로 알려져 있다. 작물 수확량을 높이기 위한 실험을 진행하면서 단순한 반복보다 많은 정보를 획득할 수 있게 실험을 설계할 필요가 있었다. 실험계획법에 대한 피셔의 재미있는 일화가 있다. 그 당시 영국 사람들은 밀크티에 차와 우유를 따르는 순서로 맛의 차이가 있다 없다의 논쟁을 펼쳤다. 이에 논쟁의 결론을 내리기 위해 피셔는 다음과 같은 실험을 계획하였다.   그림 1. 실험계획법의 일화 – 차를 맛보는 여인(출처 : ChatGPT)   실험은 이렇다. 피셔는 8잔의 밀크티를 준비하였고 4잔은 차를 먼저, 나머지 4잔은 우유를 먼저 따랐다. 나머지 실험조건은 동일하게 하기 위해 같은 찻잔을 사용했고, 랜덤으로 여인에게 차를 맛보게 했다. 밀크티를 모두 마신 뒤 차를 먼저 따랐다고 판단되는 찻잔 4개를 선택하게 하였다. 이 실험 결과를 토대로 피셔는 차를 먼저 따른 밀크티의 개수(0~4) 별로 확률을 계산해 낼 수 있었다. 참고로, 이 실험의 결과 여인이 정확하게 4잔(차를 먼저 따른 밀크티)을 모두 골라냈다고 한다. 2차 세계대전 이후 품질 관리를 위해 실험계획법이 미국 제조업에 도입되었고, 1950년대 이후부터 다구치 겐이치가 강건설계의 개념과 함께 일본 제조업에 널리 적용하였다. 실험계획법은 경제성의 원칙과 궤를 함께 한다. 최소한의 데이터로 최대 효과를 얻겠다는 것이다. 실험계획법에는 다양한 기법이 존재하며, 대표적으로 FFD(Full Factorial Design : 완전조합법)와 LHD(Latin Hypercube Design)를 예로 들 수 있다. FFD는 주로 실제 실험에 많이 활용되었고, LHD는 시뮬레이션 기술이 발달함에 따라 전산 실험에 널리 활용되었다.   (a) FFD   (b) LHD 그림 2. 실험계획법의 종류   어떻게 활용할 것인가? 옥석 가리기 많은 최적설계 관련 연구나 논문을 검토하면서 공통적으로 파악되는 프로세스가 있다. 데이터도 돈이지만 설계 프로세스가 더 많은 데이터를 필요로 하는 이유는 설계변수 때문이다. 즉, 설계변수도 돈이다. 설계변수는 내가 개선하고자 하는 성능지수를 컨트롤할 수 있는 수단이기 때문에 많으면 많을수록 유리하겠지만, 현실적으로 가성비를 따져보지 않을 수 없다. 결론은 많은 설계변수 중 옥석을 가려내야만 한다. 적으면 적을수록 적은 데이터가 필요하므로 가성비가 올라가기 때문이다. 설계변수의 옥석을 가리기 위해 주로 사용되는 것이 민감도(sensitivity)이다. 민감도는 설계변수 변화에 따른 성능지수(목적함수나 구속조건)의 변화를 나타내는 기울기로 표현된다. 그 기울기가 크면 클수록 설계변수의 민감도가 커진다. 즉 설계변수를 조금만 변경해도 성능지수 값을 많이 변경시킬 수 있다는 의미이다. 민감도를 계산할 수 있는 다양한 방법이 존재한다. 다양한 방법이 존재한다는 의미는 각기 장단점을 가진다는 것이다. 크게는 국부 민감도(local sensitivity)와 전역 민감도(global sensitivity)로 나눌 수 있다. 현재 설계점에서 국한해서 설계변수의 민감도를 보는 것이 국부 민감도이고, 전체 설계 영역에서 성능지수에 미치는 영향을 통계적으로 분석하는 것이 전역 민감도이다. 당연히 전역 민감도가 많은 데이터를 필요로 한다. 통상적으로 어느정도 데이터를 확보할 수 있는 경우라면, 실험계획법으로 확보된 데이터로 전역 민감도 분석을 통해 설계변수의 옥석을 가리는 경우가 많다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

펑션베이가 지난 10월 13일 ‘2025 리커다인 유저 콘퍼런스’를 진행했다. 이번 콘퍼런스에서는 모델링 속도 개선, 해석 정확도 및 활용성 강화, 결과 분석 용이성 등을 중점으로 다물체 동역학 해석 설루션 리커다인 2026(RecurDyn 2026) 버전의 신기능을 소개했다. 또한 입자법 기반 CFD(전산 유체 역학) 소프트웨어인 파티클웍스 8.2(Particleworks 8.2) 버전의 기능 개선과 함께 사용자 서브루틴의 활용법, 모터 모델링 및 제어 기법, 하모닉 드라이브의 MFBD(유연 다물체 동역학) 해석 기법 등의 기술 발표가 이뤄지는 등 엔지니어링 시뮬레이션 기술의 최신 동향과 적용 사례를 전했다. ■ 정수진 편집장     해석의 신뢰도와 사용자 편의성 강화한 리커다인 2026 펑션베이 기술사업팀의 김진수 수석은 펑션베이가 자체 개발하고 있는 리커다인 2026의 핵심 기능을 소개했다. 사용자 모델링 효율과 해석 정확도를 강화한 이번 버전은 접촉(contact), 조인트(joint), 요소(element) 등 물리 현상 재현 능력을 고도화하고, 최신 AI 기술을 도입해 사용자 편의성을 높인 것이 특징이다. 우선, 해석의 신뢰도를 좌우하는 접촉 기능이 향상됐다. 패치 사이즈의 하한 제한을 없애 미세한 설정이 가능해졌으며, 이를 통해 더욱 정교한 지오메트리 조정이 가능하다. 특히 지오 콘택트(geo contact)에는 ‘단위 면적당 강성’과 ‘압력 스플라인’ 입력 방식이 추가되어, 브레이크 패드와 같이 면적에 따라 압력이 변하거나 비선형적 압력 관계를 가진 모델의 해석 정확도가 높아졌다. 조인트 영역에서는 스크류 조인트에 프리로드 기능을 추가해 오일 피스톤 등의 마찰 거동을 현실적으로 구현하며, 유연체(FFlex) 해석 시 더미 보디의 질량을 자동 보정해 물리적 간섭을 최소화했다. 주목할 점은 생성형 AI 기술의 도입이다. 리커다인 2026은 LLM(대규모 언어 모델) 기반의 ‘리커다인 어시스턴트’ 베타 버전을 탑재했다. 김진수 수석은 “복잡한 표현식(expression) 예제 생성이나 사용법 안내를 AI가 지원함으로써 모델링의 진입 장벽을 낮췄다”고 설명했다. 후처리(포스트 프로세싱)의 효율도 개선됐다. 애니메이션 일시 정지 상태에서 즉각적인 파라미터 확인과 노드 데이터 추적이 가능해졌고, 최대 5개 주파수의 진동 모드를 동시에 비교 재생하거나 셸(shell) 요소의 두께 위치별 응력을 확인하는 기능이 추가됐다. 이 외에도 내구 해석 결과 통합, 2배 빨라진 기어 해석용 패치 구속 모델링 등을 통해 엔지니어의 업무 생산성을 높이는 데 주력했다.   ▲ 리커다인 2026에서 베타로 탑재된 LLM 기반의 AI 어시스턴트   입자 해석의 정밀도·효율 높인 파티클웍스 8.2 펑션베이가 국내 공급하는 입자법 기반 CFD 소프트웨어인 파티클웍스는 지난 10월 8.2 버전을 선보였다. 펑션베이 기술사업팀의 김태영 책임은 “이번 업데이트는 기체와 액체의 상호작용을 다루는 LBM(Lattice Boltzmann Method) 기능의 고도화와 대규모 해석을 위한 전용 모델 도입, 열 해석 영역 확장을 통해 정확도와 효율을 강화했다”고 밝혔다. 가장 큰 변화는 기체와 액체 간의 양방향(2-way) 커플링 지원이다. 뭉쳐진 유체인 액적과 LBM 격자 간의 상호작용을 직접 계산하여, 액적과 기류가 서로 주고받는 영향을 반영할 수 있다. 이를 통해 빗방울이나 소방수 살포 같은 복잡한 유동을 더욱 현실적으로 모사할 수 있게 됐다. 눈이나 먼지가 쌓이는 현상을 다루는 ‘부착/적층 모델’도 추가됐다. 파티클웍스 8.2에서는 해석 효율이 더욱 개선됐다. FVM(유한체적법) 연동 시 MPS는 싱글, FVM은 더블 프리시즌으로 계산하는 하이브리드 방식을 도입해 속도와 안정성을 확보했다. 김태영 책임은 “불필요한 격자 생성을 줄이고 결과 파일 크기를 최대 85% 축소해 대용량 해석의 부담을 덜었다”고 설명했다. 또한 억 단위 입자를 처리하는 토목·해일 해석용 ‘EIMPS’ 모델을 도입해 메모리 효율과 속도를 높였다. 열 해석 분야에서는 고체-액체-기체 간 상호 열전달을 단일 솔버로 통합 지원하며, 방향별 열 전도도 입력 기능을 더해 복합적인 열전달 현상을 정밀하게 해석할 수 있게 됐다.   동역학 해석의 한계 극복 위한 기술과 사례 소개 이번 콘퍼런스에서는 리커다인의 기술적 깊이와 확장성을 선보이는 발표와 함께 자동차, 로보틱스, 전력 설비, 인공위성 등 다양한 산업 분야의 활용 사례가 소개됐다. 펑션베이 기술사업팀의 이정한 수석은 ‘리커다인 유저 서브루틴(user subroutine) 사용법’을 주제로, 파도의 힘과 같은 특수 물리 현상을 사용자가 직접 구현하거나 복잡한 모델을 수식화하여 해석 속도를 단축하는 노하우를 공유했다. 장성일 책임은 ‘코링크(CoLink) 모터 드라이버를 연동한 모터 모델링’ 기법을 소개하면서, 기계와 제어 시스템이 결합된 메카트로닉스 분야로의 기술 확장을 강조했다. 전용우 팀장은 로봇 구동계의 핵심인 ‘하모닉 드라이브(harmonic drive)의 모델링 및 정밀 해석 기법’을 발표하면서, 해석 시간 단축과 정확도 확보를 동시에 달성하는 해법을 제시했다. 펑션베이는 이들 발표를 통해 리커다인이 다룰 수 있는 CAE 기술의 스펙트럼과 해결 능력을 포괄적으로 제시했다. 또한, 동역학 해석을 넘어 복합 물리 현상과 정밀 제어 시스템까지 아우르는 통합 설루션으로 나아가고자 하는 리커다인의 미래 방향성을 제시했다.     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   2025년 마지막 칼럼의 주제는 인공지능 전환(AI Transformation : AX)의 본격적인 시작이 아닐까 한다. 현재 대한민국 주력 산업이 거대한 변곡점 위에 서 있다. 지난 10여 년간 우리는 데이터를 쫓았다. 스마트 공장을 짓고, IoT(사물인터넷) 센서를 부착하며 데이터를 수집하는 디지털 전환(Digital Transformation : DX)에 매진했다. 하지만 생성형 AI의 시대가 도래한 지금, ‘데이터를 얼마나 많이 가졌는가’는 더 이상 승패를 가르는 절대적 기준이 아니다. 이제는 질문을 바꿔야 한다. ‘AI가 우리 산업 현장을 얼마나 깊이 ‘이해’하고 있는가?’ 바로 이것이 인공지능 전환의 본질이다.   그림 1. 디지털 전환과 인공지능 전환   데이터 중심에서 지식 중심으로의 패러다임 전환 기존의 DX가 데이터 수집과 프로세스 효율화에 집중했다면, 다가오는 AX 시대의 핵심은 지식 기반 지능화(knowledge-based intelligence)이다. 수많은 제조 현장의 암묵지, 설계 도면의 복잡한 로직, 엔지니어의 경험치 등은 단순한 데이터 패턴 학습만으로는 AI에게 전수될 수 없다. 우리는 산업 도메인의 복잡한 구조와 규칙, 제약 조건을 AI가 명확히 이해하고 추론할 수 있도록 만들어야 한다. 이것이 바로 한국 산업이 지향해야 할 새로운 경쟁력, 구조적 지능(structural intelligence)이다.   핵심 기술 : 인간의 지식을 AI의 언어로 이러한 ‘지식 중심 전환’을 가능케 하는 핵심 엔진이 바로 AI 온톨로지(AI ontology)이다. 온톨로지는 문서나 도면과 같은 ‘사람 중심의 비정형 지식’을 AI가 이해할 수 있는 개념, 관계, 속성, 규칙으로 구조화하여 AI형 지식 체계로 재탄생시킨다. 온톨로지가 적용되면 AI는 단순한 불량 검출을 넘어선다. 설계 지식을 논리로, 생산 공정을 제약 조건으로, 품질 문제를 인과관계로 파악하게 된다. 즉, AI가 엔지니어처럼 사고하고, 공정 최적화를 위해 스스로 추론하며, 설계 대안을 제시하는 AI 증강 지식(AI augmented knowledge)의 단계로 진입하는 것이다.   그림 2. AI 온톨로지를 사용한 AI 증강 지식   제품 수명주기의 지능적 통합 AI 온톨로지의 진가는 제품의 기획부터 설계, 생산, 운영, 폐기에 이르는 전 수명주기(lifecycle)에서 발휘된다. 기존의 단절된 공정 지식이 온톨로지 기반으로 연결되면서, 제품 수명주기 관리(Product Lifecycle Management : PLM) 시스템은 ‘AIaugmented PLM’으로 진화한다. 설계 단계 : 요구 사항과 규격을 AI가 구조적으로 분석하여 CAD/ CAE/BIM 모델 생성을 지원한다. 생산 단계 : 공정의 제약 조건을 이해한 AI가 최적의 생산 계획을 수립한다. 운영 및 품질 : 예지보전은 물론, 품질 문제 발생 시 원인과 결과를 논리적으로 추론하여 해결책을 제시한다.   그림 3. 인공지능 증강 PLM   국가 산업 주권을 위한 전략 결국 이 모든 기술적 노력은 국가 차원의 산업 경쟁력 보호, 즉 소버린 AI(sovereign AI, 주권형 인공지능) 구축으로 귀결된다. 글로벌 빅테크의 일반 범용 모델에 의존해서는 대한민국 특유의 제조, 조선, 반도체, 항공 방산 산업의 기밀과 노하우를 지킬 수 없다. 우리는 다음의 3대 핵심 요소를 통해 독자적인 산업 지능 생태계를 구축해야 한다. 한국 산업 온톨로지 : 우리 산업 고유의 공정과 표준이 반영된 AI 지식 체계 한국형 산업 데이터스페이스(Korea industrial data space) : 데이터 주권을 확보하고 안전한 교환을 보장하는 인프라 산업 AI 에이전트 : 실제 공정 자동화와 최적화를 수행하는 실행 시스템   그림 4. 한국형 구조적 지능이 국가 산업 주권 전략이다.   맺음말 : 지식을 구조화하는 자가 미래를 지배한다 “지식을 구조화하는 국가가 미래 산업을 지배한다.” 이것은 단순한 수사가 아니다. 한국은 세계 최고 수준의 산업 데이터와 공정 지식을 보유하고 있다. 이제 남은 과제는 이 방대한 자산을 AI가 이해할 수 있는 ‘지능형 구조’로 변환하는 것이다. AI 온톨로지 기반의 산업 지능화 전략은 한국이 패스트 팔로어(fast follower)를 넘어, AI 시대의 진정한 퍼스트 무버(first mover)로 도약하기 위한 가장 확실한 로드맵이 될 것이다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.