성공적인 유동 해석을 위한 케이던스의 CFD 기술   해상풍력 산업은 현대 사회의 에너지 위기를 해결하기 위한 대안으로 꼽히지만 복합적인 설치, 운영, 그리고 유지보수상의 다양한 과제에 직면해 있다. 이번 호에서는 피델리티 CFD(Fidelity CFD) 플랫폼 내의 피델리티 파인 마린(Fidelity Fine Marine)을 활용하여 홀더(Houlder)가 이러한 과제 중 일부를 해결하는 포괄적인 접근법을 어떻게 구현하고 있는지 살펴본다. 또한 해양 파력에 대한 모노파일의 내구성을 주제로 한 사례 연구를 통해 홀더의 전문성을 조명한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   해상풍력 에너지는 현대 사회가 직면한 에너지 위기를 해결하기 위한 핵심적인 대안으로 평가된다. 해상에서 발생하는 강력하고 지속적인 바람을 효율적으로 활용함으로써, 보다 청정하고 환경적으로 지속 가능한 미래를 구현할 수 있다. 2023년 기준 전 세계 해상풍력 발전 설비 용량은 약 75기가와트(GW)에 이르며, 2030년에는 200기가와트를 상회할 것으로 전망된다. 이러한 괄목할 만한 성장은 해상풍력 산업이 기후변화 대응에 기여할 수 있는 막대한 잠재력과 함께, 메가와트시(MWh)당 약 40달러 수준의 발전 단가로 기존 화석연료 기반 에너지원보다 우수한 경제성을 지니고 있음을 보여준다.     그 잠재력에도 불구하고, 해상풍력 산업은 복합적인 설치, 운영, 그리고 유지보수상의 다양한 과제에 직면해 있다. 유한요소해석(FEA)과 전산유체역학(CFD)을 비롯한 첨단 전산지원공학(CAE) 도구를 활용하면 이러한 문제를 완화하고, 해상풍력을 주요 에너지원으로 채택하는 과정을 가속화할 수 있다.   홀더에 대하여 홀더는 그 역사가 1800년대까지 거슬러 올라가는 다학제적(多學際的) 해양 전문 기업이다. 이 회사는 해양 기술 분야에서의 엔지니어링, 설계, 그리고 혁신 역량으로 알려져 있다. 홀더는 전 세계 해운 산업의 탈탄소화를 선도하는 최적의 파트너가 되는 것을 목표로 하고 있다.     홀더의 핵심 운영 부문 중 하나는 선박 분석 팀(Vessel Analysis Team)이다. 이 팀은 계측된 해상 시운전(instrumented sea trials) 및 컴퓨터 시뮬레이션과 같은 첨단 기법을 활용하여 선박의 설계와 성능을 개발 및 최적화한다. 이들의 연구는 에너지 절감 장치나 풍력 보조 추진 기술(wind-assist technologies)과 같은 설루션의 개념 설계 및 성능 평가를 지원하며, 해양 산업의 지속가능성 향상에 기여하고 있다.     해상풍력 설치의 현재 과제 해상풍력 터빈의 설계와 설치는 복잡한 구조적 과제를 수반한다. 터빈은 극한의 기상 조건을 견딜 수 있도록 설계되어야 하며, 그 핵심은 기초(foundation) 설계에 있다. 해저 지반 조건과 수심에 따라 모노파일(monopile), 중력식(gravity base), 트라이포드(tripod) 등 적절한 기초 형식을 신중히 선택해야 하며, 이는 측면 하중(lateral forces)과 퇴적물 이동(sediment movement)에 대한 안정성을 확보하기 위한 필수 과정이다. 또한 파랑(wave action)과 해류(ocean currents) 같은 유체역학적 힘(hydrodynamic forces)을 이해하는 것은 기초 구조의 건전성을 유지하는 데 필수이다. 염수 부식(saltwater corrosion) 문제 역시 중요하며, 부식 분석(corrosion analysis)을 통해 취약점을 파악하고 보호 대책을 마련함으로써 구조물의 수명을 연장할 수 있다. 한편, 해저 케이블(subsea cable)의 설치와 관리도 또 다른 주요 과제이다. 케이블은 설치 과정에서 손상되지 않도록 신중히 취급하고 매설해야 하며, 악천후 속에서 유지보수를 위해 터빈에 접근하는 일 또한 큰 운영상의 어려움을 가져올 수 있다. 이러한 요소를 효과적으로 조율하는 것이 해상풍력 터빈의 성공적인 설치와 운영의 핵심이다.   해상풍력 설치 과제 해결을 위한 CFD 및 FEA 도구 CFD와 FEA 도구는 해상풍력 설치와 관련된 다양한 기술적 과제를 해결하는 데 점점 더 널리 활용되고 있다. FEA는 특히 모노파일이나 재킷(jacket) 등 기초 구조물 설계에서의 응력(stress)과 변형(deformation)을 시뮬레이션하는 데 유용하다. 이를 통해 엔지니어는 파랑과 해류의 영향을 평가하고, 응력 집중 영역을 식별하며, 재료 선정과 보호 코팅과 같은 설계 결정을 보다 정교하게 내릴 수 있다. CFD는 변화하는 해양 조건에서의 케이블 성능을 이해하는 데 중요한 역할을 한다. 이를 통해 설치 계획 및 터빈 유지보수용 선박 설계를 최적화할 수 있다. 또한 CFD는 퇴적물 확산(sediment dispersion)과 수질 변화(water quality change)를 모델링함으로써, 환경 영향을 최소화하기 위한 전략 수립에도 기여한다. CFD와 FEA를 효과적으로 병행 활용함으로써 해상풍력 산업은 설치 안전성과 효율을 크게 향상시킬 수 있으며, 보다 지속가능한 풍력 에너지 활용 방안을 마련할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

DJI는 옴니디렉셔널 오디오 녹음을 지원하는 컴팩트 무선 마이크의 차세대 모델인 ‘DJI 마이크 미니 2(DJI Mic Mini 2)’를 출시했다. DJI 마이크 미니 2는 세 가지 음색 프리셋과 2단계 노이즈 캔슬링 기능을 갖췄으며 다양한 기기 간 연결을 지원한다. DJI 오즈모오디오(OsmoAudio)를 통해 끊김 없는 고품질 오디오를 제공하며 이러한 기능을 하나의 올인원 수납 설계로 구현한 점이 특징이다. 또한 다양한 의상과 어우러지는 다채로운 색상의 마그네틱 전면 커버를 제공해, 사용자가 스타일을 살릴 수 있게 돕는다.     DJI에 따르면 송신기의 무게는 본체 기준 약 11g이다. 탈부착식 마그네틱 클립은 회전이 가능해 마이크가 음원 방향을 정확하게 향하도록 유지하며 48kHz 24비트의 고품질 오디오를 제공한다. 세 가지 음색 프리셋인 일반, 리치, 브라이트를 통해 녹음 환경을 최적화할 수 있으며, 실내외 소음에 대응하는 2단계 노이즈 캔슬링 기능도 포함한다. 자동 제한과 5단계 게인 조정, DJI 미모(DJI Mimo) 앱을 통한 듀얼 트랙 녹음 기능도 지원한다. 충전 케이스는 송신기와 수신기, 액세서리를 한 번에 보관할 수 있도록 설계했다. 모바일 버전인 충전 케이스는 모바일 액세서리의 충전과 보관을 모두 지원해 장비 전환과 정리를 빠르게 할 수 있도록 돕는다. 디자인 측면에서는 교체 가능한 마그네틱 전면 커버를 도입했다. 기본으로 제공되는 옵시디언 블랙과 글레이즈 화이트 커버 외에도 일러스트레이터 빅토 응아이(Victo Ngai)와 협업한 ‘타임 시리즈’ 마그네틱 전면 커버를 별도로 선보였다. 이 시리즈는 인생의 네 단계를 상징하는 던, 서지, 블레이즈, 글리머 색상으로 구성했다. 기기 호환성도 강화했다. DJI 마이크 미니 수신기를 통해 카메라, 스마트폰, 컴퓨터, 태블릿과 연결할 수 있다. DJI 오즈모오디오의 직접 연결 기능을 사용하면 오즈모 포켓 3, 오즈모 360, 오즈모 나노, 오즈모 액션 6 등의 기기에서 수신기 없이 최대 2대의 송신기를 직접 연결해 48kHz 24비트 오디오를 녹음할 수 있다. 전송 거리와 사용 시간도 늘어났다. 수신기 사용 시 최대 400미터, 모바일 수신기 사용 시 최대 300미터의 전송 거리를 지원한다. 송신기와 수신기는 각각 최대 11시간 30분과 10시간 30분 동안 작동하며 충전 케이스를 포함하면 최대 48시간까지 사용할 수 있다. 5분 충전으로 1시간 사용이 가능하며 신호가 감지되지 않으면 자동으로 절전 모드로 전환된다. DJI 마이크 미니 2는 송신기 2대 + 수신기 1대 + 충전 체이스 구성이 11만 4700원이며, 송신기 1대 + 모바일 수신기 1대 + 충전 케이스 구성은 6만 8400원이다. 한편 내장 녹음 기능과 송신기 4대 + 수신기 1대 구성을 지원하는 DJI 마이크 미니 2S가 올 여름에 출시될 예정이다.

에픽게임즈가 다양한 산업 분야의 크리에이터를 위해 새로운 기능과 개선 사항을 담은 ‘트윈모션 2026.1(Twinmotion 2026.1)’을 출시했다. 이번 버전은 실시간 시각화의 핵심인 현실감과 자연스러움을 강화하는 데 집중했다. 3D 모델과 실사 이미지를 합성하고 실제 카메라와 유사한 효과를 구현하는 기능뿐만 아니라 생동감 있는 환경 연출과 사용자 편의성까지 전반적인 업그레이드가 이루어졌다. 트윈모션은 언리얼 엔진 5를 기반으로 건축, 영화, 자동차, 제품 디자인 등 여러 분야에서 사실적인 시각화 작업을 지원하는 설루션이다. 직관적인 사용자 인터페이스와 강력한 라이브러리를 통해 전문가와 초보자 모두 손쉽게 사용할 수 있는 것이 특징이다. 지난 2025.2 버전에서 나나이트 가상화 지오메트리 시스템을 도입한 데 이어, 이번 2026.1 버전은 보다 정교한 표현을 위한 다양한 기능을 추가했다.     새롭게 도입된 ‘포토 매칭’ 기능은 매치 퍼스펙티브 도구를 사용해 특정 위치에 소실점을 지정하면 카메라 위치와 초점 거리를 자동으로 조정한다. 이를 통해 3D 모델과 2D 이미지를 자연스럽게 합성할 수 있으며, 3D 오브젝트에서 계산된 지면에 그림자를 투영해 현실감을 높인다. ‘자동 에지 소프트닝’은 컴퓨터 그래픽 특유의 날카로운 테두리를 부드럽게 처리하는 기능이다. 사용자가 지정한 반경까지 모서리를 자동으로 뭉툭하게 만들어 자연스러운 결과물을 얻을 수 있다. 라이팅 채널 지원을 통해 빛의 영향을 받는 요소를 정밀하게 제어하는 것도 가능해졌다. 특정 채널에 할당된 오브젝트와 라이트만 서로 반응하도록 설정할 수 있어, 제품 촬영 시 배경 조명이 제품에 영향을 주지 않도록 세밀하게 조정할 수 있다. 카메라 및 렌즈 효과도 실제와 더욱 유사하게 개선됐다. ‘오토 포커스’ 기능은 사물의 거리에 따라 초점을 자동으로 조절하며, 뎁스 오브 필드 효과로 카메라가 바라보는 지점을 자연스럽게 따라가게 할 수 있다. 아나모픽 타원 보케와 페츠발 보케 등 실제 렌즈에서 발생하는 블러 특성을 재현하는 효과도 추가됐다. 프레임 가장자리가 미묘하게 휘어지는 배럴 디스토션 기능도 함께 도입됐다. 장면의 생동감을 더하는 파티클 VFX 시스템은 전면 개편됐다. 불, 연기, 안개, 물 등의 표현 성능과 비주얼 품질이 향상됐으며 사용자가 원하는 형태로 파라미터를 조정할 수 있다. 애셋 라이브러리에는 사실적인 유럽 나무 10종이 추가됐으며, 각 나무마다 세 가지 변형 형태를 제공해 풍성한 환경을 조성할 수 있게 돕는다. 사용자 편의를 위한 워크플로 개선도 눈에 띈다. 에픽게임즈에 따르면 버전이 바뀌어도 애셋을 연속해서 활용할 수 있도록 파일 저장 구조를 개선했다. 기존에는 버전에 따라 애셋을 다시 다운로드하거나 이동시켜야 했으나, 이제는 영구적인 폴더 구조로 관리되어 반복 작업 없이 효율적인 작업이 가능하다. 기존 사용자는 에픽게임즈 런처나 데브 포털에서 트윈모션 2026.1을 내려받을 수 있다. 처음 사용하는 사용자는 공식 홈페이지에서 라이선스 옵션을 확인한 뒤 무료 체험판을 이용할 수 있다.

아마존웹서비스(AWS)는 과학자들이 신약을 더 빠르고 체계적으로 설계하고 검증할 수 있도록 돕는 인공지능(AI) 기반 애플리케이션인 ‘아마존 바이오 디스커버리(Amazon Bio Discovery)’를 출시했다. 아마존 바이오 디스커버리는 방대한 생물학 데이터를 학습한 전문 AI 모델인 생물학 파운데이션 모델 카탈로그에 과학자들이 직접 접근할 수 있도록 지원한다. 이들 모델은 신약 후보 물질을 생성하고 평가하며, 신약 발굴 초기 단계에서 항체 치료제 연구를 앞당기는 역할을 한다. 과학자들은 아마존 바이오 디스커버리의 AI 에이전트를 통해 일상적인 언어로 연구 목표에 맞는 모델을 선택하고 입력 변수를 최적화할 수 있다. 기존 실험 데이터를 활용해 모델을 추가로 학습시켜 예측의 정확도를 높이는 것도 가능하다. 선정된 후보 물질은 실제 실험실로 보내져 합성하고 테스트하는 과정을 거치며, 그 결과는 다시 애플리케이션으로 전달된다. AWS는 이러한 방식을 통해 실험실과 연계한 지속적인 반복 실험 구조를 구현했다.     그동안 신약 발굴 분야에 AI를 도입하는 데는 어려움이 많았다. 생성형 AI의 발전으로 머신러닝 모델이 늘어났지만, 이를 다루려면 코딩 능력과 복잡한 인프라 관리 기술이 필요했기 때문이다. 수십 개의 모델 성능을 직접 비교하는 것도 쉽지 않았고, 이를 지원할 전산 생물학자도 부족한 실정이었다. 물리적 실험을 위해 데이터를 주고받는 과정 역시 여러 시스템에 흩어져 있어 관리가 까다로웠다. 아마존 바이오 디스커버리는 AI 모델과 분석 패키지를 비교 평가하는 벤치마크 라이브러리와 실험 설계를 돕는 AI 에이전트, 통합 실험실 파트너 네트워크를 제공해 이런 문제를 해결하고자 했다. 이를 통해 얻은 피드백은 다음 설계 단계를 개선하는 밑거름이 된다. 이 서비스는 제약사와 바이오테크, 학계 연구기관이 필요로 하는 데이터 보호와 보안 환경을 갖추고 있다. 데이터는 완전히 격리되어 보호되며, 고객은 모든 지식재산과 데이터에 대한 소유권을 가진다. 아마존 바이오 디스커버리는 아페리스와 볼츠 등 파트너사의 오픈소스 및 상업용 모델을 포함해 폭넓은 생물학 특화 AI 모델 카탈로그를 제공한다. 앞으로 바이오허브와 프로플루언트의 모델도 추가될 예정이다. 과학자들은 코딩 대신 자연어를 사용해 단계별 실험 과정을 구성할 수 있으며, 제조 용이성이나 온도 안정성 같은 항체 후보 물질의 특성을 평가하는 데이터셋을 활용해 최적의 모델을 고를 수 있다. 실제로 메모리얼 슬론 케터링 암센터(MSK)는 아마존 바이오 디스커버리의 AI 에이전트를 활용해 약 30만 개의 새로운 항체 분자를 설계했다. 이 가운데 유망한 후보 물질을 테스트하는 데까지 걸린 시간은 몇 주에 불과했다. 기존 방식으로 1년 가까이 걸리던 작업을 대폭 단축한 것이다. 현재 MSK를 비롯해 바이엘, 브로드 인스티튜트, 프레드허치 암센터 등이 이 서비스를 초기 도입해 활용하고 있다. AWS의 라지브 초프라 헬스케어 AI 및 생명과학 부문 부사장은 “AI 에이전트는 컴퓨터 전문 지식이 없는 연구자들도 고도화된 과학 역량을 활용할 수 있게 한다”면서, “첨단 AI와 보안 인프라의 결합은 이전에는 불가능했던 방식으로 항체 발굴을 가속화할 것”이라고 설명했다.

헥사곤이 CNC(컴퓨터 수치 제어) 프로그래밍 노력을 줄이고 제조업체의 복잡한 가공 환경 관리를 돕는 에스프리 엣지(ESPRIT EDGE)의 새로운 기능을 발표했다. 최근 기계 성능이 고도화됨에 따라 프로그래밍과 검증에 필요한 공수도 함께 늘어나고 있다. 2026년 예정된 네 차례의 업데이트 중 첫 번째인 이번 버전은 선삭 자동화, 스위스형 가공, 다축 툴패스 생성, 중절삭 가공 및 클라우드 연결 워크플로 전반에 걸친 개선 사항을 담고 있다.     이번 릴리스는 선삭, 밀턴(mill-turn), 스위스 프로그래밍을 위한 ‘프로플랜AI(ProPlanAI)’를 도입했다. 프로플랜AI는 소재 제거량과 이전 가공 전략을 고려해 수동 입력을 줄이면서도 정확한 공정 정의를 지원한다. 또한 머신 모델에 직접 가이드 부싱 구성을 내장해 처커 모드(chucker-mode) 등 설정을 머신 정의 재구축 없이 간편하게 전환할 수 있다. 고급 3축 선삭의 충돌 감지 기능이 강화되어, B축이나 Y축 제어를 통해 공구 방향이 바뀔 때 비절삭 요소까지 고려해 툴패스 안전성을 보장한다. 5축 복합 가공 업데이트는 외부 드라이브 서면 없이 공구 모션 생성을 자동화하여 복잡한 형상의 프로그래밍 준비 시간을 단축한다. 새 릴리스에서는 공구가 회전하고 부품은 고정된 상태에서 밀링 머신 선삭을 가능하게 하는 U축 선삭 기능을 미리보기 형태로 선보였다. 이는 프로그래밍 가능한 선형 축으로 직경 변화를 제어해 대형 부품 및 고급 가공 시나리오에 대응한다. 재설계된 클라우드 커넥터는 문서와 소프트웨어 확장에 대한 접근성을 높였다. 지식 기반 가공(knowledge-based machining) 업데이트는 드릴링 사이클의 피드 정의를 세밀하게 제어해 툴링 전략 간의 호환성을 개선하고 일관되지 않은 공구 적용을 방지한다. 헥사곤 프로덕션 소프트웨어 디비전의 올리비에 테노(Olivier Thenoz) 수석 제품 매니저는 “기계 성능은 빠르게 발전했지만 프로그래밍 복잡성도 그만큼 증가했다”면서, “이번 업데이트는 다축 및 다채널 가공 환경에서 신뢰할 수 있는 CNC 프로그램을 준비하는 데 드는 노력을 줄이는 데 집중했다”고 밝혔다.

심센터 HEEDS 더 깊게 살펴 보기 (4)   이번 호에서는 심센터 HEEDS(Simcenter HEEDS)의 핵심 최적화 엔진인 SHERPA의 성능을 비약적으로 가속화시키는 AI 시뮬레이션 프레딕터(AI Simulation Predictor) 기술에 대해 자세히 살펴본다. 지난 호에서 다룬 SHERPA의 지능형 탐색 방식에 AI의 예측 통찰력을 결합하여, 어떻게 해석 시간의 병목을 해결하고 검색 효율을 극대화하는지 조명할 예정이다. 이를 통해 고비용 해석 모델에서도 실질적인 리드타임을 단축하고 더 우수한 설계안을 도출해 내는 원리를 알아보고자 한다.   ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   최적화의 병목, 해석 시간과 비용의 문제 고충실도(High-Fidelity) 해석의 딜레마 현대 엔지니어링 설계의 정점은 전산유체역학(CFD)이나 비선형 구조해석과 같은 고성능 계산 과정을 필수로 한다. 이러한 고충실도 해석은 제품 성능을 가상 공간에서 정밀하게 모사할 수 있게 해 주지만, 치명적인 약점이 있다. 복잡한 모델의 경우 1회 해석에 수 시간에서 수 일이 소요되기도 하며, 수백 번의 반복 계산이 필요한 최적화 과정에서 이는 극복하기 어려운 시간적 병목(bottleneck)이 된다.   MDAO 과정에서 직면하는 실제 문제들 연재의 배경이 되는 다분야 설계 분석 및 최적화(MDAO : Multidisciplinary Design Analysis and Optimization) 환경에서는 다음과 같은 네 가지 핵심 문제에 직면한다. 시뮬레이션 시간 & 계산 비용 : 장기간의 CAE 실행은 컴퓨터 자원의 점유와 라이선스 비용 부담을 가중시킨다. 신뢰성 : 시간 제약으로 인해 충분한 설계안을 검토하지 못하면 결과의 신뢰성이 떨어진다. 지식의 재사용 : 이전 프로젝트의 방대한 시뮬레이션 데이터를 현재 최적화에 제대로 자산화하지 못하는 한계가 있다. 시프트 레프트(shift left) : 제품 개발 초기 단계에서 오류를 발견하지 못하면 이후 단계에서 대규모 수정 비용이 발생한다.   기존 대안 : 전통적 최적화 프로세스와 근사 모델의 한계 해석 시간을 줄이기 위해 전통적인 설계 공간 탐색(design space exploration) 과정에서는 반응표면법(RSM)이나 크리깅(kriging)과 같은 근사 모델(surrogate model)이 널리 사용되어 왔다. 하지만 이러한 전통적인 방식은 프로세스 측면에서의 번거로움과 기술적 모델 구축 측면에서의 한계를 동시에 안고 있다.   그림 1   첫째, 전문가 중심의 복잡한 다단계 프로세스로 인한 고충(pain points)이 크다. 목적 정의부터 모델 단순화, 알고리즘 선택 및 튜닝, 탐색 수행, 결과 해석으로 이어지는 과정은 매우 정교한 전문 지식을 요구하며 다음과 같은 문제를 일으킨다. 모델 단순화의 오류 가능성 : 변수 선별이나 응답면 모델을 수동으로 생성하는 과정은 오류가 개입되기 매우 쉽다.(too error-prone) 알고리즘 선택 및 튜닝의 고비용 구조 : 적절한 검색 알고리즘을 결정하기 위해 수많은 반복 시도가 필요하며, 파플레이션 크기나 변이율 등 세부 매개변수 설정에 고도의 전문성이 요구되어 시간과 비용이 많이 든다.(too costly & too difficult) 제한적인 혁신 : 이러한 난이도 탓에 최적화 기술이 일부 전문가에 의해 매우 한정적인 문제에만 적용되어, 결과적으로 설계 혁신의 폭이 좁아지는 결과를 초래한다. 둘째, 기술적으로 구축된 근사 모델 자체가 가진 결정적인 한계가 존재한다. 초기 데이터 확보의 높은 비용 : 신뢰할 수 있는 모델을 구축하기 위해서는 설계 공간 전체에 걸쳐 상당수의 초기 샘플 해석이 선행되어야 하며, 고성능 CAE 환경에서는 이 초기 샘플링 과정 자체가 막대한 병목이 된다. 정적 구조의 경직성 : 한 번 구축된 모델은 최적화가 진행되는 동안 설계 공간의 특성 변화나 새로운 유망 영역의 발견을 실시간으로 반영하여 스스로 업데이트되지 않는다. 전역적 경향성과 국부적 정밀도의 딜레마 : 전체적인 경향성은 파악하지만 최적해 주변의 미세한 비선형적 거동을 포착하는 데 한계가 있어, 최종 설계안이 실제 해석 결과와 괴리를 보이는 경우가 빈번하다.   그림 2   반면, 심센터 HEEDS는 이러한 복잡한 중간 단계를 ‘Automated Search’ 하나로 통합하여 엔지니어가 본연의 설계 업무인 목적 정의와 결과 분석에만 집중할 수 있는 환경을 제공한다. 이번 호에서 다룰 AI 프레딕터(AI Predictor)는 이 혁신적인 자동 탐색 과정을 한 단계 더 가속하여 기술적 한계를 극복하고 진정한 설계 디스커버리(discovery)를 실현하는 핵심 기술이다.   기술 혁신 : Boosting SHERPA의 정의와 전략적 가치 AI 시뮬레이션 프레딕터란 무엇인가? 심센터 HEEDS의 AI 시뮬레이션 프레딕터는 최적화 검색 과정을 가속시키는 퍼포먼스 부스터(Performance Booster)이다. 단순히 정해진 데이터를 학습하는 것을 넘어, SHERPA 검색 프레임워크 상단에서 작동하는 AI 오버레이(AI Overlay) 기술을 통해 실시간으로 데이터를 학습(on-the-fly)하여 해석이 필요한 위치(DOE)를 지능적으로 선별한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

엔비디아와 로레알 협력 확대, 알케미 AI로 뷰티 연구 및 배합 최적화 100배 가속 AI 컴퓨팅 기술 분야의 선두주자인 엔비디아가 세계 최대 AI 가속 컴퓨팅 콘퍼런스인 GTC 2026에서 글로벌 뷰티 기업 로레알과의 협력 확대를 발표했다. 이번 파트너십을 통해 엔비디아의 화학 및 소재 혁신을 위한 AI 연구소인 알케미(ALCHEMI)가 수십억 달러 규모의 스킨케어 시장에 전격 도입되어 제품 개발 공정을 혁신할 전망이다. 로레알, 엔비디아 알케미 도입으로 연구 효율 극대화 로레알은 엔비디아 가속 컴퓨팅 기반의 알케미를 활용해 컴퓨터 시뮬레이션을 통한 배합 물성 예측의 속도와 정확도를 대폭 높이고 있다. 기존의 자외선 차단제 개발은 방대한 분자 조합을 일일이 실험실에서 테스트해야 하는 한계로 인해 수년에 걸친 복잡한 과정을 거쳐야 했다. 그러나 로레알 연구진은 이제 알케미를 통해 자외선 차단제 분자 조합을 기존 시뮬레이션 방식 대비 최대 100배 더 빠르고 효율적으로 선별할 수 있게 됐다.   AI 기반 배합 최적화로 신소재 발굴 및 비용 절감 로레알은 스킨케어, 헤어케어, 메이크업, 향수 등 다양한 분야에서 매년 3400개 이상의 신규 배합을 개발하고 있으며, 연간 13억 유로 이상을 연구개발(R&D)에 투자하고 있다. 연구의 핵심인 배합 공정에 엔비디아 알케미가 적용되면서, 그동안 컴퓨팅 복잡성으로 인해 탐색이 어려웠던 방대한 화학 조합을 효과적으로 분석할 수 있는 길이 열렸다. 이는 신소재 발굴 기간 단축과 비용 절감으로 이어져 화학 및 소재 과학 산업 전반의 제품 개발을 가속하고 있다. 뷰티 산업을 넘어 화학 및 소재 분야 전반으로 확산 이번 기술 협력의 이점은 단순히 화장품 산업에 국한되지 않는다. 로레알은 배합 최적화를 통해 피부 보호와 조기 노화 방지에 기여하는 활성 성분의 효능을 극대화하고 있으며, 이는 향후 헬스케어 분야에도 긍정적인 영향을 미칠 것으로 보인다. 또한 엔비디아 알케미는 자외선 차단제와 향수의 복잡한 화학 구성을 넘어 반도체 소재, 페인트, 코팅제 등 다양한 산업 분야의 배합 최적화에도 폭넓게 활용될 수 있어 소재 공학의 새로운 패러다임을 제시하고 있다.  

AMD는 모바일 월드 콩그레스 2026에서 라이젠 AI 400 시리즈(Ryzen AI 400 Series) 및 라이젠 AI 프로 400 시리즈(Ryzen AI PRO 400 Series) 데스크톱 프로세서를 발표하며 라이젠 AI 포트폴리오를 확대한다고 밝혔다. 이번 신제품은 강력한 온디바이스 AI 가속과 차세대 성능을 제공해 최신 AI 워크로드와 연산 집약적 애플리케이션을 로컬 환경에서 원활하게 실행할 수 있도록 지원한다. 또한 AMD는 라이젠 AI 400 시리즈 모바일 포트폴리오를 워크스테이션 영역까지 확장한다고 밝혔다. 라이젠 AI 400 시리즈는 차세대 데스크톱 AI PC 가운데 최초로 코파일럿+ PC 경험을 지원한다. 최대 50 TOPS의 AI 연산 성능을 제공하는 신경망처리장치(NPU)를 탑재해 AI 어시스턴트와 생산성 도구를 PC에서 직접 실행할 수 있도록 하며, 이를 통해 민감한 데이터를 디바이스 내부에 유지하면서 더 높은 제어력과 성능, 프라이버시를 확보할 수 있다. AMD 컴퓨팅 및 그래픽스 그룹 수석 부사장 겸 총괄 책임자인 잭 후인(Jack Huynh)은 “데스크톱 PC는 이제 단순한 도구를 넘어 사용자와 함께 작업하는 지능형 어시스턴트로 진화하고 있다”면서, “라이젠 AI 400 시리즈 프로세서를 통해 강력한 AI 가속 기능을 데스크톱으로 확장함으로써, 기업과 소비자 모두가 더 많은 작업을 수행하고 더 많은 가치를 창출할 수 있도록 지원하고 있다”고 말했다. 라이젠 AI 400 시리즈 데스크톱 프로세서는 고성능 ‘젠 5(Zen 5)’ CPU 코어, AMD RDNA 3.5 그래픽, 전용 AMD XDNA 2 NPU를 결합해 전문 워크로드 전반에서 확장 가능한 성능과 지능형 기능을 제공하도록 설계됐다. 사무 환경 전문가, 개발자, 파워 유저가 요구하는 응답성·효율·로컬 AI 가속을 지원하며, 일상적인 멀티태스킹과 협업부터 소프트웨어 개발, 데이터 분석, AI 기반 워크플로까지 현대 데스크톱 환경 전반에서 일관된 성능을 구현한다.     라이젠 AI 프로 400 시리즈 모바일 프로세서는 상용 노트북과 모바일 워크스테이션에서 생산성을 향상하고 일상적인 워크플로를 간소화하는 차세대 로컬 AI 경험을 제공한다. 이 제품은 최대 60 TOPS의 AI 연산 성능을 제공하는 고성능 NPU를 탑재해 AI 기반 작업을 디바이스에서 직접 가속한다. AI PC를 활용하는 일반 사무직 근로자는 비AI 시스템 대비 연간 최대 7주에 해당하는 업무 시간을 절감할 수 있다. 고급 온디바이스 AI 가속 기능을 통해 측정 가능한 효율 향상을 제공하며, 대규모 조직에서도 생산성을 높이면서 전문가들이 기대하는 성능과 응답성을 유지하도록 지원한다. 또한 이 프로세서는 독립 소프트웨어 벤더(ISV) 인증을 기반으로 차세대 모바일 워크스테이션에도 탑재된다. CPU, NPU, 그래픽처리장치(GPU)를 모두 활용하는 엔지니어링·콘텐츠 제작·기술 워크로드에 최적화됐다. 주요 전문 워크플로 전반에 걸쳐 업데이트된 애플리케이션 지원을 제공하며, 이를 통해 CPU, NPU 및 그래픽 처리 장치(GPU)를 포함한 모든 컴퓨팅 리소스를 활용하는 전문 애플리케이션을 가속화하여 까다로운 엔지니어링, 콘텐츠 제작 및 기술 워크로드를 처리한다. 라이젠 AI 400 시리즈를 탑재한 AM5 데스크톱 시스템은 HP와 레노버 등 OEM을 통해 2026년 2분기부터 출시될 예정이며, 라이젠 AI 프로 400 시리즈를 탑재한 기업용 노트북은 3월 말부터 주요 OEM을 통해 출하될 예정이다. 델 테크놀로지스, HP, 레노버 등 OEM이 공급하는 모바일 워크스테이션은 2026년 2분기부터 출시될 예정이다.

에이수스 코리아는 자율 주행 로봇(AMR), 로보틱스 및 컴퓨터 비전 분야를 위해 설계된 초소형 에지 AI 컴퓨터 PE1000U를 출시했다고 밝혔다. PE1000U는 인텔 코어 울트라 시리즈 2 프로세서를 탑재해 CPU, GPU, NPU가 결합된 하이브리드 가속 기능을 제공한다. 이를 통해 모션 컨트롤을 위한 높은 스레드 반응과 AI 추론 및 그래픽 워크로드를 동시에 효율적으로 처리할 수 있다. 에이수스 PE1000U는 알루미늄 재질의 커스텀 히트싱크로 효율적인 열 관리가 이루어져, 팬 없이도 CPU와 메모리에서 발생하는 열을 안정적으로 처리한다. 이를 통해 산업용 로봇, 비전 장비 등 신뢰성이 중요시되는 산업 환경에서 최적화된 설루션으로 강력한 성능을 보여준다.     63×110×160mm 크기의 초소형 폼팩터를 갖춰 공간 제약이 있는 환경에서도 설치가 용이하며, DIN 레일 마운트 방식을 지원한다. 작지만 폭넓은 연결성을 가지고 있어 전면에 4개의 USB 포트를 포함해 최대 4개의 COM 포트, 최대 4개의 이더넷 포트(기본 2.5G 2개)를 갖춰 센서, 카메라 및 네트워크 통합이 가능하다. 더불어 온보드 듀얼 CAN 버스와 절연된 DIO 모듈을 통해 정밀한 제어가 가능하며, HMI나 머신 비전 모니터링을 위한 4K 디스플레이를 디스플레이포트와 HDMI를 통해 최대 2개까지 지원한다. 극한의 산업 환경에서도 견딜 수 있는 내구성을 갖춘 PE1000U는 팬리스 IP40 등급의 밀폐형 섀시를 사용하여 먼지 유입을 차단하고, 무소음일 뿐만 아니라 MIL-STD-810H의 미국방성 내구성 표준을 통과해 5Grms의 진동도 견딜 수 있다. 작동 온도 범위는 -25°C에서 70°C에 달해 공장부터 실외 키오스크까지 다양한 환경에서 안정적인 운영이 가능하다. 또한 AMR 및 차량 탑재 환경을 고려하여 9~36V 범위의 DC 전원 입력, 내장된 점화 제어 기능으로 차량 시동과 연동된 전원 관리도 가능하다. 이와 함께 와이파이 6E 및 5G 지원으로 라이다(LiDAR), 카메라, 차량 관리 플랫폼 등과 원활한 통신을 지원한다.

앤시스 워크벤치를 활용한 해석 성공 사례   이번 호에서는 웹 GUI에서 수행한 작업을 실시간으로 파이썬 스크립트로 기록하는 ‘앤시스 플루언트 웹 UI(Ansys Fluent Web UI)’의 활용 방법을 소개한다. 플루언트 웹 UI를 활용하면 사용자는 업무 자동화와 대규모 스터디를 위한 파이플루언트(PyFluent) 기반의 자동화를 더욱 효율적인 방식으로 시작하고 확장할 수 있다.   ■ 안지수 태성에스엔이 AE2팀의 매니저이며, CFD 엔지니어로 근무하고 있다. 홈페이지 | www.tsne.co.kr   업무 자동화, 대규모 파라메트릭 스터디, 최적 설계, AI 등 코드 응용의 중요성이 빠르게 증가하고 있다. 이러한 환경 속에서 앤시스 플루언트(Ansys Fluent)를 파이썬(Python) 기반으로 제어할 수 있는 파이플루언트(PyFluent)는 분명 매력적인 도구이지만, 코딩에 익숙하지 않은 입문자들에게는 높은 진입 장벽이 존재한다. “GUI로 클릭하면 5분만에 끝나는 설정을 코드로 한 줄 한 줄 언제 작성하지?” 바로 이 간극이 자동화의 필요성을 느낌에도 불구하고 실전 도입이 어려운 이유다. 물론 기존의 로컬 플루언트 환경에서도 GUI 입력을 파이썬 스크립트로 변환하는 저널 레코딩(Journal Recording) 기능¹) 이 존재하지만, 이는 플루언트 메싱 모델(Fluent Meshing Mode)의 워크플로 작업(Workflow Task)에 국한된다는 한계가 있다. 특히 플루언트 솔버 모드(Fluent Solver Mode)에서는 GUI 기반의 레코딩 기능을 공식적으로 제공하지 않기 때문에 물리 모델 설정, 경계조건 입력, 수렴조건 변경, 모니터링 설정 등 설정 작업을 코드로 생성하려면 다음의 세 가지 방법 중 하나를 선택해야 하는 불편함이 있다. 플루언트 콘솔(Fluent Console)에서 직접 TUI 커맨드(Command) 구조를 찾아 파이플루언트 스크립트로 변환 매뉴얼에 제공된 예제 응용 직접 코드 작성 결국 GUI에서 몇 분이면 완료될 작업이 코드 작성 과정에서는 몇 시간 혹은 며칠까지 소요되는 역설적인 상황이 발생한다. 이러한 문제를 실질적으로 해결해 줄 수 있는 기능 중 하나가 바로 앤시스 플루언트 웹 UI(Ansys Fluent Web UI)이다. 앤시스 플루언트 웹 UI는 사용자가 웹 GUI에서 수행하는 작업을 실시간으로 파이썬 스크립트 형태로 기록할 수 있는 인터페이스를 제공한다. 이를 통해 사용자는 ‘클릭 기반 코드 생성 → 필요한 부분 수정 → 확장’이라는 훨씬 효율적인 방식으로 파이플루언트를 시작할 수 있다.   앤시스 플루언트 웹 UI 실행 방법 앤시스 플루언트 웹 UI는 로컬 PC에서 실행 중인 플루언트 세션을 웹 기반 인터페이스로 외부에 공유하여, 다른 컴퓨터 환경에서도 웹 브라우저만으로 동일 세션을 원격 제어할 수 있도록 지원하는 기능이다. 이를 통해 별도의 설치 없이 접속 주소만으로 로컬 PC에 접근할 수 있으며, 여러 사용자가 동시에 같은 해석 화면을 확인하거나 협업할 수 있다. 2025 R1 버전까지는 플루언트 솔버 모드 웹 서버(Fluent Solver Mode Web Server)만 공식 지원하였으나, 2025 R2 버전부터는 플루언트 메싱 모드 웹 서버(Fluent Meshing Mode Web Server)도 정식 지원하며, 윈도우 10/11 및 리눅스 운영 체제에서 사용할 수 있다. 실행 방법은 다음 두 가지 중 하나를 선택하면 된다. Fluent Launcher 실행 → General Options → Start Web Server(그림 1) Fluent Meshing 또는 Solver Mode 실행 후 File → Application → Web Server → Start(그림 2) 플루언트 실행 후 콘솔(Console) 창에 생성되는 접속 주소를 웹 브라우저(크롬, 에지, 파이어폭스 등)에 입력하여 접속한다.   그림 1. 웹 UI 실행 방법 1   그림 2. 웹 UI 실행 방법 2   그림 3. 콘솔 – 접속 주소 확인   웹 UI는 <그림 4>와 같이 플루언트의 기능 구조에 앤시스 디스커버리(Ansys Discovery) 특유의 직관적인 인터페이스 요소가 결합된 형태로 구성되어 있다. 하단 콘솔 영역에는 Python, Output 탭이 함께 제공되며, GUI 작업과 파이썬 스크립트(Python Script) 상태를 함께 확인할 수 있다. 또한 웹 UI에서 변경한 설정은 로컬 플루언트에도 동일하게 반영된다.   그림 4. 앤시스 플루언트 웹 UI     ■ 자세한 기사 내용은 PDF로 제공됩니다.