시높시스와 통합 시너지 강화… AI로 엔지니어링 혁신 이끈다   제품이 복잡해지면서 반도체 설계와 전체 시스템의 구현을 통합하는 엔지니어링이 필수가 됐다. 앤시스는 EDA(전자 설계 자동화) 기업 시높시스와 통합을 통해 제품 개발의 전체 과정을 단일 플랫폼으로 지원한다는 비전을 마련했다. 이와 함께 AI(인공지능) 기술을 자사 포트폴리오 전반에 적용해, 전문가의 전유물이었던 시뮬레이션의 장벽을 허문다는 전략도 제시했다. ■ 정수진 편집장   ▲ 앤시스 패드메쉬 맨들로이 부사장   ‘실리콘부터 시스템까지’ 아우르는 엔지니어링 시대 연다 제품이 점차 스마트해지고 복잡해지면서 물리 세계와 전자 세계의 만남이 그 어느 때보다 중요해지고 있다. 앤시스와 시높시스는 지난 7월 통합 완료를 발표했는데, 두 회사는 각자의 전문성을 결합해 반도체 칩 설계(실리콘)부터 최종 시스템에 이르는 전체 과정을 지원하는 통합 설루션을 제공할 계획이다. 앤시스의 패드메쉬 맨들로이(Padmesh Mandloi) 고객지원 부문 아시아 부사장은 “오늘날의 제품은 단순히 기능을 수행하는 것을 넘어 스스로 사고하고, 협업하며, 환경에 적응하는 지능형 시스템으로 발전하고 있다. 이런 변화는 엔지니어링의 복잡성을 가중시키고 있으며, 반도체 설계와 물리적 시스템의 구현을 별개로 볼 수 없게 되었다”면서, “시뮬레이션 분야의 선도 기업 앤시스와 EDA 1위 기업 시높시스가 손을 잡은 것은 이런 시대적 요구에 부응하기 위한 것”이라고 설명했다. 맨들로이 부사장은 “시스템은 실리콘의 요구사항을, 실리콘은 시스템의 요구사항을 정확히 이해해야 한다”고 짚었다. 예를 들면, 자동차 기업이 자율주행 기능을 구현하기 위해서는 AI 반도체 설계를 고려해야 하고, 반도체 기업은 칩이 자동차에 쓰일지 데이터센터에 쓰일지에 따라 다른 접근법을 선택해야 한다는 것이다. 제품 개발을 위해 엔지니어링 시뮬레이션과 EDA의 긴밀한 상호작용이 필수가 되면서, 앤시스는 시높시스와의 통합이 큰 시너지를 낼 수 있을 것으로 기대하고 있다.   물리 기반 시뮬레이션을 EDA 흐름에 통합 양사 통합의 핵심 전략은 앤시스의 강점인 물리 기반 시뮬레이션을 시높시스의 EDA 설계 흐름에 통합하는 것이다. 이를 통해 차세대 인공지능(AI) 칩, 3D IC 등 고도의 반도체를 설계할 때 필수로 고려해야 하는 열, 구조 변형, 뒤틀림 같은 물리적 문제를 설계 초기 단계부터 해결할 수 있게 된다는 것이다. 앤시스코리아의 박주일 대표는 “특히 고대역폭 메모리(HBM)와 같이 여러 칩을 쌓는 ‘스택 구조’에서 이러한 통합 설루션의 가치가 크다. 앤시스는 이미 HBM의 전력 무결성, 열, 구조적 스트레스 분석 분야에서 삼성전자, SK하이닉스 등과 협력해왔다. 앞으로 시높시스와 함께 칩 설계 단계부터 최종 분석까지 아우르는 단일 플랫폼을 제공할 수 있을 것”이라고 전했다. 앤시스와 시높시스는 조직을 통합하기보다는 각자의 비즈니스 운영 방식을 유지하며 시너지를 낼 수 있는 분야를 탐색하는 데 집중하고 있다. 시높시스가 소수의 반도체 기업을 깊이 있게 지원하는 반면, 앤시스는 수천 개의 다양한 산업군 고객을 보유하고 있어 사업 운영 방식에 차이가 있기 때문이라는 것이 박주일 대표의 설명이다. 그는 “다만, HBM 설루션처럼 시장의 요구가 높은 분야의 기술 통합은 더 빠르게 진행될 수 있다”고 덧붙였다. 앤시스는 시높시스와의 통합 설루션이 특히 복잡한 요구조건을 가진 첨단 산업에서 강점을 발휘할 것으로 보고 있다. 앤시스의 월트 헌(Walt Hearn) 글로벌 세일즈 및 고객 담당 부사장은 “이번 합병이 고객들에게 새로운 기술과 기회를 제공할 것으로 기대한다"면서, “물리 시뮬레이션과 EDA의 결합은 제품 개발의 어려운 과제를 해결하는 최고의 포트폴리오가 될 것”이라고 말했다.   ▲ 앤시스 월트 헌 부사장   AI로 엔지니어링의 문턱 낮춘다 앤시스는 인공지능(AI) 기술을 자사 포트폴리오 전반에 통합해 시뮬레이션의 효율과 속도를 높이고, 전문가 수준의 지식이 필요했던 기술의 문턱을 낮추는 데 주력하고 있다. 복잡한 제품 개발 환경에서 더 많은 엔지니어가 시뮬레이션 기술을 쉽게 활용하도록 돕는 것이 앤시스 AI 전략의 핵심이다. 맨들로이 부사장은 “시뮬레이션은 고도의 전문 지식을 갖춘 전문가의 영역으로 여겨져 왔다. 하지만 디지털 전환이 가속화되면서 기업의 비용 절감과 시장 출시 기간 단축을 위해 시뮬레이션의 활용을 확대하려는 요구가 커졌다”면서, “앤시스는 전문 지식에 대한 의존도를 낮추고 더 많은 사용자가 쉽게 접근할 수 있도록 AI 기술이 탑재된 플랫폼을 제공하는 것을 최우선 과제로 삼고 있다”고 설명했다. AI 기술은 초기 머신러닝(ML) 기반의 최적화 도구를 넘어, 대규모 언어 모델(LLM)과 AI 비서를 거쳐 완전히 자율화된 에이전틱 AI(agentic AI)로 나아가고 있다. 헌 부사장은 크게 네 가지 방향에서 AI를 앤시스 설루션에 적용하고 있다고 소개했다. 스마트 UI(사용자 인터페이스) : UI에 AI를 내장해 반복적인 작업을 자동화함으로써 엔지니어의 작업 효율을 높인다. 앤시스GPT(AnsysGPT) : 오픈AI의 기술을 기반으로 하는 앤시스GPT는 자연어 질의응답을 통해 사용자가 엔지니어링 문제에 대한 답을 더 빠르게 찾도록 돕는다. AI 내장 솔버 : 엔지니어링 해석의 핵심 엔진인 솔버 자체에 AI 기술을 통합해 문제 해결 속도를 이전보다 크게 높였다. 심AI(Ansys SimAI) : 과거의 방대한 시뮬레이션 데이터셋을 학습한 AI 솔버이다. 예를 들어, 기존에 일주일이 걸리던 자동차 외부 공기역학 해석 작업에 심AI를 활용하면 단 하루 만에 완료할 수 있다. 헌 부사장은 “앤시스GPT는 이미 2만여 고객사에서 활발히 사용되고 있으며, ‘앤시스 엔지니어링 코파일럿’도 개발하고 있다. 이 코파일럿은 지난 50년간 축적된 앤시스의 제품 개발 지식을 LLM에 탑재한 형태이다. 유동, 구조, 전자기학 등 모든 분야의 엔지니어링 콘텐츠를 단일 플랫폼 안에서 쉽게 검색하고 활용할 수 있게 될 것”이라고 소개하면서, “이런 혁신을 바탕으로 앤시스와 시높시스는 고객이 미션 크리티컬한 과제를 해결하고 AI 기반 제품과 서비스를 성공적으로 개발할 수 있도록 지원을 아끼지 않겠다”고 밝혔다.   솔버 최적화와 클라우드로 컴퓨팅 인프라 부담 해결 시뮬레이션과 AI 기술은 모두 대량의 컴퓨팅 자원을 필요로 한다. 기업에서는 컴퓨팅 인프라의 구축과 운용에 대한 부담이 클 수밖에 없다. 헌 부사장은 “소프트웨어 최적화와 유연한 클라우드 지원을 통해 고객들이 인프라 제약 없이 혁신에 집중할 수 있도록 돕겠다”고 밝혔다. 우선 R&D 차원에서 앤시스는 자사 솔버의 코드를 전면 재작성하고 있다. CFD(전산 유체 역학)와 전자기를 비롯해 모든 분야의 솔버를 GPU(그래픽 처리 장치) 환경에서 구동되도록 최적화하는 것이 핵심이다. 또한, 앤시스는 AWS(아마존 웹 서비스) 및 마이크로소프트 애저(Azure)와 협력해 클라우드 서비스를 제공하고 있다. 고객사가 대규모 해석과 같이 추가적인 컴퓨팅 성능이 필요할 경우 언제든지 클라우드 자원을 활용해 작업을 확장할 수 있도록 하겠다는 것이다. 헌 부사장은 “시높시스 역시 자체 클라우드를 통해 컴퓨팅 리소스를 제공하고 있는데, 향후 이를 통합하면 더욱 시너지를 낼 수 있을 것”이라고 전했다.   ▲ 앤시스코리아 박주일 대표   한국은 가장 복잡한 제품 개발하는 전략적 요충지 앤시스코리아는 최근 몇 년간 두 자릿수의 성장세를 유지하고 있으며, 올해는 예년보다 더 큰 폭의 성장을 예상하고 있다. 박주일 대표는 “이런 성장의 배경에는 국내 시장의 확고한 디지털 전환(DX) 트렌드와 갈수록 복잡해지는 제품 설계 환경이 있다”고 짚었다. 그는 “한국 기업들은 반도체, 자동차, 조선, 항공우주 등 모든 산업 영역에서 최고 수준의 복잡한 제품을 설계하며 글로벌 기업과 경쟁하고 있으며, 그만큼 국내 고객의 기술적 요구 수준 또한 높다”면서, “앤시스 코리아는 높은 수준의 국내 고객 요구를 시뮬레이션 기술로 충족시키는 것을 최우선 과제로 삼고 있으며, 이를 위해 국내 리소스뿐만 아니라 글로벌 조직과의 긴밀한 협업을 통해 한국 시장과 고객을 적극 지원하고 있다”고 설명했다. 앤시스는 HBM, 3D IC와 같은 스택 구조 반도체의 전력 무결성, 열, 구조 변형 문제 해결을 위해 국내 반도체 기업들과 협력하고 있다. 그리고 고밀도 AI 칩을 개발하는 국내 스타트업들과도 협력을 진행 중이다. 우주 산업에서는 국내 스타트업과 협력해 인공위성의 수명과 성능을 위협하는 우주 잔해물 문제 해결을 돕고 있다. 또한, 삼성전자, LG전자, 현대자동차 등 국내 대기업을 중심으로 AI 기술이 탑재된 시뮬레이션 설루션 도입을 빠르게 진행 중이다. 맨들로이 부사장은 “한국 앤시스 고객의 만족도는 96.8%로 역대 최고치를 기록했으며, 이는 지난 몇 년간 꾸준히 상승해 온 결과이다. 앤시스는 이러한 높은 만족도에 큰 자부심을 가지고 있으며, 앞으로도 최고의 기술을 통해 한국 고객들을 지원하는 데 집중할 것”이라고 전했다.    ▲ 앤시스코리아는 9월 17일 연례 콘퍼런스 ‘시뮬레이션 월드 코리아 2025’를 열고, 최신 기술 트렌드와 함께 자사의 비전, 신기술, 고객 사례를 소개했다.     ■ 기사 내용은 PDF로도 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (23)   이번 호에서는 항공 음향 시뮬레이션의 다각적인 과제를 살펴보고, 이러한 복잡한 문제를 해결하는 데 케이던스의 피델리티 LES(Fidelity LES)가 도움을 주는 사례 연구를 소개한다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   그림 1   항공 음향 시뮬레이션은 유체 역학의 복잡성과 음향 현상의 뉘앙스를 혼합하는 지루한 작업이다. 이 이중 영역의 과제는 광범위한 스케일부터 난류 속에서 음향 신호의 미묘한 구분까지 수많은 기술적 장애물로 가득 차 있다. 이러한 기술적 어려움을 극복하고 항공 음향 거동에 대한 이해를 높이려면 엔지니어와 연구자는 피델리티 LES와 같은 정교한 도구를 사용해야 한다.   항공 음향 시뮬레이션의 과제 항공 음향 시뮬레이션에는 상당한 어려움이 있다. 다음은 이러한 단점 중 일부이다. 광범위한 스케일 : 항공 음향 현상은 광범위한 공간적, 시간적 스케일을 포괄한다. 모든 스케일을 캡처하려면 미세한 그리드 해상도와 긴 시뮬레이션 시간이 필요하다. 음향파 진폭 : 항공 음향 신호는 난류 압력 변동보다 미묘한 경우가 많기 때문에 지배적인 흐름 구조와 구별하기가 어렵다. 원거리 전파 : 국부적인 공기역학 소스에 의해 생성된 소리는 먼 거리까지 전파될 수 있으므로 전체 도메인 시뮬레이션은 계산이 불가능할 정도로 복잡하다. 복잡한 지오메트리 : 실제 문제에는 항공기 엔진이나 차량 외관과 같은 복잡한 지오메트리가 포함되어 있어 유체 흐름과 사운드 전파 모델링이 복잡해지는 경우가 많다. 경계 조건 : 허위 반사나 비물리적 동작을 방지하려면 적절한 경계 조건을 선택하고 구현하는 것이 중요하다. 일시적인 특성 : 많은 문제가 불안정하고 과도 시뮬레이션이 필요하므로 계산 노력이 증가하고 통계 분석이 복잡해진다. 비선형 상호작용 : 높은 소음 수준은 비선형 공기역학적 및 음향학적 상호작용을 수반할 수 있어 추가적인 계산 리소스가 필요하다. 다중 물리 상호작용 : 일부 시뮬레이션은 열 전달이나 연소와 같은 다른 물리적 효과를 고려해야 하므로 설정이 복잡해진다. 수치적 소산 : 수치적 방법은 인위적인 소멸을 도입하여 관심 있는 음향 신호를 감쇠하거나 억제할 수 있다.   그림 2. 음속(마하 1)보다 빠르게 이동하는 초음속 제트기 시뮬레이션   더 빠르고 정확한 항공 음향 시뮬레이션을 위한 소프트웨어 올바른 시뮬레이션 소프트웨어를 선택하는 것은 실제 엔지니어링 과제와 항공 음향 분야의 기초 연구를 해결하는 데 있어 중요하다. 피델리티 LES는 항공 음향을 포함한 고충실도 유동 해석을 위한 최고의 툴이다. 이 소프트웨어는 고급 수치 기법과 모델을 통합하여 대형 와류 시뮬레이션(LES)을 활용하여 소산과 분산이 감소된 불안정한 흐름을 시뮬레이션한다. 유한 체적법에 기반한 다양한 솔버 공식을 사용하는 피델리티 LES는 저속, 고속 및 반응 유동을 포함한 다양한 유동 조건을 효과적으로 포착한다. 피델리티 LES는 고급 서브 그리드 및 벽 모델링을 통해 다양한 그리드 해상도에서 높은 성능을 제공한다. 거친 그리드에서도 흐름 현상을 정확하게 포착하여 CPU와 GPU 모두에서 효율과 확장성을 보여준다. 특히, V100 GPU 한 대가 약 400개의 인텔 스카이레이크(Skylake) 2018 CPU 처리 성능과 맞먹는 저 마하(low-Mach) 솔버를 구현한다. 엔지니어는 지오메트리 준비부터 결과 분석까지 모든 작업을 지원하는 사용자 친화적 애플리케이션인 피델리티 LES를 통해 전체 시뮬레이션 워크플로를 원활하게 관리할 수 있다.   그림 3. 인텔 스카이레이크 2018 CPU 코어 당 엔비디아 A100 및 V100 GPU와 같은 동등한 성능으로 다양한 흐름(flow) 시나리오에서 피델리티 LES를 사용할 수 있다.   피델리티 LES는 시뮬레이션 설정의 실시간 조정을 포함하여 복잡한 엔지니어링 모델에 대한 상세한 3D 뷰를 제공한다. 또한 사용자는 자동 제안이 포함된 명령어 용어집과 주요 지표를 추적하는 그래프를 활용할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

산업 디지털 전환을 가속화하는 버추얼 트윈 (3)   이번 호에서는 다쏘시스템의 고성능 전산유체역학(CFD) 설루션인 파워플로(PowerFLOW)를 통해 생성된 공력 성능 시뮬레이션 데이터를 데이터 기반(data-driven) 기법과 결합함으로써, 단일 GPU 환경에서 몇 분 이내에 차량 표면의 등고선도(contour map)와 X축 방향 힘(X-force) 분포를 빠르고 효율적으로 예측할 수 있는 방법을 제시한다.   ■ 황하나 다쏘시스템코리아의 유동해석 담당 컨설턴트이다. 다년간 고객 지원 업무와 함께 국내 완성차 업체의 공력/열 성능 향상을 위한 프로젝트를 수행하였으며, 다양한 산업군에 유동해석 설루션을 적용하여 고객에게 가치를 전달하는 역할을 담당하고 있다. 홈페이지 | www.3ds.com/ko   최근 차량 개발 과정에서 디지털 트윈(digital twin)의 개념의 도입이 활발히 이루어지고 있으며, 공기역학 분야에서도 이에 대한 관심이 꾸준히 증가하고 있다. 기존에는 전산유체역학(Computational Fluid Dynamics : CFD) 소프트웨어를 통해 차량 형상에 따른 항력(drag), 양력(lift) 등의 공기역학적 힘과 요(yaw)와 같은 회전 운동 등을 예측하고, 이를 바탕으로 물리적 프로토타입을 제작하기 전에 공력 성능을 검토해왔다. 그러나 이상적인 디지털 트윈은 형상의 변화가 거의 실시간으로 시뮬레이션에 반영되어야 하며, 현재의 컴퓨팅 자원으로는 이러한 요구를 충족하기 어려운 한계가 존재한다. 향후 양자컴퓨팅이 이 문제를 해결할 가능성이 있으나, 현재로서는 머신러닝(Machine Learning : ML) 기반의 대체 모델(surrogate model)이 현실적인 대안으로 주목받고 있다. 머신러닝 모델은 과거의 공력 시뮬레이션 데이터를 학습하여 새로운 형상에 대한 공력 특성을 신속히 예측할 수 있으며, 이는 규제 강화와 시장 경쟁 심화 속에서 제품 개발의 리드타임을 단축하는 데 기여할 수 있다. 이번 호에서 소개할 연구의 목표는 머신러닝 모델을 차량 설계 초기 단계에 통합함으로써, 기존에는 상세 설계 단계에서만 확보할 수 있었던 고정밀 공력 데이터를 개념 설계 단계에서도 활용할 수 있도록 하는 것이다. 이를 통해 설계 후반부에서 발생할 수 있는 형상 오류 또는 성능 미달로 인한 재설계를 사전에 방지할 수 있다. <그림 1>은 이러한 설계 흐름의 개선 방향을 시각적으로 나타낸다.    그림 1. 머신러닝 모델이 공력성능 개발 워크플로에 통합되는 방식   방법론 이 연구는 CFD 시뮬레이션과 머신러닝 모델 학습의 두 단계로 구성된다. CFD 시뮬레이션에는 <그림 2>와 같이 오픈소스 DrivAer 모델이 활용되었으며, 실험 설계(Design of Experiments : DOE) 변수로는 바퀴 스포크의 개수와 너비를 설정하였다. 목적은 다양한 형상 중 항력 값이 가장 낮은 형상을 도출하는 것이다.   그림 2. DrivAer 차량 형상   디자인 공간은 <그림 3>에 제시되어 있으며, 시뮬레이션 데이터는 훈련용(붉은색), 검증용(녹색), 일반화 성능 검토를 위한 블라인드 테스트용(푸른색)으로 구성된다. 형상적 극단값은 <그림 4>에 나타나 있으며, 설계 변수의 최대·최소값 조합을 통해 형상 다양성을 확보하였다.   그림 3. 디자인 스페이스   그림 4. 디자인 스페이스의 극단값   CFD 시뮬레이션은 파워델타(PowerDELTA)를 통해 형상을 생성하고, 파워케이스(PowerCASE)에서 조건을 설정한 후 파워플로에서 시뮬레이션을 수행하였다. 각 시뮬레이션에는 약 6시간이 소요되었으며, 이는 300개의 CPU 코어를 사용하는 병렬 계산 환경에서 수행하였다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

앤시스가 엔비디아, 볼보자동차와 협력해 공기역학 시뮬레이션 분야에서 우수한 성과를 달성했다고 밝혔다. 앤시스는 엔비디아 블랙웰(NVIDIA Blackwell) GPU 8개를 시뮬레이션 솔버에 활용하고 CPU 코어를 메싱에 적용한 결과, 전체 시뮬레이션 실행 시간을 기존 24시간에서 6.5시간으로 단축했다. 앤시스는 이번 성과를 통해 반복적인 설계 작업을 가능케 하며, 배터리 전기차(BEV) 최적화 연구를 더욱 심도 있게 지원하고 개발 기간 단축과 시장 출시 속도 가속화에 기여할 것이라고 밝혔다. 또한, 이번 협업이 자동차 산업을 비롯한 항공우주, 모터스포츠, 소비자 전자제품 등 정밀한 유체 흐름 시뮬레이션이 요구되는 다양한 산업 분야에서 새로운 기준을 제시할 것으로 기대하고 있다. 볼보자동차는 전기차 배터리 성능 향상을 위해 고성능 컴퓨팅(HPC)과 전산유체역학(CFD)을 적극 활용하고 있다. 특히, 전기차의 주행 거리 향상에 큰 영향을 미치는 공기역학적 항력(aerodynamic drag)을 최소화하는 작업이 중요한 과제로 떠오르고 있는 가운데, 이를 최적화하기 위해 정밀한 시뮬레이션이 필수로 요구된다. 그러나 고정밀도의 CFD 시뮬레이션은 상당한 시간과 연산 자원을 요구하며, 높은 비용이 소요되는 동시에 최적화 기회가 제한되는 한계점이 있다.     앤시스와 볼보자동차는 EX90 전기자동차의 에너지 효율성 및 주행거리 향상을 위해 앤시스 플루언트(Ansys Fluent)를 엔비디아 블랙웰 GPU 8개로 확장해 메싱에 1시간, 솔버에 5.5시간이 소요되는 최적화된 엔드 투 엔드 워크플로를 구현했다. 기존에 2016개의 CPU 코어를 사용해 동일한 시뮬레이션을 실행한 경우와 비교하면 솔버 실행 시간이 2.5배 빨라진 것이다. 이러한 기술 결합은 볼보자동차가 CFD 시뮬레이션을 하루에 여러 차례 반복 실행하고, 다양한 설계 변수를 평가해 설계 최적화를 획기적으로 수행할 수 있도록 지원한다. 시뮬레이션 프로세스 속도가 빨라짐에 따라 볼보자동차는 배출가스 저감, 주행거리 연장, 효율성 향상 등 국제표준시험방식(WLTP)의 핵심 기준을 더욱 효과적으로 충족할 수 있을 것으로 기대하고 있다. 볼보자동차의 토르비욘 비르둥(Torbjörn Virdung) CFD 기술 총괄 책임자는 “앤시스 시뮬레이션을 활용하면 기존 방식보다 더욱 빠르게 설계를 최적화하고 가상 테스트까지 수행할 수 있다”며, “제품 효율을 높이기 위해서는 우리가 사용하는 툴과 설루션의 성능을 우선적으로 점검해야 한다”고 밝혔다. 또한 “앤시스 플루언트는 정밀한 분석이 가능한 데다 엔비디아의 인프라를 통해 계산 속도까지 대폭 향상돼 다양한 설계 옵션을 더욱 빠르고 폭넓게 검토할 수 있어, 결과적으로 우리가 최적의 차량 설계를 단기간에 구현할 수 있게 됐다”고 덧붙였다. 앤시스의 셰인 엠스와일러(Shane Emswiler) 제품 부문 수석 부사장은 “이번 사례는 GPU 기반의 시뮬레이션이 혁신을 촉진하고 제품 출시 기간을 단축할 수 있음을 보여준다”며, “정밀한 모델링과 빠른 연산 속도를 결합한 GPU 가속 시뮬레이션을 통해 고객은 보다 많은 시뮬레이션을 수행하고 최상의 성능을 가진 제품을 개발할 수 있다”고 말했다. 엔비디아의 팀 코스타(Tim Costa) CAE EDA 및 양자 부문 수석 이사는 “앤시스와 볼보자동차의 이번 협력은 엔비디아의 최신 블랙웰 인프라 설루션이 지닌 뛰어난 성능과 확장성을 엔지니어링 시뮬레이션 분야에서 입증한 것”이라며, “엔비디아는 앤시스와 같은 소프트웨어 파트너와 함께 컴퓨터 기반 엔지니어링의 미래를 선도하고 있으며, 전에 없던 뛰어난 성능과 높은 확장성을 제공해 고객들이 복잡한 엔지니어링 과제를 해결할 수 있도록 지원할 것”이라고 밝혔다.

HP가 국내 대학생에게 고성능 AI 워크스테이션을 제공하는 ‘대학생 AI 연구 개발 지원 사업’을 통해 기술 인재를 위한 연구 환경 구축에 나섰다고 전했다. HP는 데이터 사이언스 및 AI 프로젝트에 필요한 고성능 장비를 지원해 학생들이 첨단 기술을 활용할 수 있는 환경을 조성하고, 미래 리더 육성에 기여하겠다는 방침이다. HP는 2022년부터 매년 한양대학교, 숭실대학교 등 국내 대학의 자작 자동차 동아리에 고성능 데스크톱 워크스테이션을 지원해왔다. HP는 학생들과 사전 미팅을 진행하고 각 프로젝트에 적합한 맞춤형 제품을 제공해 연구 성과를 높이는 데 기여하고 있다. HP의 고성능 워크스테이션은 대규모 데이터 세트와 복잡한 AI, 데이터 사이언스 워크플로를 효율적으로 처리할 수 있도록 설계됐다. 안정적인 컴퓨팅 성능은 물론, AI 작업을 위한 맞춤형 설정을 제공하는 동시에 필요한 도구의 접근성까지 높였다. 특히, 자작 차량 제작의 핵심인 공기역학 시뮬레이션과 같은 고사양 작업을 원활하게 수행했다. 워크스테이션을 제공받은 학생들은 설계, 조립, 제작, 테스트 등 연구 전 과정에 고성능 기기를 활용해 설계 과정을 효율적으로 진행할 뿐만 아니라 정밀하고 완성도 높은 결과물을 만들어내고 있다.   ▲ 한양대 자작 자동차 동아리 ‘바쿠넷’ 소속 학생이 HP 워크스테이션을 활용한 차량 설계 방법에 대해 설명하고 있다   지원 사업에 참여한 학생들은 워크스테이션을 활용한 프로젝트를 통해 성과도 냈다. HP 워크스테이션을 제공받은 한양대학교 자작 자동차 동아리 ‘바쿠넷(baqu4)’은 올해 9월 열린 한국자동차공학회가 주관한 ‘KSAE 대학생 자작 자동차 대회’ 포뮬러 부문에서 장려상을 수상했다. HP는 이 대회에 스폰서로 참여해 산업통상자원부 장관상 수상 팀에 고성능 모바일 워크스테이션 HP Z북 파워 AMD(HP ZBook Power AMD)를 제공해 미래 기술 인재 개발을 위한 지원에 참여했다. HP Z북 파워 AMD는 까다로운 워크플로를 처리하는 전문가용 휴대용 워크스테이션으로, 데이터 사이언스와 AI 기반 콘텐츠 제작에 최적화된 제품이다. 또한 AMD의 최신 라이젠 5(Ryzen 5) 프로세서를 탑재해 원활한 멀티태스킹 성능을 제공하여 생산성을 높였다.  또한, HP는 로봇공학, 인공지능, 빅데이터 등 첨단 기술 학문 분야로 사업 지원 대상을 확장하며, 학계와 산업계를 연결하는 플랫폼으로서의 역할을 강화하고 있다. 그 일환으로 2024년 12월 16일부터 3주간 전국 대학생 동아리 및 학회를 대상으로 ‘Z by HP 워크스테이션 대학생 동아리 체험단’을 모집 중이다. 선정된 동아리에는 HP의 고성능 모바일 워크스테이션 등 필요한 지원을 제공할 예정이다. HP는 이를 통해 학생들이 창의적이고 미래지향적인 연구를 지속할 수 있는 환경을 조성하고, 기술 발전과 사회적 혁신을 이끌어 나갈 수 있도록 지원할 계획이다. HP 코리아의 김대환 대표는 “학생들이 기술적 한계를 뛰어넘어 자유롭게 연구에 몰두할 수 있는 환경을 조성하는 것은 미래 기술 발전과 혁신을 위한 핵심 투자”라면서, “HP는 업계 리더로서 가지고 있는 기술력을 바탕으로 학생들의 연구와 성장을 앞으로도 적극 지원해 나갈 것”이라고 전했다.

앤시스가 엔비디아의 GH200 그레이스 호퍼 슈퍼칩(Grace Hopper Superchips)을 적용한 대규모의 전산유체역학(CFD) 시뮬레이션 결과를 소개하면서, “CFD 시뮬레이션 속도를 기존 대비 110배 높이고, 전체 실행 기간을 4주에서 6시간으로 단축하는 등 성과를 거두었다”고 전했다.  대규모 CFD 시뮬레이션은 다중물리 상호작용, 복잡한 기하학적 설계 및 실제 데이터를 반영한 고해상도 결과물을 필요로 하기 때문에 작업 과정이 복잡하며 많은 시간을 필요로 한다. 전통적인 CPU 기반 시뮬레이션의 경우 최소 며칠에서 몇 주까지 소요되며 모델 정밀도를 높일수록 추가적인 처리 시간과 연산 자원이 요구되는 것이 특징이다. 앤시스는 “GPU 기술을 도입한 앤시스 플루언트는 대규모 모델에서도 적은 자원으로 높은 예측 정확도를 유지하며 핵심적인 인사이트를 도출할 수 있다”고 밝혔다. 앤시스는 엔비디아와의 협력을 통해 텍사스 첨단 컴퓨팅 센터(TACC)의 고성능 컴퓨팅(HPC) 역량을 활용, 24억 셀 규모의 자동차 외부 공기역학 시뮬레이션을 수행했다. 작업 과정에서 예측 정확도를 유지하면서 시뮬레이션 속도를 단축했으며, 전체 시뮬레이션 속도를 떨어뜨리지 않으면서 매개변수를 추가해 정확도를 개선할 수 있도록 했다.     엔비디아의 퀀텀-2 인피니트밴드(Quantum-2 InfiniBand)를 통해 멀티 노드 확장된 320개의 GH200 그레이스 호퍼 슈퍼칩은 2048개의 CPU 코어를 사용할 때보다 110배 빠른 속도를 제공하며, 약 22만 5390개의 CPU 코어에 맞먹는 성능을 구현한다. 또한, 일반적인 GPU 환경에서 실행한 벤치마크 결과에 따르면 32개의 GPU를 사용할 경우 엔비디아의 GH200 그레이스 호퍼 슈퍼칩 한 대가 약 1408개의 CPU 코어와 동일한 성능을 제공하는 것으로 나타났다. 한편, 앤시스는 엔비디아의 가속 라이브러리, AI 프레임워크, 옴니버스 테크놀로지를 통합한 레퍼런스 워크플로인 ‘옴니버스 블루프린트(Omniverse Blueprin)’를 최초로 도입한 바 있다. 이를 통해 앤시스의 애플리케이션은 실시간으로 상호작용 가능한 물리 시각화 기능을 구현, 사용자가 복잡한 물리적 현상을 직관적으로 이해하고 즉각적으로 조정할 수 있는 환경을 제공하고 있다. 앤시스의 셰인 엠스윌러(Shane Emswiler) 제품 총괄 수석 부사장은 “앤시스는 고객들에게 더욱 높은 수준의 시뮬레이션 정밀도와 인사이트를 제공할 수 있도록 역량 강화에 총력을 기울이고 있다”면서, “제품의 시장 출시 속도가 중요해진 만큼, 최신 GPU 기술로의 업그레이드가 개발 과정 전반에서 에너지 소비를 크게 줄여 고객들에게 비용 절감과 자원 효율화라는 두 가지 혜택을 동시에 제공하는 것에 주안점을 두고 있다”라고 말했다. 엔비디아의 팀 코스타(Tim Costa) HPC 및 양자 컴퓨팅 부문 이사는 “엔비디아의 GH200 그레이스 호퍼 슈퍼칩은 고객들이 시뮬레이션 모델의 한계를 넘어설 수 있도록 돕는다”면서, “엔비디아 HPC와 앤시스 설루션의 결합은 사용자들에게 자동차, 항공우주, 제조 등의 산업 전반에서 복잡한 엔지니어링 문제를 해결하고 출시 기간을 단축하는 강력한 시뮬레이션 툴을 제공하게 될 것”이라고 말했다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (13)   항공 음향학은 난류 유체 운동 또는 표면과 공기역학적 힘의 상호작용으로 인한 소음 발생을 연구하는 학문이다. 이번 호에서는 지난 호에 이어, 항공 음향 시뮬레이션과 관련된 구체적인 과제 및 기법에 대해 살펴본다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   Validation and Verification 모든 시뮬레이션과 마찬가지로, 실험 데이터 또는 분석 솔루션과 비교하여 결과를 검증하고 검증하는 것은 매우 중요하다. 이를 통해 시뮬레이션 결과의 정확성과 신뢰성을 보장할 수 있다. 검증은 계산 솔루션이 기본 수학적 모델을 정확하게 나타내는지 여부를 결정하는 과정과 관련이 있다. 반면에 검증은 수학적 모델이 물리적 현실을 얼마나 잘 포착하는지 평가한다. 검증의 주요 측면은 다음과 같이 그리드 수렴, 솔루션 일관성 및 코드 비교이다. Grid Convergence : 다양한 그리드 해상도에서 시뮬레이션(그림 1)을 수행하여 솔루션이 그리드 독립적인 상태에 접근하고 있는지 확인할 수 있다. 이는 그리드 이산화로 인한 수치 오류를 최소화하는 데 필수이다. Solution Consistency : 시간 단계, 초기 조건 또는 경계 조건과 같은 매개 변수가 약간 변경되었을 때 솔루션이 예상대로 작동하는지 평가하는 작업이 포함된다. Code Comparisons : 동일한 문제를 다루는 여러 시뮬레이션 코드의 결과를 평가(코드 간 비교)하면 솔루션의 일관성과 신뢰성에 대한 통찰력을 얻을 수 있다. 검증 외에도 시뮬레이션을 검증하는 주요 방법은 물리적 실험, 벤치마크 문제 및 불확실성 정량화를 통해 이루어진다. Physical Experimentation : 연구자는 시뮬레이션 결과를 실험 데이터와 비교하여 실제 시나리오에 대한 계산 모델의 충실도를 측정할 수 있다. Benchmarking Problems : 분석적 또는 널리 사용되는 솔루션이 존재하는 표준 문제에 대한 벤치마킹은 새롭거나 변경된 시뮬레이션 설정의 성능을 측정할 수 있는 수단을 제공한다. Uncertainty Quantification : 측정 오류, 모델 근사치 또는 경계 조건 추정에서 비롯된 불확실성을 인식하고 정량화하는 것은 중요하다. 이를 통해 시뮬레이션 결과에 대한 신뢰도를 보다 명확하게 파악할 수 있다.   그림 1. 고밀도 모터사이클 메시   항공 음향 시뮬레이션의 과제 항공 음향 시뮬레이션은 유체 역학 및 음향 현상을 포착하기 어렵기 때문에 수많은 과제를 안고 있다. 몇 가지 주요 과제는 다음과 같다. Wide Range of Scales : 항공 음향 현상은 광범위한 공간적, 시간적 스케일에 걸쳐 있다. 음파의 파장은 밀리미터에서 미터까지 다양하며, 소리를 생성하는 난류 구조의 크기도 매우 다양하다. 이러한 모든 스케일을 캡처하려면 매우 미세한 그리드 해상도와 긴 시뮬레이션 시간이 필요하다. Acoustic Wave Amplitudes : 관심 있는 항공 음향 신호는 난류의 유체 역학적 압력 변동보다 훨씬 낮은 진폭을 갖는 경우가 많다. 이러한 미묘한 음향파를 지배적인 흐름 구조와 구별하는 것은 어려운 일이다. Far-Field Propagation : 국부적인 공기역학 소스에 의해 생성된 소리는 먼 거리까지 전파될 수 있다. 소음원부터 멀리 떨어진 관찰자까지 전체 도메인을 시뮬레이션하려면 계산이 꽤 많이 소요된다. Complex Geometries : 실제 항공 음향 문제는 항공기 엔진이나 차량 외관과 같이 복잡한 기하학적 구조를 포함하는 경우가 많다. 이러한 형상을 모델링하고 유체 흐름과 소리 전파에 미치는 영향을 모델링하면 시뮬레이션이 복잡해진다. Boundary Conditions : 적절한 경계 조건의 선택과 구현은 매우 중요하다. 부정확하거나 지나치게 단순한 경계 조건은 허위 반사 또는 기타 비물리적 동작을 유발할 수 있다. Transient Nature : 많은 항공 음향 문제는 본질적으로 불안정(unsteady)하기 때문에 Transient 시뮬레이션이 필요하다.(그림 2) 이로 인해 계산적인 노력이 증가하고 통계적으로 의미 있는 결과를 얻기가 어렵다. Nonlinear Interactions : 많은 시나리오에서, 특히 높은 소음 수준에서는 비선형 공기역학적 및 음향학적 상호 작용이 발생한다. 이러한 비선형성을 시뮬레이션하려면 세부 사항과 계산 리소스에 대한 추가적인 주의가 필요하다. Multiphysics Interactions : 경우에 따라 항공 음향 시뮬레이션은 열 전달이나 연소와 같은 다른 물리적 효과도 고려해야 하므로 시뮬레이션 설정이 더욱 복잡해질 수 있다. Numerical Dissipation : 수치적 방법은 인위적인 소멸을 도입하여 관심 있는 음향 신호를 감쇠 시키거나 완전히 억제할 수 있다. 이러한 모든 문제는 항공음향을 정확하고 효율적으로 시뮬레이션하는데 따르는 복잡성을 강조한다. 이러한 과제를 해결하기 위한 노력은 이 분야의 지속적인 발전을 이끌며 계산 능력과 방법론의 경계를 넓혀 왔다.   그림 2. 일시적인 특성을 강조하는 비행 중인 항공기의 LES   항공 음향 시뮬레이션을 위한 솔루션 실제 엔지니어링 과제를 해결하든 기초 연구를 하든 올바른 시뮬레이션 소프트웨어를 선택하는 것은 매우 중요하다. 항공 음향 분야에서 정확하고 효율적인 시뮬레이션을 지원하는 소프트웨어 도구가 등장했다.  케이던스(Cadence)의 유동 시뮬레이션 소프트웨어인 피델리티 찰스(Fidelity CharLES)는 항공 음향을 포함한 고충실도 유동 분석을 위해 설계되었다. 찰스는 소산과 분산을 최소화하면서 불안정한 흐름을 시뮬레이션할 수 있는 최첨단 수치 기법과 모델을 통합하여 LES(Large Eddy Simulation)의 잠재력을 활용한다. 유한 체적법에 기반한 다양한 솔버 공식을 사용하여 저속, 고속 및 반응 유동을 포함한 다양한 유동 조건을 캡처하여 최적의 성능을 제공한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

다쏘시스템은 스텔란티스의 모터스포츠팀인 푸조스포츠(Peugeot Sport)와의 파트너십을 발표했다. 양사는 협력을 통해 2024 FIA 세계 내구 레이스 챔피언십(WEC) 시즌에 참가하는 푸조 9X8 하이브리드 하이퍼카의 공기역학을 시뮬레이션 및 최적화하고, 모터스포츠 분야에서 고성능 전기 모빌리티를 선보여 스텔란티스의 자동차 브랜드 가치를 높일 계획이다. 다쏘시스템 3D익스피리언스 플랫폼 기반의 시뮬리아 파워플로우(SIMULIA PowerFLOW) 애플리케이션은 자동차 전체 외관의 버추얼 트윈을 생성하고, 다양한 디자인이 성능이나 다운포스 생성 및 안정성 등에 미치는 공기역학적 영향을 예측하는 데에 사용됐다. 푸조스포츠는 클라우드 상에서 디자인 및 시뮬레이션 데이터를 원활하게 연결해 디자인 아이디어를 평가하고 최적화함으로써, 보다 효율적이고 경제적으로 최종 디자인 결정에 도달할 수 있었다. 푸조스포츠의 푸조 9X8 하이브리드 하이퍼카는 르망 24시 등 전 세계에 걸친 9개 레이스로 구성된 2024 FIA 세계 내구 레이스 챔피언십 시즌에 참가한다. 하이브리드 하이퍼카 부문에 참가하는 팀들은 엄격한 설계 규정을 준수하고 동일한 풍동 조건에서 차량을 테스트해야 하기 떄문에, 공기역학이 경쟁 우위 확보를 위한 핵심 역할을 한다. 푸조스포츠는 이미 기계 설계에 다쏘시스템의 카티아 애플리케이션을 사용하고 있었으며, 공기역학 연구를 신속하게 시작하고 실제 차량을 터널에서 테스트하기 전에 단일한 가상 방식으로 테스트를 수행하기 원했다. 이에 따라 다쏘시스템의 솔루션을 사용해 1만 회 이상의 시뮬레이션을 시행하여 파워트레인 아래, 프론트 스플리터 주변, 날개 없는 리어에서의 공기 흐름을 평가했다.     스텔란티스 모터스포츠의 올리비에 얀소니(Olivier Jansonnie) WEC 프로젝트 디렉터는 “다쏘시스템의 기술과 전문성은 스텔란티스의 설계와 시뮬레이션에 있어 핵심 역할을 한다. 이번 파트너십을 통해 120명으로 구성된 팀이 목표 달성을 위해 협력하고 빠르게 혁신할 수 있었다”면서, “첫날부터 공기 흐름 시뮬레이션 결과를 쉽게 확인하고 이해할 수 있었고, 설계의 나머지를 이끌 첫 번째 결정을 내릴 수 있었다. 시뮬레이션만으로 개발의 80~90%를 달성할 수 있었다”고 전했다. 다쏘시스템의 로렌스 몬타나리(Laurence Montanari) 자동차 및 모빌리티 산업 부문 부사장은 “모터스포츠는 드라이버와 차량에 대한 요구 사항이 까다롭기 때문에 속도와 정밀성을 갖춰야 한다”면서, “다쏘시스템은 양사의 엔지니어가 협업할 수 있는 환경을 클라우드에 구축했다. 이를 통해 모든 단계에서 푸조 9X8 하이브리드 하이퍼카의 공기역학을 시뮬레이션할 수 있었다. 또한, 다쏘시스템의 전문가들은 시뮬레이션 결과를 분석해 WEC의 요구사항을 충족하기 위한 개선 사항을 제안했다. 그 결과 푸조스포츠는 높은 내구성을 갖추고 경쟁력 있는 하이퍼카를 개발하는 데 성공했다”고 소개했다.

알테어가 항공우주 분야에 특화된 전산유체역학(CFD) 소프트웨어 제조사인 리서치인플라이트(Research in Flight)를 인수했다고 밝혔다. 이번 인수로 알테어는 항공우주 및 방위 산업에서의 입지를 더욱 강화할 수 있을 것으로 보고 있다.   리서치인플라이트의 대표 제품인 ‘플라이트스트림(FlightStream)’은 높은 정확도와 사용 편의성을 내세운 전산유체역학 소프트웨어로 미 공군, 미 육군, 나사(NASA) 에임스 연구센터에서 사용 중이다. 주로 항공기 설계 및 해석에 활용되며 초음속 비행체 개발에도 쓰인다.   알테어는 플라이트스트림의 빠른 계산 속도와 낮은 하드웨어 사양에 주목했다고 밝혔다. 이를 통해 많은 엔지니어와 설계자가 개발 초기에 수많은 설계안의 공기 역학적 특성을 심층적으로 분석할 수 있다는 것이다. 알테어는 플라이트스트림의 기술이 고비용의 실물 테스트 횟수를 줄일 수 있어 항공기 개발 비용과 시간을 절감할 수 있을 것으로 기대하고 있다.   플라이트스트림의 또 다른 장점은 복잡한 공기역학 현상 해석 능력이다. 플라이트스트림은 아음속부터 초음속에 이르기까지 광범위한 비행 조건에서의 공기 흐름을 정밀하게 예측할 수 있어 최근 개발이 한창인 도심항공교통(UAM)이나 전기 수직이착륙기(eVTOL) 설계에 용이할 것으로 보인다. 또한 경계층에서의 유동 박리현상, 점성 효과 등 공기역학적 현상을 세부적으로 분석해 항공기의 안정성과 성능 확보를 지원한다.     리서치인플라이트의 플라이트스트림은 알테어의 설계 및 시뮬레이션 플랫폼인 하이퍼웍스에 추가될 예정이다. 알테어 유닛 라이선스 시스템을 통해 플라이트스트림을 제공함으로써, 사용자는 개별 제품을 구매하지 않고 여러 제품을 경제적으로 사용할 수 있게 된다. 리서치인플라이트의 비벡 아후자 공동창립자는 “이번 인수를 통해 리서치인플라이트의 CFD 솔루션이 알테어의 기술 포트폴리오에 추가됨으로써 더 많은 사용자들이 사용하고, 이를 통해 항공우주 분야에서 입지를 넓힐 수 있길 바란다”고 전했다.   알테어의 짐 스카파 CEO는 “리서치인플라이트 인수를 통해 항공우주 및 방위 분야 기술력을 더욱 강화하게 되었다. 특히 항공기의 다양한 운용 상태에 대한 공기 역학적 특성을 신속하게 평가하고 최적화할 수 있어 UAM, eVTOL 등 새로운 항공 기술 개발에 큰 도움이 될 것으로 기대된다”고 밝혔다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (8)   전산 유체 역학(CFD) 시뮬레이션은 긴 설계 주기를 단축하고 비용이 많이 드는 실험 횟수를 줄이기 위해 널리 사용되어 왔다. 하지만 기존 CFD 솔버 기술과 컴퓨팅 리소스의 정확도와 속도 제한으로 인해 CFD 분석의 잠재력이 제한되었다. 이러한 문제로 인해 일반적으로 CFD 사용자는 효율적인 가상 엔지니어링을 수행하지 못했다. 턴키 CFD 솔루션인 케이던스 밀레니엄 M1(Millennium M1) CFD 슈퍼컴퓨터는 대형 와류 시뮬레이션(LES)을 위한 케이던스 피델리티(Fidelity) LES 솔버와 같은 그래픽 처리 장치(GPU) 상주 CFD 솔버와 확장 가능한 고성능 컴퓨팅(HPC) 하드웨어의 조합으로 이러한 장애물을 극복하여 전례 없는 성능을 발휘한다. 고품질 합성 데이터의 신속한 생성을 통해 제너레이티브 AI(generative AI)는 정확도 저하 없이 최적의 시스템 설계 솔루션을 빠르게 식별할 수 있다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   밀레니엄 M1은 처리 시간을 며칠에서 몇 시간으로 단축하여 항공우주, 자동차, 발전 및 터보 기계 애플리케이션에서 LES의 실제 적용 범위를 확장한다.   그림 1. 케이던스 밀레니엄 M1 CFD 슈퍼컴퓨터   밀레니엄 M1의 주요 효과 밀레니엄 M1은 설계 시간 및 컴퓨팅 리소스 절약 효과를 가져다줄 수 있다.   GPU 가속  고성능의 GPU 상주 CFD 솔버가 최저 전력 소비로 빠른 시간 내에 결과를 제공한다.   턴키 솔루션 바로 사용할 수 있는 단일 CFD 슈퍼컴퓨팅 솔루션을 위해 피델리티 CFD 소프트웨어와 HPC 하드웨어를 결합한다.   최적화된 성능 확장 가능한 HPC 아키텍처와 최신 GPU 상주 솔버가 최적의 시스템 성능을 위해 튜닝되었다.   뛰어난 확장성  빠른 처리 시간을 위해 애플리케이션에 따라 스택형 컴퓨팅 노드를 확장할 수 있다.   표 1. 밀레니엄 M1은 자동차, 항공우주 및 터보 기계 애플리케이션을 위한 당일 시뮬레이션 처리 시간을 제공한다.   밀레니엄 M1의 특징 밀레니엄 M1은 CFD 슈퍼컴퓨팅을 위한 통합 하드웨어 및 소프트웨어 플랫폼이다.   GPU 가속 GPU 가속화는 항공우주, 자동차, 터보 기계 및 기타 여러 산업에 막대한 영향을 미치며 고충실도 CFD를 혁신하고 있다. CFD에 GPU 컴퓨팅을 활용하면 엔지니어링 효율성을 높일 수 있다. 주어진 컴퓨팅 투자에 대해 피델리티 LES 솔버는 CPU 대비 최대 10배의 처리량 증가를 제공한다. 고정된 시뮬레이션 처리량의 경우, CPU 컴퓨팅 대비 GPU 컴퓨팅의 에너지 요구량 감소는 약 17배이다.   그림 2. 합동 타격 미사일(JSM) 기체용 밀레니엄 M1의 피델리티 LES 확장성 확장성 밀레니엄 M1은 외부 공기역학 및 항공 음향에서 연소 및 다중 물리학에 이르기까지 애플리케이션 전반에 걸쳐 거의 선형에 가까운 확장을 제공한다. 이 제품은 두 개의 GPU 노드에서 14시간 이내에 착륙 구성의 실제 항공기를 정확하게 시뮬레이션하는 등, 빠른 시간 내에 결과를 얻을 수 있는 대규모 LES 시뮬레이션을 지원한다.   고충실도 LES 밀레니엄 M1의 피델리티 LES 솔버는 고급 수치 방법과 모델을 결합하여 GPU 가속을 통해 비용 효율적이고 높은 처리량의 시뮬레이션을 제공한다. 고유한 솔버 이산화가 최신 서브 그리드 스케일 및 벽 모델링과 결합되어 그리드 해상도에 높은 견고성을 제공하는 LES 기능을 제공한다.   그림 3. 다양한 메시 크기에 대한 샌디아 플레임 D 실험과 Fidelity CharLES 결과 비교     ■ 자세한 기사 내용은 PDF로 제공됩니다.