로봇과 사람이 같은 공간에서 함께 일하는 제조 현장은 더 이상 미래의 이야기가 아니다. 협동로봇과 자율로봇이 공정 곳곳에 투입되면서 생산성은 비약적으로 높아졌지만, 동시에 ‘안전’이라는 근본적인 과제가 다시금 부각되고 있다. 이러한 변화의 한가운데서 로봇이 스스로 안전하게 판단하고 움직이도록 만드는 ‘안전 지능(Safety Intelligence)’ 기술로 주목받는 기업이 있다. ▲ 세이프틱스 신헌섭 대표 로봇 안전 지능 기술 전문기업 세이프틱스 2020년 설립된 세이프틱스(Safetics)는 로봇이 사람과 같은 공간에서 안전하게 작동하도록 하는 ‘로봇 안전 지능’ 기술을 개발하는 스타트업이다. 많은 기업이 협동로봇을 도입하며 펜스 없이 자유롭게 움직이는 작업 환경을 기대하지만, 현실의 제조 현장에서는 법적·제도적 안전 기준으로 인해 여전히 물리적 펜스 설치가 요구된다. 이에 대해 신헌섭 대표는 “협동로봇이 도입됐다고 해서 곧바로 펜스 없는 작업이 가능한 것은 아니다. 실제 현장에서는 안전 규제가 가장 큰 진입 장벽으로 작용하고 있다”라고 설명한다. 세이프틱스는 이러한 제도적·기술적 장벽을 근본적으로 해결하고자 출발했다. 단순히 로봇을 멈추거나 격리하는 방식이 아니라, 로봇이 스스로 위험을 인지하고 안전한 동작을 선택하도록 만드는 것이 이 기업의 지향점이다. 이 같은 기술은 제조 현장뿐 아니라 카페, 급식실 등 로봇이 사람과 밀접하게 접촉하는 다양한 공간으로 적용 범위를 넓혀가고 있다. 안전과 생산성을 동시에 잡는 최적 설계 솔루션 ‘SafetyDesigner’ 세이프틱스가 시장에 주력으로 선보이는 솔루션은 협동로봇의 PFL(Power and Force Limiting) 모드를 실질적으로 구현하는 웹 기반 안전 설계 솔루션 ‘SafetyDesigner’다. SafetyDesigner는 안전성과 생산성 사이의 상충 관계를 기술적으로 해소하는 데 초점을 맞추고 있다. 충돌 안전 시뮬레이션 기능: 별도의 물리적 실험 없이도 가상 시뮬레이션을 통해 로봇과 사람이 충돌할 경우 발생하는 힘과 압력을 정밀하게 계산할 수 있다. 이를 통해 실제 현장에서 발생할 수 있는 위험을 사전에 분석하고 설계 단계에서부터 대응이 가능하다. 최대 안전 속도 추천 기능: 시뮬레이션으로 도출된 힘과 압력 값을 기반으로 ISO 안전 표준을 충족하면서도 공정 효율을 최대한 유지할 수 있는 최적의 로봇 속도를 제안한다. 이는 ‘안전을 위해 속도를 낮출 수밖에 없다’는 기존 인식을 뒤집는 핵심 기능이다. 지능형 위험성 평가 기능: 설문 기반의 위험성 평가 방식을 통해 안전 전문 지식이 없는 현장 담당자도 로봇 작업 환경에 대한 정보를 입력하면, 관련 표준과 법규에 대응하는 위험성 평가 보고서를 자동으로 생성할 수 있다. 안전 설계와 규제 대응을 동시에 간소화할 수 있다는 점에서 현장의 신뢰가 높다.   AX 시대의 로봇 자율성을 뒷받침하는 안전 지능 기술 제조 AX(AI Transformation) 시대의 핵심은 로봇의 ‘비정형 유연성’이다. AI 로봇은 실시간으로 경로와 속도를 바꾸며 작업을 수행하지만, 이러한 자율성은 기존의 고정된 안전 설계 방식으로는 충분히 담보하기 어렵다. 세이프틱스의 경쟁력은 다양한 로봇 모션을 수만 번의 가상 시뮬레이션으로 분석해, 표준에 부합하는 안전 속도를 정량적으로 제시하는 데 있다. 더 나아가 세이프틱스는 SafetyDesigner로 분석된 데이터를 로봇과 실시간으로 연동해 자율적인 안전 판단과 제어를 수행하는 ‘SafetyGiver’ 솔루션으로 기술을 고도화하고 있다. 두산로보틱스, 뉴로메카 등 주요 로봇 제조사와의 협업을 통해 구축 중인 이 기술은, AX 시대 제조 현장에서 로봇 자율성을 안전하게 통제하고 증명하는 핵심 인프라로 자리매김할 것으로 기대된다. 휴머노이드 시대를 여는 ‘로봇 안전 지능’ 세이프틱스는 공장을 넘어 일상으로 확장될 휴머노이드 로봇 시대를 준비하고 있다. 휴머노이드는 사람과 같은 공간에서 빠르고 복잡한 동작을 수행하기 때문에, 기존의 펜스나 단순 정지 방식으로는 안전을 보장하기 어렵다. 이에 세이프틱스는 사람이 경험을 통해 안전 감각을 익히듯, 로봇이 스스로 위험을 판단하고 최적의 행동을 선택하는 ‘안전 지능’을 모든 형태의 로봇에 보급하는 것을 목표로 한다. 신 대표는 “앞으로의 로봇 안전은 ‘멈추는 기술’이 아니라, ‘판단하는 기술’이 되어야 한다”고 강조한다. 세이프틱스는 이 같은 정의를 바탕으로 사람과 로봇이 가장 안전하게 공존하는 미래를 구현하고 있다. 펜스 없는 생산성 혁신과 글로벌 시장 진출 가속화 세이프틱스는 로봇 도입 과정에서 안전 규제 대응에 어려움을 겪는 기업들에게 SafetyDesigner를 활용한 현실적인 해법을 제시하고 있다. 펜스나 잦은 정지 없이도 법적 기준을 충족하며 생산성을 극대화할 수 있다는 점이 시장에서 입증되고 있다. 또한 안전 비전문가도 쉽게 활용할 수 있는 위험성 평가 솔루션을 통해 국내 제조 현장의 안전 인프라 수준을 한 단계 끌어올리고 있다. 최근 파트너십을 체결한 대만 넥스코봇을 비롯해 글로벌 기업들과의 접점을 확대하며 세계 시장 진출을 본격화하고 있다. 지능형 로봇 시대를 위한 안전 패러다임 전환 제조 AX와 산업 AI 시장이 지속적으로 성장하기 위해서는 로봇 안전을 사후 보완이 아닌 초기 설계의 핵심 요소로 인식하는 패러다임 전환이 필요하다. 특히 휴머노이드와 같이 사람과 밀착해 작동하는 로봇일수록, ‘피지컬 AI’ 기반의 안전 기술은 시장 확대의 필수 조건이 될 것이다. 세이프틱스는 안전을 공정의 제약이 아닌 성능 극대화의 도구로 활용함으로써, 공간 효율 개선과 멈춤 없는 공정을 동시에 실현하고 있다. 사람과 로봇의 경계 없는 협업, 세이프틱스가 여는 새로운 길 로봇 안전의 패러다임은 이제 펜스로 격리하던 시대를 넘어, 로봇 스스로 위험을 판단하고 안전하게 행동하는 ‘지능의 시대’로 진화하고 있다. 세이프틱스는 지구상의 모든 로봇이 사람과 경계 없이 협업하는 세상을 지향한다. 펜스라는 물리적 장벽이 사라진 자리에서 안전한 공존이 뿌리내릴 수 있도록, 세이프틱스는 전 세계 로봇 산업의 혁신 파트너로서 역할을 이어갈 계획이다.  

산업을 위한 AI와 버추얼 트윈 기술 (2)   이번 호에서는 다쏘시스템의 LBM 기반 CFD 설루션인 파워플로(PowerFLOW)를 활용하여, 하중 및 회전에 의해 변형되는 트레드 타이어를 반영한 정밀 유동 예측 워크플로를 제시한다. 드라이브에어(DrivAer) 모델 적용을 통해 접지면과 사이드월 돌출부 형상 변화가 차량 항력 및 후류 구조에 미치는 영향을 분석하고, 실제 주행 조건을 고려한 차세대 공력 최적화 설계 프로세스의 방향성을 제안한다.   ■ 고석원 다쏘시스템의 유동해석 컨설턴트로, 국내 완성차 업체의 공력 및 공력소음 분야 CFD 프로젝트 수행 및 기술 지원을 담당하고 있다. 홈페이지 | www.3ds.com/ko   EV(전기자동차) 시대에 접어들면서 공력 성능은 단순한 항력 계수(Cd : Drag Coefficient) 저감의 문제가 아니라, 에너지 효율과 주행거리 경쟁력을 결정하는 핵심 설계 변수로 자리잡았다. 특히 고속 주행 영역에서는 타이어 주변에서 형성되는 복잡한 와류 구조가 전체 항력에 상당한 영향을 미친다. 그러나 현재까지 많은 외부 유동해석은 계산 효율과 모델 단순화를 이유로 강체 타이어 형상을 가정해왔다. 실제 주행 조건에서는 차량 하중과 회전에 의해 타이어 접지면이 평탄화되고, 트레드 패턴이 국부적으로 변형된다. 이러한 기하학적 변화는 경계층 발달과 박리 위치, 그리고 후류 구조에 직접적인 영향을 미친다. 그럼에도 불구하고 설계 단계에서 이러한 변형 효과는 충분히 반영되지 못하는 경우가 많다. 이 간극은 단순한 수치 오차를 넘어, 설계 의사 결정의 신뢰성 문제로 이어질 수 있다. 기존의 전산유체역학(CFD : Computational Fluid Dynamics) 접근에서는 회전 조건을 MRF(Moving Reference Frame) 혹은 LRF(Local Reference Frame) 기법을 구현하고, 접지부는 이상적인 평면 조건으로 단순화한다. 이 방식은 빠른 비교 분석에는 적합하지만, 접지부 인근의 비대칭 유동 구조와 시간에 따라 변화하는 와류 변동을 충분히 재현하기 어렵다. 특히 하중에 의해 형성되는 접지부 형상 변화는 타이어 하부 압력 분포를 바꾸고, 이는 차체 하부 유동과 상호작용하며 항력 특성에 영향을 미친다. 고속 주행 시에는 원심력에 의한 외경 변화까지 더해져 형상 변형이 복합적으로 발생한다. 따라서 현실 기반 공력 예측을 위해서는 타이어 변형을 포함한 해석 전략이 요구된다.   파워플로 기반 정밀 유동 예측 방법론 이번 호에서는 LBM(Lattice Boltzmann Method) 기반 CFD 설루션인 파워플로를 활용하여 하중 및 회전 변형을 반영한 해석 환경을 구축하였다. 차량 모델은 <그림 1>과 같이, 오픈소스 표준 차체 형상인 드라이브에어 모델을 적용하였다. 타이어 형상은 단순 강체 모델과 실제 하중 조건을 반영한 변형 트레드 타이어 모델을 사용하였다. 변형 형상은 파워플로의 전처리 모듈인 파워델타(PowerDELTA)를 통해 구현되었으며, <그림 2>와 같이 정적 하중에 의해 형성되는 접지면(contact patch)과 사이드월 돌출부(bulge)를 기하학적으로 재현하였다. 수치해석 방법에는 회전하는 타이어에 IBM(Immersed Boundary Method)을 적용하여 타이어 인근에서 시간에 따라 변화하는 유동 구조와 후류 거동을 정밀하게 분석하였다.   그림 1. 드라이브에어 차량 형상   그림 2. 접촉면과 돌출부의 형상(왼쪽 : 접촉면, 오른쪽 : 돌출부)   해석 케이스 구성 해석 케이스는 변형 타이어의 적용 유무와 <그림 3>에 나타낸 바와 같이, 타이어 변형 효과를 체계적으로 비교하기 위해 다음 세 가지 인자를 독립적으로 변화시켰다. 사이드월 돌출부(bulge, B) 횡방향 삽입각(slip angle, α) 접지면 폭(contact patch width, W)   그림 3. 변형 타이어 인자 변화 조건   각 변수 변화에 따른 항력 특성 및 후류 구조 변화를 비교함으로써, 설계 관점에서 지배적인 인자를 도출하고자 하였다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

슈나이더 일렉트릭은 에너지 효율과 시스템 신뢰성을 강화한 새로운 알티바(Altivar) HVAC 드라이브 제품군을 발표했다. 이번 신제품은 스마트 빌딩의 운영 성능을 높이는 데 초점을 맞췄다. 알티바 HVAC 드라이브는 30% 이상의 에너지 절감 효과와 향상된 시스템 가동률을 제공한다. 최신 빌딩 관리 시스템(BMS)과 원활하게 통합하며, 까다로운 공조 시스템 환경에서도 높은 효율을 유지한다. 지능형 운영 기능과 내장된 보호 기능을 통해 안정적인 시스템 운영을 돕는 것이 특징이다. 슈나이더 일렉트릭은 이 제품이 상업용 건물부터 장비 제조업체가 제작하는 장비, 병원, 공항, 데이터센터와 같은 필수 시설까지 다양한 환경에서 활용할 수 있다고 소개했다. 또한, 스마트 연결 기능과 친환경 냉매 호환성 및 사이버 보안 대응 성능도 갖췄다.     이번에 공개된 모델은 ATH200과 ATH600 두 가지다. ATH200은 OEM 및 소형 HVAC 장비에 최적화된 모델이다. 엔지니어링 개발 기간을 단축하면서 새로운 지속가능성 기준을 충족하도록 지원한다. ATH600은 고급 제어 기능과 연속 운전이 필요한 환경에 적합하다. 필수 시설이나 고성능 건물에서 요구하는 깊이 있는 시스템 통합을 지원한다. HVAC 시스템은 건물 내 공기 흐름과 온도 안정성 등 건물 성능을 유지하는 핵심 인프라다. 알티바 HVAC 드라이브 제품군은 영하 10도에서 영상 60도 환경에서도 작동한다. 기계적, 열적, 전기적 스트레스를 견디도록 설계해 옥상 설치 장비부터 기계실, 실외 외함까지 다양한 곳에서 안정적인 성능을 유지한다. 설치 과정도 간편하다. 전자기 적합성(EMC) 필터와 모터 열 보호 기능을 내장했으며, 모드버스(Modbus)와 백넷(BACnet) 통신을 지원한다. 별도의 외부 접촉기 없이 시스템을 구성할 수 있어 배선 복잡도를 줄였다. 200mm로 통일된 캐비닛 규격과 유해물질 제한 지침(RoHS) 등을 준수하는 소재를 사용해 구축 속도를 높이고 지속가능한 빌딩 구축을 지원한다. 미래 지향적인 운용 환경을 위해 사이버 보안 인증(IEC 62443-4-2 보안 레벨 1)을 지원하며 펌웨어 무결성 검증 기능을 제공한다. 최대 25마력까지 A2L 인증과 A3 냉매 대응이 가능하다. 이를 통해 최신 칠러와 히트펌프 등에 사용하는 저지구온난화지수(GWP) 냉매와 차세대 냉매 환경에도 대응할 수 있다. 슈나이더 일렉트릭은 알티바 HVAC 드라이브와 모디콘(Modicon) M172·M173 컨트롤러, 하모니(Harmony) HMI를 결합해 제공한다. 이를 통해 OEM과 시스템 통합업체가 지능적이고 에너지 효율적인 HVAC 장비를 빠르게 구축하도록 돕고 있다. 슈나이더 일렉트릭 산업 제어 및 드라이브 부문의 샤오 후 수석부사장은 “알티바 HVAC 드라이브는 현대 공조 인프라에서 요구하는 성능과 신뢰성, 보안 기준을 높인 제품”이라고 설명했다. 또한 “소재 선택부터 펌웨어 업그레이드까지 장기적인 지속가능성을 고려했으며, 고객이 장비를 보호하고 에너지 규제에 대응하도록 지원할 것”이라고 밝혔다.

이번 리뷰는 HP Z북 울트라 G1a(HP ZBook Ultra G1a)를 활용해 실제 CAE 실무 환경에서의 성능을 검증한 기록이다. 14인치의 컴팩트한 폼팩터에 탑재된 AMD 라이젠 AI 맥스 프로(AMD Ryzen AI Max PRO) 프로세서와 통합 메모리 시스템이 복잡한 전처리부터 후처리까지의 해석 루틴을 얼마나 안정적으로 수행하는지 분석하였다. 실무자의 관점에서 이동성과 전문가급 시뮬레이션 성능의 조화를 직접 확인해 보았다.   리뷰 배경 HP Z북 울트라 G1a는 14인치의 워크스테이션급 특성을 넣은 노트북이다. AMD 라이젠 AI 맥스 프로 시리즈 프로세서 기반으로, CPU와 GPU가 하나의 메모리 풀을 공유하는 통합 메모리 아키텍처를 전면에 내세운다. 제품 소개 기준으로 최대 128GB 통합 메모리 구성이 가능하며, 이 중 최대 96GB까지를 GPU 전용 메모리로 할당해 그래픽 작업에서 병목을 줄이는 방향으로 설계되었다. 이 노트북을 처음 마주한 인상은 워크스테이션이라는 단어와 외형이 잘 연결되지 않는다는 점이었다. CPU 성능은 AMD 라이젠 AI 맥스 + 395를 기반으로 그래픽은 라데온 8060S(Radeon 8060S)로 확인된다. 이 정도의 성능을 노트북에서 볼 수 있다는 점에서 시뮬레이션을 당장이라도 돌려봐야겠다고 판단하였다.   그림 1. HP Z북 울트라 G1a   HP Z북 울트라 G1a는 14인치급의 얇은 노트북 형태라 이동이 쉽고, 포트 구성도 업무용에 딱 맞춰져 있다. 특히 HDMI 2.1, 썬더볼트 4(USB-C) 등 USB-C 포트를 3개 보유하고 있다. 외부 모니터 연결이나 현장, 회의실 등 이동이 잦은 사용자라면 노트북 자체의 무게 관점에서는 엄청난 점수를 주게 된다. <그림 2>의 왼쪽은 Z북 울트라 G1a의 상판 디자인이다. 그레이 톤에 로고 중심의 미니멀함이 인상이 강하고, 표면 마감도 업무용 워크스테이션답게 차분한 편이다. <그림 2>의 오른쪽 사진은 휴대성 체감을 주기 위해 12.9형 아이패드 프로를 함께 놓고 비교한 장면이다. 태블릿을 키보드 위에 올려두면 느껴지듯, 본체의 면적이 아이패드 프로급과 크게 동떨어지지 않아 가방에서 차지하는 부피 부담이 생각보다 적다. 실제로 태블릿을 넣던 공간에 함께 운용하기 수월했고, 연구실과 세미나실처럼 이동이 잦은 환경에서 편리함을 만들어주는 크기였다.   그림 2. HP Z북 울트라 G1a의 외관(왼쪽) 및 태블릿과의 크기 비교(오른쪽)   CAE 해석 관련 제품 시연 CAE 해석 관련 제품 시연을 보면 대개는 깔끔한 브래킷 한 개, 공기 층이 크게 없는 외부 유동, 혹은 요소 수를 의도적으로 낮춘 모델로 구성된다. 하지만 실제 대학원 연구나 현업 엔지니어가 사용하는 모델은 굉장히 높은 밀도의 요소 수를 가지고 있는 경우가 대부분이다. CAE 해석은 계산 시간만으로는 평가하기 어렵다. 실제로는 모델을 가져오고, 형상을 단순화하고, 메시를 증가시키고, 수렴을 잡고, 결과를 후처리하고, 마지막으로 보고서까지 정리하는 과정이 하나의 루틴으로 이어진다. 이 루틴 중 어느 구간에서든 시스템이 멈추거나 응답성이 크게 떨어지면, 그 순간부터는 업무가 끊기게 된다. 필자는 구조/유동 해석을 병행하는 대학원생 연구원으로서, 이번 대여 장비를 단순 벤치마크가 아닌 실제 연구 및 과제에서 수행하는 순서 그대로 테스트해보기로 했다. 목표는 명확하다. 다음의 두 가지를 중점으로 검토하였다. 전처리부터 후처리까지, 끊김 없이 반복 수행 가능한가? 구조 해석(선형/비선형)과 유동 해석(정상/과도)을 섞었을 때도 안정적으로 유지되는가? 이번 리뷰는 실제 진행했던 해석 프로젝트를 기반으로 진행하였다. 대외비로 인해 전체 형상보다 해석 진행에 맞춘 단순화 모델을 사용하였다. CFD 유동 해석 1건을 먼저 수행해 시스템의 기본 워크플로 안정성을 우선 확인한 뒤, 본 테스트인 XY 스테이지 프로젝트로 넘어가는 방식으로 구성했다. 세 가지 테스트는 해석 솔버 진행 시 해석 엔지니어가 체감하기에 가장 어려움을 겪는 상황에 대해 상세하게 설명하는 것을 목표로 한다. 해석 엔지니어는 대부분 직접 모델링, 전처리에서 후처리까지 모두 진행하기 때문에, 이 모든 과정에서 HP Z북 울트라 G1a의 성능이 성과를 좌우할 수 있다. 이에 따라 대표적인 해석 방법 세 가지(유동, 정적, 열적 해석)을 선정하였다.   그림 3. 분야별 테스트 계획   테스트 1 : 유체 시뮬레이션 전처리(앤시스)   그림 4. 전처리 메시 작업(노트북 자체 화면)   첫 번째 테스트는 유체 해석으로 시작했다. 대상은 다수의 오리피스(Orifice)가 배열된 에어베어링 타입 유동 형상으로, 단순히 솔버만 돌리는 것이 아니라 전처리부터 해석, 후처리까지 모든 워크플로를 수행하였다. 이 유형의 모델은 형상 자체도 복잡하지만, 메시 해상도를 올리는 순간부터 작업감이 급격하게 달라진다. 특히 요소 수가 많아지면 워크벤치(Workbench)에서 해당 프로젝트에 접근하는 ‘클릭 한 번’부터 초기 반응이 늦어지는 경우가 흔하다. 즉, 실제 체감 성능은 메시 창 진입부터 차이가 드러난다. Z북 울트라 G1a의 흥미로운 점은 소음 특성이다. 동일한 워크로드를 워크스테이션급 컴퓨터에서 수행할 때는 팬의 소음이 뚜렷하게 들릴 정도로 동작하는 경우가 있었는데, 이번 테스트에서 수행할 때는 메시 작업창을 여는 순간 짧게 팬이 동작하는 느낌이 있다가, 이후에는 지속적으로 소음이 커지지 않고 비교적 낮은 수준으로 유지되는 느낌을 받았다. 필요한 구간에서만 짧게 소음이 개입하니, 작업하는 엔지니어 입장에서는 안정감을 받으며 작업을 할 수 있었다.   그림 5. 앤시스 워크벤치 프로젝트(유체 해석)   유체 해석 파트는 한 번 돌려서 끝이 아니라, 워크벤치에서 여러 케이스를 동시에 관리하는 형태로 구성했다. <그림 5>처럼 Fluid Flow 시스템을 다수 배치하고, 각 시스템을 Geometry, Mesh, Setup, Solution, Results 순서의 단계로 동일한 구조로 유지한 뒤 케이스별로 필요한 변경만 최소화하여 반복 실행했다. 연구실에서 실제로 유동 해석을 수행할 때는 한 조건으로 끝나기보다 간극, 입력조건, 수치 설정을 바꿔가며 다음 케이스로 넘어가는 일이 일반적이기 때문에, 이번 리뷰에서도 그 흐름을 그대로 가져갔다. 이번 구성의 핵심은 파라미터 기반 분기이다. 간극 조건을 여러 파라미터 케이스로 나누어 두고, 수치 설정을 달리한 케이스도 별도로 두어 같은 프로젝트 내에서 연속적으로 비교할 수 있도록 구성했다. 동일한 방식으로 여러 케이스를 파이프로 연결하여 시뮬레이션했을 때, 데스크톱 워크스테이션에서는 약 5시간, Z북 울트라 G1a에서는 약 7시간 정도가 소요되었다. 실제 솔버에 사용한 코어 수는 동일하게 맞추어 진행했다.(비교에 사용한 데스크톱 워크스테이션 사양은 13세대 인텔 코어 i7-13700KF(16코어/24스레드), RAM 128GB, 엔비디아 RTX A4000(전용 16GB)이다.) 시간 차이는 장비 구성 차이(특히 메모리 용량 등)에서 발생할 수 있으며, 이번 파트에서는 다중 케이스 구성을 프로젝트 단위로 묶어 하나의 파라미터 사이클을 중단 없이 완주했다는 점에 의미를 두었다.   테스트 1-1 : 유체 시뮬레이션(앤시스)   그림 6. 플루언트 해석 단계   이번 테스트는 플루언트 시스템을 구성한 뒤, 실제 설정과 실행은 플루언트 내부에서 진행했다. 실제 유체 해석을 경험하였을 때, CFD 솔버 창 로드가 가장 느리게 뜬다. 이 구간이 실무적으로는 가장 시간을 많이 쓰는 편이다. 이유는 체감 병목이 반드시 솔버에만 있지 않기 때문이다. 큰 메시를 불러오고, 화면에 표시하고, 경계면을 선택하고, 설정 탭을 오가며 저장 및 갱신하는 과정에서 프리징이 발생하면, 계산 시간이 짧더라고 작업은 길어진다. 이 노트북에서는 이 작업이 굉장히 깔끔하다. 예를 들어 Fluid 형상을 Solid로 바꾸는 경우에는 물성 자체를 바꾸기 때문에 체감상 30~50초 정도 지연이 발생했다. 하지만 그 외의 모든 대부분의 기능은 끊김 없이 설정 변경이 가능했다. 팬 소음도 이전과 같이 임포트 시 및 솔버 작동 시를 제외한 부분에서는 거의 들리지 않았다.   그림 7. 유체 해석 결과 컨투어   이번 테스트에서는 해석 대상에서 계산된 압력 분포를 보여준다. 워크스테이션급 노트북에서 이 정도 규모의 모델을 끝까지 수렴시키고, 후처리까지 안정적으로 가져갈 수 있었다는 점에서 굉장히 큰 장점을 느꼈다. 특히 컨투어(contour)가 계단형처럼 깨지지 않고 등압선이 부드럽게 이어지는 점이 비교를 위해 해석을 동일하게 진행한 데스크톱 워크스테이션에서 확인할 수 있는 그래픽과 동일한 수준이다. 압력 분포뿐만 아니라 실제 산업에서 요구하고 검토해야 하는 유동 관련 모든 후처리를 모두 확인할 수 있었다. 노트북 한 대로 연구 및 업무에서 필요한 해석의 한 사이클인 전처리, 해석, 후처리까지를 노트북에서 완주할 수 있었다는데 의미가 있다.   테스트 2 : XY 스테이지 정해석(솔리드웍스 & 앤시스)   그림 8. 시뮬레이션 대상인 XY 스테이지 모델링   시뮬레이션을 수행하기 위해, 연구실에서 실제로 다루는 XY 스테이지의 실물 크기와 구성 방식을 최대한 반영하여 모델링을 진행하였다. 단순한 데모 형상이 아니라, 연구 환경에서 반복적으로 부딪히는 조건을 고려해 임포트, 단순화, 해석용 형상 정리를 여러 번 반복하는 방식으로 접근했다. 모델링 단계에서 가장 먼저 확인한 것은 ‘한 번이라도 흐름이 끊기지 않는지‘였다. 모델링 툴에서 가장 문제가 되는 상황은 복잡한 형상을 다룰 때 화면의 프리징이나 입력 지연인데, 이번 작업에서는 XY 스테이지를 구성하는 형상을 만들고 수정하는 과정에서 눈에 띄는 버벅임이 거의 발생하지 않았다. 단순히 고사양 CPU와 GPU가 있다라는 의미가 아니라, 실제로 커서 이동, 스케치 입력, 피처 생성과 같이 모델링 진행 시 기본적인 동작이 꾸준하게 유지되는지가 체감하는 성능을 결정한다. 이러한 관점에서 작업감이 안정적이었다. 특히, 해석 툴(앤시스 워크벤치)을 완전히 종료하지 않고 백그라운드에 실행해 둔 상태에서 모델링을 병행했을 때다. 일반적으로 해석 툴을 켜 둔 채로 CAD 작업을 하면 메모리나 리소스 점유로 인해서 스케치가 끊기거나 곡선 입력이 느려지는 경험을 하는 경우가 많다. 반면 Z북 울트라 G1a은 워크벤치가 백그라운드에 올라간 상태에서도 솔리드웍스에서 스케치를 그리고 곡선을 생성하는 과정이 딜레이 없이 매끄럽게 이어진다. 하지만 아무래도 해석 솔버를 모든 코어를 사용해서 돌려놓으면 솔버가 돌아가는 동안 솔리드웍스에서 약간의 프리징이 발생한다. 사용자는 해석 솔버 상에서 직접적으로 코어의 개수를 할당해줄 수 있는데, 코어를 조절하여 4코어는 CAD 툴, 4코어는 해석 툴과 같이 나누어 작업을 진행할 때 큰 버벅거림 없이 조작이 가능했다. 코어를 나눴기 때문에 솔버 시간 지연은 발생하지만, 동시 작업이 깔끔하게 진행되는 것 자체로도 해석 엔지니어에게는 큰 장점으로 느껴진다.   테스트 2-1 : XY 스테이지 정해석(앤시스)   그림 9. 앤시스 워크벤치 프로젝트(정해석, 열해석, 모달해석)   이번 테스트는 여러 파이프로 연결된 워크벤치를 구동하는데, 서로 다른 해석 시스템을 한 프로젝트 안에서 연결한다는 점이 중요하다. 실제 연구나 업무 환경에서는 한 번 만든 CAD를 기반으로 정적 강성, 열 영향, 진동 특성을 연속으로 확인하는 경우가 많고, 이때 프로젝트가 분리되어 있으면 형상 수정이나 단순화가 생길 때마다 각 해석을 따로 업데이트해야 해서 시간이 굉장히 지연된다. 상단의 메인 플로는 세 가지로 구성했다. 정적 구조로 기본 강성과 변위를 확인하고, 같은 지오메트리를 기반으로 열 조건을 부여하였을 때 온도 분포를 점검한 다음, 모달로 고유 진동수와 모드 형상을 확인하는 흐름이다. 이 구조로 구성하면 형상 단순화나 치수 수정이 생겼을 때 업데이트 프로젝트(Update Project) 한 번으로 메인 3개의 해석의 기반 데이터가 함께 따라온다. 실무에서는 굉장히 많은 파라미터를 연속적으로 연결해 두어야 하는데, 이는 노트북으로 해석할 때 중요한 작업 흐름을 끊지 않는 운영 방식으로 직결된다.   테스트 2-2 : XY 스테이지 정해석 메시 작업(앤시스)   그림 10. XY 스테이지 모델링 전처리(메싱)   전처리 작업에서의 메시 작업은 실사용에서는 메시 직후 작업이 끝나는 경우가 거의 없다. 접촉 및 구속을 다시 확인하거나, 특정 부위를 더 촘촘히 쪼개거나, 단순화가 부족한 부분을 다시 CAD로 되돌려 수정하는 등 ‘다시 돌아가는’ 작업이 필연적으로 발생한다. 이때 중요한 건 계산 성능보다도 프로젝트가 계속 이어지는지 여부다. 메시가 늘어난 상태에서 트리 이동, 특정 파트 및 면 선택 같은 동작이 불규칙하게 멈추면 이후 단계에서 재 메시나 후처리로 넘어가는 속도가 눈에 띄게 떨어진다. 이번 구성에서는 메시를 1mm로 굉장히 작게 분할하여도 작업을 중단시킬 정도로 흔들리는 형태는 두드러지지 않았다.   테스트 2-3 : XY 스테이지 정해석(앤시스)   그림 11. XY 스테이지 정해석 컨투어   이번 테스트는 Static Structural의 결과가 Mechanical에서 로드되어, 컨투어로 시각화되었다. 계산 후 결과를 불러와 렌더링하고, 필요한 뷰를 만들고, 캡처 가능한 상태로 정리하는 후처리 루틴이 매끄럽게 진행되었다. 현업과 연구에서 시간은 계산에서만 쓰이지 않는다. 결과를 열고, 표시 항목을 바꾸고, 시점을 정리하고 캡처하는 과정이 반복된다. 특히 조립체 모델에서는 내가 보고 싶은 위치에 대한 시점 찾기 과정에서 버벅임이 심한 경우가 대다수다. 이번 테스트에서는 결과 컨투어를 띄운 이후 확대 및 회전 등 기본 조작을 수행하며 캡처 가능한 상태로 정리하는 흐름으로 진행되었고, Z북 울트라 G1a에서 충분히 프로젝트 관리가 가능하였다. 해석 솔버 작동 시간은 유체 해석급으로 복잡한 메시와 연산량이 요구되지는 않았기에 10분 이내로 해석은 완료되었다.   테스트 3 : XY 스테이지 열해석(앤시스)   그림 12. XY 스테이지 열해석 컨투어   이번 테스트의 경우 정상상태 열 해석의 결과 화면이며, 각각 온도와 열량 결과 항목을 표시하였다. 이번 테스트는 정적, 열 해석을 각각 돌린 것이 아니라 워크벤치에서 하나의 프로젝트를 묶어 반복 업데이트하는 형태로 운영하였다. 실제 해석 업무에서 체감 생산성을 좌우하는 것은 솔버의 단발적인 성능만이 아니다. 경계조건인 열원, 대류, 접촉 등을 수정하고, 다시 업데이트한 뒤, 동일한 뷰에서 결과를 재확인 및 캡처하는 과정을 반복하면서 목표하는 컨투어가 나오고, 분석한 결과와 동일한지 확인하는 과정이 정말 중요하다. 열 해석은 15분 이내 수준에서 비교적 빠르게 완료되었다. 이 정도 솔버 시간이 확보되면 열원 크기나 경계조건 같은 변수를 바꿔가며 파라미터 시뮬레이션 형태로 반복 실행하는 운영도 현실적인 선택지가 된다.   테스트 4 : AMD 소프트웨어를 통한 해석 속도 개선 테스트   그림 13. 아드레날린 에디션 그래픽 설정   Z북 울트라 G1a는 AMD 전용 그래픽 드라이버 및 그래픽 옵션 설정을 통합 관리하는 소프트웨어 아드레날린 에디션(Adrenalin Edition)을 적용할 수 있는데, 이를 통해 <그림 13>과 같이 Gaming → Graphics 메뉴에서 그래픽 옵션을 선택할 수 있다. 이 화면은 본래 게임 환경을 대상으로 한 옵션이 포함되어 있으나, 이번 테스트에서는 해석에 필요한 더 조밀한 메시와 대형 형상들의 결과 표시를 검토하는 상황에서 실무자의 뷰포트 조작이 더 부드러워지는지, 또는 반대로 표시 지연이 발생하는지 확인하는 목적으로 진행된다.   테스트 4-1 : 메시 사이즈 조밀화 구간 작업감 검증 테스트   그림 14. A : 메시 1mm Sizing 적용 시   그림 15. B : 메시 0.5mm Sizing 적용 시   앞선 테스트 2-2(메시 작업)에서 강조했던 포인트는 단순히 메시가 생성되느냐가 아니었다. 실사용에서 메시 작업은 직후에 끝나는 경우가 거의 없고, 모델을 다시 손보거나(형상 수정과 구속 변경), 특정 부위만 더 촘촘히 쪼개거나(Refine), 조건은 바꿔 반복 수행하는 과정이 기본 루틴이 된다. 이때 체감상 생산성을 좌우하는 건 계산 성능만이 아니라 메시가 늘어난 상태에서도 트리 이동, 파트 및 면 선택, 화면 회전과 같은 기본 조작이 끊기지 않고 이어지는지에 있다. 한 번 버벅거림이 시작되면, ‘재메시 – 솔브 – 후처리’로 넘어가는 전체 흐름이 눈에 띄게 느려진다는 점이 있다. 이번 테스트 4에서는 AMD의 아드레날린 에디션 소프트웨어를 설치한 뒤, 그래픽 옵션을 적용한 상태에서 해석 프로그램 메시 조밀화 구간의 작업감을 다시 확인하는 형태로 진행했다. 메시 사이즈를 낮춰 요소 수가 증가하는 상황에서 안정성이 유지되는지 체크하는 것을 목적으로, 테스트는 기존 프로젝트 흐름을 유지하되 메시 사이즈를 다르게 적용하여 비교했다. 비교 조건은 A와 B로 메시를 생성한 후 화면 회전과 줌, 그리고 트리 이동과 특정 파트의 면 선택 등을 반복하였다. 결과적으로 조밀화 자체가 부담인 B 조건에서도 멈춤이 덜한 것을 확인하였다. 이 작업에서 핵심 부담은 결국 작업의 흐름이 끊기는 것이다. 이번 설정에서는 조밀한 메시에서도 작업을 중단시킬 정도로 흔들리는 패턴은 보이지 않았다. 메시 사이즈를 0.5mm까지 낮춰도 조작이 꺾이지 않는다는 점과 아드레날린 설정 적용 이후 메시 상태에서의 화면 반응성이 안정적으로 유지되는 방향으로 체감되었다.   테스트 4-2 : 모달해석 테스트   그림 16. 모달해석 결과 화면(모드 형상 컨투어)   아드레날린 설정 후, 기존 XY 스테이지 프로젝트 흐름에 모달해석을 추가로 수행했다. 특히 모달해석은 결과 확인 과정에서 모드 형상 확인, 애니메이션 재생, 값 확인 및 캡처를 반복 수행하게 되는데, 그래픽과 솔버 시간 감소를 확인하기 위해 필수적으로 해석을 진행하였다. 모달해석 결과는 Mechanical에서 바로 로드되어 모드(Mode) 별 주파수 테이블과 함께 표시되었고, 결과 항목을 전환해도 화면 반응이 끊기지 않았다. 특히 모달해석에서는 에니메이션 재생을 수행했을 때 조작이 툭툭 끊기는 것 없이 안정적으로 확인이 가능하였다. 이어서 모달해석은 다른 구조 해석이나 열 해석과는 상이하게 경계 조건에 따라 솔버 시간이 3~4배는 더 걸리게 된다. 아드레날린 설정을 통해 그래픽 끊김이 발생하지 않는 선에서 옵션을 변경하여 솔버를 진행하였을 때 소요되는 결과를 확인하였다.   그림 17. 아드레날린 에디션 적용 전/후 솔브 시간 비교   <그림 17>에서 확인할 수 있듯이 동일 모달해석 케이스에서 약 32분에서 23분으로 솔버 시간이 줄어드는 결과를 확인했으며, 약 9분 31초 수준으로 29% 수준의 시간 단축을 통해 솔버 사용 속도가 눈에 띄게 증가했음을 확인하였다. 이 차이는 단일 요인(그래픽 옵션)만으로 원인을 단정하기는 어렵지만, 단일 해석 설정에서 아드레날린 에디션 적용 이후 동일 케이스를 반복 수행했을 때 솔버 시간이 감소하는 경향이 확인되었다는 점에서 의미가 있었다. 특히 연구 및 실무 환경에서는 모달해석을 단독으로 한 번만 돌리는 경우가 드물고, 메시 조정과 결과 확인이 반복되기 때문에, 5~10분 단위의 차이도 누적되면 전체 작업 흐름에 영향을 준다. 이번 테스트에서는 그 누적이 실제로 체감될 정도로 줄어들었고, 속도 개선 가능성을 확인할 수 있었다. XY 스테이지 테스트는 한 번 만든 지오메트리를 워크벤치에서 계속 돌릴 때, 실제로 프리징 없이 곧바로 다음 루프로 넘어갈 수 있는지를 확인하는 과정이었다. 기본 테스트(테스트 1~3)만으로도 Z북 울트라 G1a은 해석자로서 굉장히 만족스러웠고, 특히 작업 흐름을 끊어버리는 프리징이 거의 없었다는 점에서 큰 점수를 주고 싶었다. 여기에 추가로 테스트 4인 AMD 아드레날린 에디션 적용 후의 작업 흐름도 함께 확인하였다. 조밀 메시에 대한 결과 화면처럼 그래픽적으로 무거워지는 구간에서도 전체 해석 흐름이 무너지지 않는지를 다시 점검하였고, 추가로 수행한 모달 해석에서도 결과 확인 과정이 한 번에 이어지는 형태로 진행됐다. 특히 솔버 시간 측면에서는 동일 케이스에서 소요시간이 감소하는 결과도 확인되어, 단순하게 돌아간다는 수준을 넘어 반복 수행 관점에서 체감 효율을 한 단계 더 끌어올릴 여지가 있다는 인상을 받았다. 결국 해석 실무자 입장에서 중요한 것은 케이스를 최적화하기 위해 나누고 설정을 바꾸고 결과를 정리하는 과정을 포함해 작업자가 하루 동안 수행하는 작업을 노트북에서 유지할 수 있는가에 있다. 이번 리뷰는 그 과정이 끊기지 않는지에 초점을 두고 진행했고, 추가 테스트 적용 결과까지 포함해 그 목적에 맞는 형태로 마무리되었다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 정수진 한국공학대학교 메카트로닉스공학과 석사과정으로, CAE 해석 및 설계 검증, 시뮬레이션 최적화, 멀티피직스 관련 연구과제를 담당하고 있으며, 주로 구조, 열, 유체 시뮬레이션 기반 해석 연구를 진행하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

HP Z북 울트라 G1a는 고성능 AI 작업과 3D 제작을 동시에 염두에 둔 14인치 모바일 워크스테이션이다. 이 글에서는 필자가 실제로 자주 사용하는 AI 리서처와 3D 제작 작업 시나리오를 바탕으로, 기존에 사용해 온 게이밍 노트북과 비교하면서 HP Z북 울트라 G1a의 장단점을 조명해보고자 한다.   HP Z북 울트라 G1a(ZBook Ultra G1a)는 프로세서 성능과 메모리 용량에 명확하게 집중한 구성을 취함으로써, 기존의 노트북 선택 방법과는 다른 노선을 제시한다. 일반적으로 노트북을 선택할 때 대부분의 사용자는 성능, 휴대성, 가격, 배터리 지속 시간, 확장성 등 여러 요소를 종합적으로 고려한다. 그러나 특정 작업 환경에서는 이러한 균형 중심의 접근이 오히려 비효율로 작용하기도 한다. 대용량 데이터 전처리, 로컬 AI 추론, 3D 콘텐츠 제작과 같이 CPU와 메모리 자원 의존도가 높은 워크로드에서는, 그래픽 성능이나 휴대성보다 연산 자원과 메모리 용량이 작업 효율을 결정짓는 핵심 요소가 되기 때문이다. HP Z북 울트라 G1a는 바로 이러한 관점에서 색다른 접근법을 채택한 기기라고 볼 수 있다. AMD의 라이젠 AI 맥스+ 프로 395(Ryzen AI Max+ PRO 395) 프로세서를 탑재해 128GB에 달하는 대용량 메모리를 제공하는 반면, 그래픽 카드는 외장 GPU가 아닌 내장 그래픽으로 구성된 14인치 노트북이다. 이처럼 극명하게 갈린 사양 구성은 과연 AI 개발과 3D 콘텐츠 제작이라는 두 가지 작업을 모두 감당할 수 있는 선택지일까?   제품 개요 워크스테이션은 일반적으로 크고 무거운 데스크톱 형태로, ‘들고 다니는 기기’와는 거리가 멀다는 인식이 강하다. 그러나 HP Z북 울트라 G1a는 이러한 고정관념을 벗어나, 14인치 폼팩터 안에 워크스테이션급 성능을 담아냈다. 앞서 언급했듯 이 제품은 AMD 라이젠 AI 맥스+ 프로 395 프로세서와 라데온 8060S(Radeon 8060S) 그래픽을 기반으로 설계되었으며, 최대 128GB LPDDR5x 메모리와 대용량 NVMe SSD를 탑재했다. 정량적인 하드웨어 스펙상 무게는 약 1.57~1.59kg으로, 여타 게이밍 노트북과 비교해도 크게 무겁지 않은 수준이다. 실제로 가방에 넣어 휴대했을 때도 다른 노트북에 비해 체감 무게가 과하게 느껴지지는 않았다. 기기 양쪽에는 USB-C 타입 포트 2개(충전 포트 포함)를 비롯해 HDMI, USB-A 타입 단자, 3.5mm 이어폰 단자가 배치되어 있어, 워크스테이션으로서 요구되는 기본적인 확장성도 충분히 갖추고 있다.   디자인 본격적인 사용기에 앞서 디자인을 살펴보자. 보기 좋은 떡이 먹기도 좋다는 말도 있듯이, 매일 사용하는 기기는 사용자의 마음에 들 정도로는 아름다워야 한다. HP Z북 울트라 G1a의 디자인은 간결하고 군더더기 없었다. 특히, 전반적인 제품의 마감 품질이 높다는 것이 느껴졌다. 처음 노트북이 닫힌 상태에서 보았을 때는 매끄럽고 둥근 디자인의 겉모습이 단정하다는 느낌이 들고, 화면을 열어 전원을 켰을 때에는 베젤이 얇고 깔끔하여 프로페셔널하다는 인상을 준다. 디자인에서 가장 좋았던 점은 키보드이다. 처음에는 짙은 회색의 평범한 플라스틱 소재로 느껴졌지만, 사용하다 보니 키보드의 키감이 좋을 뿐만 아니라 이물질이 잘 묻지 않는 코팅으로 되어 있어 사용 시 편리했다. 외부 작업 중 노트북을 열었을 때, 손때 묻은 키보드를 다른 사람에게 드러내는 것이 걱정인 사람이라면 이 노트북의 키보드 마감이 더욱 마음에 들 것이라 생각한다. 또한 카메라에는 오픈·클로즈 방식의 물리적 커버가 적용되어, 노트북 내장 웹캠을 사용하지 않을 때는 완전히 가릴 수 있다. 사소해 보일 수 있지만, 사용자를 고려한 세심한 설계라는 점에서 인상 깊은 부분이었다.   그림 1. 노트북 전면. 디자인이 깔끔하고 단정하여 외부 미팅에도 무난하게 사용할 수 있었다.   AI 및 데이터 전처리 워크로드 이제 AI 엔지니어의 관점에서 이 제품을 살펴보자. AI 제품 개발 과정에서 절실하게 체감하는 주요 요소 중 하나는 CPU 메모리의 여유이다. 모델 학습은 클라우드 GPU나 서버 자원을 활용하는 경우가 많아졌지만, 탐색적 데이터 분석, 실험을 위한 데이터 전처리는 대부분 로컬 환경에서 수행해야 하기 때문이다. 따라서 CPU 성능과 GPU 성능 둘 중 하나를 선택해야 한다면, 많은 사람들의 예상과 달리 GPU보다는 CPU를 선택하는 것이 합리적이다. CPU 메모리가 여유가 있다면 데이터셋을 실험 가능한 요건에 맞춰 수정 및 조정하는 것이 조금 더 편리해질 뿐만 아니라, 데이터셋 전처리와 동시에 다른 작업이 가능하기 때문이다. HP Z북 울트라 G1a의 128GB 메모리와 라이젠 AI 맥스+ 프로 395의 조합은 대용량 데이터 전처리와 모델 로딩 과정에서 매우 안정적인 모습을 보였다. 텍스트·이미지 데이터 전처리 작업에서 메모리 부족 현상은 거의 발생하지 않았으며, 기존에 사용하던 게이밍 노트북(32GB RAM, RTX 4060 기준) 대비 체감상 약 절반 수준의 시간으로 작업을 마칠 수 있었다. 이는 대규모 로컬 데이터셋을 다루는 리서처에게 매우 중요한 요소다. AI 허브나 대학·연구기관에서 제공하는 공공 데이터셋의 경우 단일 데이터셋만으로도 수백 GB를 훌쩍 넘기는 경우가 많고, 이를 포맷에 맞게 전처리하는 데 상당한 시간이 소요되기 때문이다. HP Z북 울트라 G1a는 메모리의 양이 크기 때문에, 작업 중간 중간에 메모리 부족으로 인해 컴퓨터가 멈추거나 작업 수행 완료를 위해 컴퓨터를 손 놓고 기다리는 일 없이 여유롭게 전처리를 수행할 수 있었다. 몇 가지 사례를 들어보면, 첫째 <그림 2>와 같이 데이터의 압축 해제, 복사와 같은 간단한 작업에서 매우 빠른 처리 속도를 보여주었다. 데이터 전처리 성능을 실험하기 위해 활용한 ‘음식 분류’ 데이터셋의 경우, 각 클래스마다 1천 개의 고화질 사진이 저장되어 있어 전체 용량이 1TB에 육박하는 매우 큰 데이터셋이다. 그러나 HP Z북 울트라 G1a에서는 30GB 용량의 데이터를 압축 해제하는 데 8분밖에 소요되지 않았고, 일관적으로 140MB/s 전후의 속도를 유지하였다. 이는 HP Z북 울트라 G1a의 메모리 대역폭 확대, 멀티채널 구성 안정성 증가가 큰 영향을 미쳤기 때문으로 생각할 수 있다. 일반적인 환경에서는 압축 해제 단계에서 CPU 처리 속도가 병목으로 작용하여, 저장장치가 충분한 성능을 갖추고 있음에도 불구하고 연속적인 읽기·쓰기 작업이 지연되는 현상이 발생하기도 한다.   그림 2. 대용량 데이터의 전처리에도 빠른 속도를 유지하였고, 프로그램 운용에 여유가 있었다.   반면, HP Z북 울트라 G1a에서는 향상된 프로세서 구조와 메모리 서브시스템을 통해 병목이 제거되었으며, 그 결과 압축 해제와 동시에 디스크 I/O가 지속적으로 최대 대역폭에 가깝게 활용될 수 있었다. 이로 인해 사용자 관점에서는 압축 해제뿐 아니라 파일 복사 속도까지 향상된 것처럼 느껴져 직접적으로 작업 효율 향상이 체감되었다. 기존의 게이밍 노트북이 동일한 작업을 수행하는데 평균 60MB/s의 속도로 약 12분 정도가 소요된 것을 고려하면, 이 작업이 전체 데이터셋에 적용될 때 얼마만큼의 작업 시간을 아낄 수 있을 지 기대해 볼 만하다. 둘째, 파이썬 코드를 활용한 데이터 전처리에서도 높은 성능 개선을 보여주었다. CSV 파일을 활용하여 3D 복셀 데이터를 만드는 작업을 수행하는 코드를 기준으로 실험해보았다. 이는 앞에서와 동일하게 CPU·메모리에 집중된 작업을 할 때의 효율을 검사하기 위한 실험으로, 동일한 SVC 파일을 대상으로 데이터의 시각화를 수행하였을 때를 비교한 것이다. 결과적으로, HP Z북 울트라 G1a는 평균적으로 75FPS(초당 프레임)를 유지하였고, 시각화된 데이터를 360도 회전시켜 확인하는 데에 큰 문제가 없었다. 반면, 기준이 된 다른 기기는 평균 42FPS를 유지하고, 시각화된 데이터를 360도로 회전시켜 확인하는 데 약간의 로딩이 필요했다. 특히, 시각화 결과물을 회전하는 과정에서 약간의 버벅임과 끊김이 발생하여 데이터를 세부적으로 확인할 때 약간의 어려움이 따랐다. 기준 기기 또한 일반적인 사무용 노트북을 기준으로 보았을 때보다는 훨씬 빠르고 원활한 데이터 전처리 성능을 보여주었으나, HP Z북 울트라 G1a는 전처리뿐 아니라 시각화 데이터 인터랙션에서도 안정적으로 동작함으로써 실시간에 가까운 시각화 환경을 제공했다는 점에서 차별화된 사용 경험을 제공하였다.   그림 3. 3D 복셀화에 소요된 시간과 프레임률을 tqdm으로 측정한 결과. 동일한 작업을 수행하는 데 HP Z북 울트라는 75FPS, 기준 기기(HX370 CPU, 32RAM)는 42FPS의 성능을 보여주었다.   로컬 AI 추론 로컬 AI 추론 작업에서도 HP Z북 울트라 G1a는 충분히 인상적인 성능을 보여주었다. 로컬 AI 세팅에는 올라마(Ollama)를 사용하였다. 올라마는 다양한 오픈소스 LLM을 간편히 사용할 수 있게 하는 프로그램으로 윈도우, 맥, 리눅스 등 다양한 환경을 지원하며 CLI 및 GUI 환경을 모두 지원하여 확장성이 좋다. 또한, 로컬에서 REST API 형태로 모델을 노출할 수 있어 파이썬(Python), 노드.js(Node.js), 자바(JAVA(Spring)), 랭체인(LangChain) 등과 연동이 용이하며, 프로토타입 서비스 제작 및 온디바이스 AI, 사내 전용 LLM 구축을 위해 다양하게 쓰인다. 필자는 윈도우에서 GUI 기반의 올라마 클라이언트를 설치하여 로컬 AI 추론을 수행하였으며, 엔비디아 그래픽 카드 드라이버(CUDA 포함)를 설치하지 않고 올라마를 구동하였다. 이 지점에서 HP Z북 울트라 G1a의 프로세서의 특장점이 드러난다. 바로 SoC(System on a Chip) 설계를 통해 프로세서 자체에서 CPU·GPU·NPU를 통합하여 활용한다는 것이다. 따라서 이 워크스테이션을 사용하는 사람은 일반적으로 말하는 CPU-Only와 같이 GPU 드라이버를 따로 설치하지 않더라도, AI 추론 및 훈련을 수행할 때 GPU·NPU를 사용하는 것과 같은 효과를 체감할 수 있다.   그림 4. 올라마의 공식 홈페이지. 윈도우, 맥, 리눅스 등 다양한 OS를 지원하며 오픈소스로 활용 가능한 LLM 모델의 가중치를 제공하여 로컬 추론을 가능하게 하는 프로그램이다.   올라마를 활용해 중·대형 언어 모델(gpt-oss:120B)과 소형 언어 모델(qwen3:8B)을 각각 다운로드한 뒤, 동일한 조건에서 추론 시간을 비교해 보았다. 결과는 예상 이상이었다. 중·대형 언어 모델의 추론에는 (약간의 쿨링 소음이 발생하였지만) 약 10초가 소요되었고, 소형 언어 모델 역시 약 13초 내외로 추론을 마쳤다. 비교 대상으로 사용한 다른 노트북에서는 중·대형 모델이 추론 도중 오류를 일으켰고, 소형 모델조차 358초가 걸렸던 점을 감안하면 상당한 차이다. ‘메모리 용량 차이가 얼마나 크겠어’라고 생각한 필자의 판단을 무색하게 만들 정도로, 128GB 메모리와 라이젠 AI 맥스+ 프로 395의 조합은 로컬 AI 추론 환경에서 분명한 강점으로 작용했다. 이러한 특성은 AI 개발자에게만 국한된 장점은 아니다. 성능이 검증된 오픈소스 언어 모델을 노트북에 직접 탑재해 휴대할 수 있다는 것은, 인터넷 연결이 원활하지 않은 환경에서도 개인화된 AI 비서를 여러 개 운용하며 작업을 이어갈 수 있음을 의미한다. 로컬 환경에서의 AI 활용 가능성을 실질적인 수준으로 끌어올렸다는 점에서, HP Z북 울트라 G1a의 방향성과 장점이 명확히 드러나는 지점이었다.   그림 5. qwen3:8b로 로컬 추론을 수행한 결과   그림 6. gpt-oss:120b로 로컬 추론을 수행한 결과   3D 작업 워크플로 다음은 3D 작업 워크플로로 넘어가 보자. 필자가 주로 사용하는 캐릭터 크리에이터(Character Creator), 지브러시(Zbrush) 등을 통하여 내장 그래픽만을 가지고 있음에도 ‘충분히 작업이 가능한가?’라는 요소를 살펴보고, 다음으로는 고화질을 요구하는 3D 게임을 실행시켜 성능을 테스트해 보았다. 먼저, 리얼루션(Reallusion)의 캐릭터 크리에이터 5 소프트웨어를 설치하여 작업 가능 여부를 확인해 보았다. 이 소프트웨어는 사실적 묘사를 담은 메타 휴먼을 만들기 위한 소프트웨어이다. 얼굴, 체형, 옷 및 장신구 같은 다양한 요소를 조합하는 자유도가 높고, 피부 결이나 머리카락 같은 요소까지 섬세하게 구현해야 하기 때문에 일반적인 게이밍 노트북에서도 원활한 작업이 어려운 소프트웨어 중 하나이다. 실제로, 필자가 보유한 게이밍 노트북 기기에서는 동일한 작업을 수행하며 컴퓨터가 다운되는 경우가 종종 있었고, 새로운 스킨으로 교체하거나 요소를 변형할 때 1 ~ 5분 정도의 로딩 타임을 요구했다.   그림 7. 캐릭터 크리에이터로 작업하는 모습   그러나, HP Z북 울트라 G1a에서는 로딩 시간이 1 ~ 3분 이하로 줄어드는 모습을 보여주었을 뿐만 아니라, 컴퓨터가 다운되는 경우도 발생하지 않아 상당히 쾌적하게 작업을 진행할 수 있었다. 물론 다루는 데이터의 크기 자체가 큰 만큼 약간의 로딩 시간은 피해갈 수 없었으나, 대부분 1분 이내의 로딩으로 작업이 완료되어 작업 완료를 기다리는 시간이 줄어들었다. 다음으로는 지브러시를 통해 추가 검증을 진행하였다. 지브러시의 경우 매끄러운 표면을 위해 의도적으로 폴리곤을 많이 나누면서 메모리 부하가 발생하는 경우가 많은데, <그림 8>과 같이 복잡한 인간형 모델링, 특히 상업적으로 판매 가능한 정도의 모델링을 테스트하였음에도 데이터의 로드 및 조형에 시간이 소요되지 않고 바로 진행할 수 있는 정도의 원활함을 보여주었다.   그림 8. 매끄러운 곡선으로 폴리곤의 수가 많아지더라도 원활히 처리하는 모습을 볼 수 있다.   마지막으로, 3D 게임을 통해 성능을 확인하였다. 대상이 된 게임은 ‘호그와트 레거시’로, 언리얼 엔진으로 만들어졌으며 비교적 실사화 스타일의 그래픽, 다양한 파티클 사용으로 고난도의 그래픽 컨트롤을 요구하는 게임이다. 게임에서는 플레이를 진행하며 기기의 사양을 자동으로 측정하여 적절한 그래픽 옵션을 정해주는데, 이 기기는 자동으로 중간 단계의 그래픽 옵션으로 세팅되는 것을 확인하였다.   그림 9. 기기 옵션을 자동으로 분석하여 적절한 수준의 그래픽 구현. 이 기기는 중간 옵션을 배정받았다.   물론 기존의 작업에 비해 3D 게임을 진행할 때는 기기의 쿨링팬 소음이 두드러지게 들리는 편이었다. 앞서 수행한 작업에서는 쿨링이 필요하지 않거나, 쿨링이 필요하더라도 비교적 짧고 조용하게 한 번의 ‘쏴아아’하는 소리가 들렸다면, 3D 게임을 실행 중일 때는 지속적인 쿨링 소음이 발생하였기 때문이다. 그러나, 여기에서도 HP Z북 울트라 G1a의 탁월한 점을 발견할 수 있었다. 그것은 바로 ‘소음이 발생하는 만큼 쿨링이 잘 되고 있다’는 점이다. 랩톱을 주로 사용하는 사용자는 공감하겠지만, 일부 랩톱의 경우 쿨링 소음이 큰데도 불구하고 쿨링이 제대로 되지 않아 기기 아래쪽의 키보드 부분이 상당히 뜨거워지는 경우가 잦다. 그러나 이 기기는 소음이 크더라도 쿨링이 확실히 진행되고 있었고, 피부에 장시간 접촉시킬 수 있을 정도의 발열만 있었다. 아울러, 게임 내의 실사화 그래픽은 모두 끊기는 부분 없이 자연스럽게 재생되었고, 게임 진행에 이상이 없이 원활히 진행되었다.   그림 10. 그림 내 실사화 시나리오 중 그래픽 재현성이 좋은 부분의 캡처. 왼쪽의 바다 물결 표현, 전면의 포그 표현 등이 끊기지 않고 자연스럽게 재생되었다.   맺음말 HP Z북 울트라 G1a는 AI 리서처와 3D 제작 작업을 병행하는 사용자에게 모바일 워크스테이션으로서 분명한 가치를 지닌 기기다. 이 제품의 구성은 모든 요소를 고르게 끌어올리기보다는, 프로세서와 메모리 성능에 명확하게 힘을 준 제품이다. 이에 사용 목적이 분명한 사용자에게 강점으로 작용한다. AI 전처리, 로컬 추론, 3D 제작 작업과 같이 CPU·메모리 의존도가 높은 워크로드에서는 이러한 설계 방향이 체감 성능으로 직결되기 때문이다. 그런 의미에서 HP Z북 울트라 G1a는 특히 다음과 같은 사용자에게 추천하고 싶다. 첫째, 대용량 데이터 전처리가 일상적인 AI 엔지니어, 둘째, 3D 콘텐츠 제작 과정에서 초안과 검증 단계의 결과물을 빠르게 만들어야 하는 사용자, 셋째, 이 모든 작업을 데스크톱이나 서버에 의존하지 않고 모바일 환경에서도 이어가야 하는 사용자다. HP Z북 울트라 G1a를 사용하는 사용자라면, 적어도 서버급 연산을 요구하는 극단적인 작업을 제외하고는 대부분의 실무 환경에서 성능으로 인한 제약을 체감할 일은 드물 것이다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 박정은 AI 융합 분야 연구자이자 엔지니어로, 컴퓨터 비전, 게임 엔진, 머신러닝, 딥러닝 기반 실무를 수행하며 대용량 AI 데이터 전처리와 AI 실험 파이프라인을 설계·운용해왔다. 필적, 운동학, 감정 인식 중심의 AI 프로덕트 R&D를 수행하며, 모바일 워크스테이션 환경에서 CPU·GPU 자원을 밀도 있게 활용하는 실험 구조를 활용하였다. 산업 연계 교육 현장에서 연구와 실무를 연결하는 엔지니어이자 교육자로 활동하고 있다.     ■ 기사 내용은 PDF로도 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.

캐드앤그래픽스 지식방송 CNG TV 지상 중계    지더블유캐드코리아는 11월 27일 CNG TV 방송에서 ‘설계자는 해석을 못한다? 실무자들이 가장 많이 틀리는 해석 관점 바로잡기’를 주제로, 3D 설계 실무자가 구조 해석(CAE)을 어렵게 느끼는 이유를 짚어보고, 해석에 대한 오해를 풀며 쉽게 접근할 수 있는 노하우를 실제 사례와 함께 설명했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 지더블유캐드코리아 최예찬 파트장과 선우윤 대리   해석에 대한 오해와 진실 최근 제조 산업 전반에서 제품의 신뢰성 확보와 규제 준수를 위해 설계 단계에서의 구조 해석(CAE) 중요성이 강조되고 있다. 그러나 많은 실무자가 ‘해석은 전문 엔지니어의 영역’이라는 편견이나 복잡한 모델링 수정의 어려움 때문에 도입을 주저하는 것이 현실이다. 이날 방송은 지더블유캐드코리아 최예찬 파트장이 발표를 맡아, 해석에 대해 잘 모르는 사람들이 궁금해 할 만한 질문을 선우윤 대리가 대신 질문하고 댓글로 올라온 궁금한 사항들을 전달하는 형식으로 진행됐다. 최예찬 파트장은 발표 서두에서 “해석 결과가 곧 100% 정답이라는 강박을 버려야 한다”고 강조했다. 해석은 현실 세계의 물리 현상을 수학적으로 근사화(approximation)하는 과정으로, 통상적으로 이론값과 97% 정도의 일치율을 보이면 신뢰할 수 있다는 설명이다. 그는 해석을 어렵게 만드는 ‘얽힌 문제’를 컴퓨터가 계산하기 쉬운 ‘단순한 문제’로 치환하는 과정, 즉 ‘단순화(simplification)’가 해석의 핵심 기술이라고 역설했다. 구체적인 단순화 방법으로는 ▲해석 결과에 영향을 미치지 않는 미세한 필렛이나 리브를 제거하는 형상의 단순화 ▲전체 하중의 10% 미만인 부가 하중을 과감히 생략하는 조건의 단순화 ▲완전 접촉 조건의 부품을 하나의 보디로 통합하는 접촉의 단순화 등이 제시됐다. 최 파트장은 “해석은 정답을 알려주는 마법상자가 아니라, 목적지까지 가장 빠르고 정확하게 갈 수 있는 길을 알려주는 내비게이션과 같은 도구”라며, “설계자가 능동적인 관점에서 모델을 단순화하고 불필요한 변수를 제거할 때 비로소 해석의 효율과 수렴성이 극대화된다”고 조언했다.   올인원 툴로 해석 장벽을 허물다 이날 방송에서는 ‘ZW3D Structural’을 활용한 실제 산업군별 해석 시연이 이루어졌다. 페이스 커터(face cutter), 픽업트럭 프레임, 대형 굴삭기 등 복잡한 모델에서 해석 목적과 무관한 부품을 제거하거나 단순화하여 해석 시간을 획기적으로 단축하는 과정이 상세하게 소개됐다. 특히 설계와 해석이 분리된 기존 프로세스와 달리, 단일 플랫폼에서 모델 수정과 해석이 동시에 이루어지는 ‘올인원(all-inone)’ 환경의 강점이 부각됐다. 형상 변경 시 데이터를 변환하고 다시 불러오는 번거로움 없이, 설계 변경 사항이 해석 조건에 즉각 반영되는 워크플로가 시연되었다. 최 파트장은 “과거에는 경험에 의존한 이른바 ‘통밥 설계’가 용인되었지만, 이제는 제품 안전성 증명과 각종 규제 대응을 위해 데이터에 기반한 설계가 필수인 시대”라면서, “설계자와 해석자의 경계가 허물어지고 있는 만큼, 설계자들이 직접 해석 도구를 활용해 제품의 신뢰성을 높이는 것이 경쟁력이 될 것”이라고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

개발 및 공급 : 에픽게임즈 주요 특징 : 고도화된 오픈 월드 제작 기능 추가, 확장 가능한 고품질 렌더링 기능, 메타휴먼 통합 강화, 애니메이션 및 리깅 툴세트 개선, 버추얼 프로덕션 워크플로 향상, AI 어시스턴트 지원 등   풍부하고 아름다운 디테일로 가득한 사실감 넘치는 광활한 월드를 제작할 수 있으면서도 현세대 하드웨어에서 고퀄리티로 실시간 렌더링할 수 있는 다양한 툴을 제공하는 언리얼 엔진 5.7(Unreal Engine 537)이 출시됐다. 언리얼 엔진 5.7은 밀도 높고 울창한 대규모의 식생과 다양한 콘텐츠를 절차적으로 생성하고, 물리적으로 정확하게 복잡한 레이어드 및 블렌디드 머티리얼을 제작할 수 있으며, 이전보다 훨씬 더 많은 라이트를 자유롭게 활용해 더욱 예술적인 방식으로 월드를 표현할 수 있다. 또한, 더 강력하고 직관적인 애니메이션과 리깅 워크플로, 한층 깊고 유연해진 메타휴먼 통합을 비롯 확장된 버추얼 프로덕션 기능을 경험할 수 있다. 새롭게 추가된 언리얼 에디터 내의 AI 어시스턴트는 개발 과정 전반에서 전문적인 도움을 제공한다.   고도화된 오픈 월드 제작 환경을 빠르고 자연스럽게 구성하면서도, 짧은 시간 안에 몰입감 넘치는 게임 경험을 구현할 수 있는 프로시저럴 콘텐츠 제너레이션 프레임워크(PCG)가 이제 정식 버전으로 제공된다. 역동적이면서 시각적으로 풍부한 대규모 월드를 더 쉽고 효율적으로 제작할 수 있도록 다양한 기능이 향상되었다. 예를 들어, 새로운 PCG 에디터 모드는 스플라인 드로잉, 포인트 페인팅, 볼륨 생성 등 다양한 기능을 지원하는 PCG 프레임워크 기반의 커스터마이징 가능한 툴 라이브러리를 제공한다. 각 툴은 PCG 그래프에 연결되어 실시간으로 파라미터를 조정하거나 애셋 워크플로를 독립적으로 실행할 수 있으며, 단 한 줄의 코드를 작성하지 않고도 프로젝트에 맞는 새로운 툴을 만들어 라이브러리를 확장할 수도 있다.   ▲ PCG 에디터 모드(출처 : 언리얼 엔진 홈페이지)   여기에 더해, 다수의 성능 최적화 덕분에 PCG GPU 연산 속도가 빨라졌다. 또한 GPU 파라미터 설정 기능이 추가되어 GPU 노드 작업 시 다양한 파라미터 값을 동적으로 설정할 수 있다. 처음부터 직접 툴을 제작하는 경우, 새로운 Polygon2D 데이터 타입과 관련 연산자를 통해 한층 더 유연하게 작업할 수 있다. 이를 통해 표면이나 스플라인으로 변환할 수 있는 폐쇄 영역을 정의할 수 있고, 스플라인 교차점(spline Intersection) 및 스플라인 분할(split spline) 연산자도 새롭게 추가됐다.   ▲ ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(출처 : 언리얼 엔진 홈페이지)   PCG 프레임워크는 사용자가 그 위에 자신만의 시스템을 구축할 수 있는 프레임워크로, 새로운 프로시저럴 베지테이션 에디터(PVE)는 이 시스템의 가능성을 보여주는 좋은 예시이다. PVE는 속도, 확장성, 그리고 유연한 제작을 위해 설계된 그래프 기반 툴로 언리얼 엔진 내에서 고퀄리티의 식생 애셋을 실시간으로 제작하고 커스터마이징할 수 있으며, 나나이트 스켈레탈 어셈블리를 직접 출력할 수 있는 옵션도 제공한다.   ▲ 프로시저럴 베지테이션 에디터(출처 : 언리얼 엔진 홈페이지)   이번 첫 번째 실험 단계 버전에서는 PVE를 새로운 퀵셀 메가플랜트(Quixel Megaplants) 애셋과 함께 사용할 수 있다. 이 애셋은 이제 팹(Fab)에서 제공되며, 콘텐츠 브라우저로 직접 다운로드할 수 있다. 첫 번째 컬렉션에는 크기와 구조가 다른 5종의 식물이 포함되어 있으며, 나무, 관목, 풀, 식물 등 수백 가지의 식생 프리셋이 향후 추가될 예정이다.   ▲ 퀵셀 메가플랜트(출처 : 언리얼 엔진 홈페이지)   확장 가능한 고퀄리티 렌더링 정교한 식생을 만드는 것과 정교한 식생으로 가득 찬 월드를 효율적으로 렌더링하는 것은 완전히 다른 문제이다. 언리얼 엔진 5.7에는 성능, 안정성, 확장성을 위해 설계된 실험 단계의 새로운 지오메트리 렌더링 시스템인 나나이트 폴리지(Nanite Foliage)가 추가됐다. 나나이트 폴리지를 사용하면 대규모 오픈 월드에서 디테일하고 밀도 높은 식생 환경을 제작하고, 애니메이션을 적용할 수 있으며, 이는 현세대 하드웨어에서도 효율적으로 렌더링된다. 이 기능은 나나이트 복셀을 활용해 나무의 윗부분, 솔잎, 지면의 잔디 등 수백만 개의 미세하고 겹쳐 있는 요소를 효율적으로 자동 렌더링하여, 멀리서 보면 하나의 밀도감 있는 덩어리처럼 보이게 한다. 이를 통해 LOD를 제작할 필요 없이 크로스 페이드, 팝 현상 없이도 안정적인 프레임 속도를 유지할 수 있다. 또한 나나이트 폴리지는 나나이트 어셈블리를 활용해 저장 공간, 메모리, 렌더링 비용을 줄이고, 나나이트 스키닝을 통해 바람 등에 반응하는 동적 움직임을 구현한다. PVE에서 나나이트 폴리지와 호환되는 메시를 렌더링할 수 있을 뿐만 아니라, USD를 통해 외부 애플리케이션에서 제작된 나무를 가져올 수도 있다.   ▲ 나나이트 폴리지(출처 : 언리얼 엔진 홈페이지)   강력한 툴세트 중 하나인 서브스트레이트(Substrate)도 정식 버전으로 제공한다. 서브스트레이트는 언리얼 엔진의 최첨단 모듈형 머티리얼 제작 및 렌더링 프레임워크로, 레이어드 및 블렌디드 머티리얼을 기본적으로 지원한다. 서브스트레이트는 금속, 클리어 코트, 피부, 천 등 다양한 재질의 특성을 물리적으로 정확하게 고퀄리티로 결합할 수 있게 해준다. 이를 통해 다중 레이어 자동차 도색, 오일 가죽, 피부 위의 피와 땀 같은 사실적인 재질 표현을 손쉽게 구현할 수 있으며, 또한 커스텀 셰이딩 특성을 정교하게 조정할 수 있어 엔진 수정 없이도 고유한 머티리얼 로직을 직접 만들 수 있다. 서브스트레이트는 언리얼 엔진의 라이팅 파이프라인에 통합되어, 모든 재질에 고퀄리티의 결과를 제공한다. 또한 모바일까지 포함해 모든 UE5 타깃 플랫폼에서 일관된 성능과 비주얼 퀄리티를 지원한다.   ▲ 서브스트레이트(출처 : 언리얼 엔진 홈페이지)   메가라이트(MegaLights)는 언리얼 엔진 5.7을 통해 실험 단계에서 베타로 전환됐다. 메가라이트를 활용하면 신(scene)에 훨씬 더 많은 다이내믹 섀도를 생성하는 라이트를 추가할 수 있어, 에어리어 라이트 같은 복잡한 광원에서도 사실적이고 부드러운 그림자 효과를 구현할 수 있다. 이처럼 확장성이 높은 라이팅 워크플로 덕분에 이전보다 더 자유롭게 작업하면서, 더 크고 풍부하며 복잡한 월드를 제작할 수 있다. 또한, 디렉셔널 라이트, 반투명, 나이아가라 파티클 그림자 생성, 그리고 헤어의 빛과 그림자 표현이 더 정교해져 비주얼 퀄리티가 향상됐다. 이와 더불어 기본 성능과 노이즈 감소 기능이 강화되었으며, 수동으로 라이트를 최적화할 필요성도 줄어들었다.   ▲ 메가라이트(출처 : 언리얼 엔진 홈페이지)   확장된 메타휴먼 통합 메타휴먼(MetaHuman)은 언리얼 엔진을 비롯한 파이프라인 내 다양한 툴과의 통합이 한층 강화되고 있다. 메타휴먼 크리에이터 언리얼 엔진 플러그인이 리눅스 및 맥OS를 지원해, 이들 플랫폼 사용자도 언리얼 엔진 통합이 제공하는 모든 혜택을 활용할 수 있다. 메타휴먼 애니메이터의 리눅스 및 맥OS 지원은 향후 버전에서 제공될 예정이다.   ▲ 메타휴먼(출처 : 언리얼 엔진 홈페이지)   이번 출시 버전에서는 파이썬(Python) 또는 블루프린트 스크립팅을 사용해 언리얼 에디터에서 실시간으로 또는 렌더 팜에서 오프라인으로 메타휴먼 캐릭터 애셋의 거의 모든 편집 및 조합 작업을 자동화하고 일괄 처리할 수 있다. 다양한 포즈의 메시를 맞출 수 있는 기능이 추가되어 템플릿과 모델 메시 간에 UV 공간 기반 버텍스 대응 옵션을 제공하며, FBX를 통해 외부 DCC 툴과의 메시 연동을 지원한다. 애니메이션 측면에서도 라이브 링크 페이스를 아이패드 또는 안드로이드 디바이스의 외부 카메라와 연동해 실시간으로 애니메이션을 생성하고 연기를 녹화할 수 있다. 이를 통해 보다 간편하고 비용 효율적인 리얼타임 페이셜 캡처 설루션을 구현할 수 있다.   ▲ 라이브 링크 페이스(출처 : 언리얼 엔진 홈페이지)   마지막으로 헤어 스타일링 측면에서도 두 가지 주요 업데이트가 추가되었다. 언리얼 엔진에서 조인트 기반 변형, 페인팅, 메시 기반 조작을 통해 헤어 가이드와 스트랜드를 직접 제작하고 조정할 수 있으며, 시뮬레이션된 헤어 피직스와 아티스트가 연출한 애니메이션을 블렌딩할 수 있다. 최신 후디니(Houdini)용 메타휴먼 업데이트에서는 사전에 제작된 데이터를 사용해 헤어스타일을 제작할 수 있는 가이드 기반 워크플로를 제공한다. 이 툴에는 조정할 수 있는 다양한 헤어스타일 프리셋이 포함되어 있어 이를 시작점으로 활용할 수 있다.   한층 강화된 에디터 내 애니메이션 툴세트 언리얼 엔진 5.6에서 에디터 내 리깅 및 애니메이션 제작 툴세트가 대폭 강화된 데 이어, 5.7 버전에서는 새롭게 개선된 애니메이션 모드가 추가되어 워크플로를 간소화하고 화면 공간 활용을 최적화했다. 애니메이터라면 누구나 알 수 있듯, 리그(rig)나 여러 애셋에서 다수의 컨트롤을 반복적으로 선택하는 작업은 번거롭고 시간이 많이 소요되는데, 셀렉션 세트 기능이 추가되어 클릭 한 번만으로 해결할 수 있다. 이 기능은 캐릭터 양쪽에 미러링된 사본을 자동으로 생성하고, 작업의 집중도를 위해 세트를 숨기거나 표시하는 기능을 제공하며, 팀원 간에 세트를 공유할 수도 있다.   ▲ 셀렉션 세트(출처 : 언리얼 엔진 홈페이지)   IK 리타기터(IK Retargeter)가 개선되어 발과 지면의 접촉이 한층 자연스러워지고, 찌그러지거나 늘어나는 애니메이션의 리타기팅을 지원한다. 추가로 공간 인식 기반 리타기팅을 통해 캐릭터의 자체 충돌을 방지하고, 캐릭터의 크기와 관계없이 상대적 비율에 따라 접촉점이 유지되도록 한다.   ▲ IK 리타기터(출처 : 언리얼 엔진 홈페이지)   리깅 측면에서 언리얼 엔진 5.7은 업계 표준 스컬프팅 워크플로 수준의 유연성을 제공한다. 업데이트된 스켈레탈 에디터를 활용하면 스켈레탈 메시 상에서 본 배치, 웨이트 페인팅, 블렌드 셰이프 스컬프팅 사이를 매끄럽게 전환할 수 있다. 즉각적인 업데이트 덕분에 50~100개의 블렌드 셰이프를 갖춘 리그 제작도 훨씬 쉬워졌다.   ▲ 블렌드 셰이프 스컬프팅(출처 : 언리얼 엔진 홈페이지)   다음으로, 단방향 피직스 월드 콜리전 지원이 새롭게 추가되어 이제 캐릭터를 신에 배치해 환경 내 사물과 상호작용하며 보다 사실적인 래그돌, 역동적인 게임플레이, 몰입감 있는 애니메이션 테스트를 구현할 수 있다.   ▲ 피직스 월드 콜리전(출처 : 언리얼 엔진 홈페이지)   마지막으로, 새로운 디펜던시 뷰가 추가되어 컨트롤 리그 또는 모듈형 컨트롤 리그의 데이터 흐름을 명확한 노드 기반 그래프로 시각화할 수 있다. 이를 통해 복잡한 컨트롤 설정을 더 빠르고 쉽게 디버깅하거나 최적화할 수 있다.   ▲ 디펜던시 뷰(출처 : 언리얼 엔진 홈페이지)   향상된 버추얼 프로덕션 워크플로 언리얼 엔진 5.7에는 버추얼 프로덕션의 새로운 가능성을 제시하는 여러 기능이 추가됐다. 모션 캡처 작업을 위한 새로운 프롭용 다이내믹 컨스트레인트 컴포넌트가 추가됐으며, 모캡 매니저에서 예시 구현도 함께 제공된다. 이제 오브젝트는 손 위치에 자동으로 부착되어 저글링과 같은 복잡한 동작에서도 자연스럽고 부드러운 결과를 제공한다. 또한 블루프린트에서 이 기능을 확장해 자신만의 다이내믹 컨스트레인트 로직과 동작을 구현할 수도 있다.   ▲ 프롭용 다이내믹 컨스트레인트 컴포넌트(출처 : 언리얼 엔진 홈페이지)   새롭게 추가된 라이브 링크 브로드캐스트 컴포넌트를 통해 언리얼 엔진 자체가 네트워크 전반에서 애니메이션 데이터의 소스로 동작할 수 있다. 이를 통해 다양한 멀티 머신 기반 버추얼 프로덕션(VP) 및 모캡 스테이지 워크플로를 구현할 수 있다. 예를 들어, 리타기팅 작업을 다른 에디터 세션으로 분리해 처리하고 그 결과를 메인 신으로 전송할 수 있다. 레벨에 액터를 추가한 뒤 라이브 링크 서브젝트로 전환하면, 에디터에서 트랜스폼, 카메라, 애니메이션 데이터를 직접 스트리밍할 수 있다.   ▲ 라이브 링크 브로드캐스트 컴포넌트(출처 : 언리얼 엔진 홈페이지)   또한, 이번 버전에는 언리얼 엔진이 기본 제공하는 실시간 합성 툴인 컴포셔(Composure)가 새롭게 향상됐다. 접근성이 향상된 컴포셔는 이제 라이브 비디오 입력과 파일 기반의 이미지 미디어 플레이트를 모두 처리하며, 24fps의 영화나 영상에 실시간으로 결과물을 제공할 수 있다. 이와 함께, 이번 업데이트로 새롭게 추가된 그림자와 반사 통합 기능과 향상된 키어 기능으로 실사 영상과 CG 요소를 자연스럽게 결합할 수 있다.   ▲ 컴포셔(출처 : 언리얼 엔진 홈페이지)   즉시 도움을 받을 수 있는 AI 어시스턴트 언리얼 엔진 5.7에는 새로운 AI 어시스턴트가 도입되어 에디터 내에서 직접 언리얼 엔진 관련 가이드를 제공하며, 마치 숙련된 UE 개발자가 팀에 있는 것처럼 필요한 만큼 자세한 도움을 즉시 받을 수 있다. 또한 현재 작업에 집중할 수 있도록 전용 슬라이드 아웃 패널을 통해 에디터를 벗어나지 않고도 질문을 하거나, C++ 코드를 생성할 수 있고, 단계별 안내를 받을 수 있다.   ▲ AI 어시스턴트(출처 : 언리얼 엔진 홈페이지)   질문을 입력하는 것 외에도, 인터페이스 요소 위에 커서를 두고 F1 키를 눌러 툴팁처럼 손쉽게 AI 어시스턴트를 불러와 해당 주제에 대한 대화를 시작할 수 있다. 언리얼 에디터 홈 패널에서 튜토리얼, 문서, 뉴스, 포럼 등 주요 리소스와 최근 프로젝트를 바로 이용할 수 있다. 언리얼 엔진을 처음 사용한다면, 언리얼 에디터에서 바로 실행되는 인터랙티브형 시작하기 샘플을 이용하면 된다.   ▲ 언리얼 에디터 홈 패널(출처 : 언리얼 엔진 홈페이지)   그 외 개선 사항 지금까지 살펴본 주요 기능 외에도 언리얼 엔진 5.7은 다양한 신규 기능과 향상된 기능을 제공한다. 모든 업데이트에 대한 자세한 내용은 출시 노트에서 확인할 수 있다.     ■ 기사 내용은 PDF로도 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.

에픽게임즈는 다양한 신규 기능 및 개선 사항이 추가된 언리얼 엔진 5.7을 정식 출시했다고 발표했다. 이번 언리얼 엔진 5.7 업데이트는 풍부한 디테일로 사실감 넘치는 광활한 월드를 제작하고, 현세대 하드웨어에서 고퀄리티로 실시간 렌더링할 수 있는 다양한 툴을 제공한다. 그리고 복잡한 레이어드 및 블렌디드 머티리얼을 물리적으로 정확하게 제작할 수 있으며, 이전보다 더 많은 라이트를 자유롭게 활용할 수 있다. 또한, 더 강력하고 직관적인 애니메이션과 리깅 워크플로, 한층 깊고 유연해진 메타휴먼 통합, 확장된 버추얼 프로덕션 기능과 함께 새롭게 추가된 언리얼 에디터 내 AI 어시스턴트가 개발 과정 전반에서 전문적인 도움을 제공한다.     언리얼 엔진 5.7에서는 프로시저럴 콘텐츠 제너레이션 프레임워크(PCG)가 정식 버전으로 제공되어 환경을 빠르고 자연스럽게 구성하면서도 몰입감 높은 대규모 월드를 더 쉽고 효율적으로 제작할 수 있다. 새로운 PCG 에디터 모드는 스플라인 드로잉, 포인트 페인팅, 볼륨 생성 등 다양한 기능을 지원하는 커스터마이징 가능한 툴 라이브러리를 제공한다. 다수의 성능 최적화 덕분에 PCG GPU 연산 속도가 획기적으로 빨라졌고, GPU 파라미터 설정 기능이 추가되어 다양한 파라미터 값을 동적으로 설정할 수 있게 됐다. 또한, 새로운 폴리곤 2D 데이터 타입과 관련 연산자를 통해 한층 더 유연하게 제작할 수 있고, 스플라인 교차점(Spline Intersection) 및 스플라인 분할(Split Spline) 연산자도 새롭게 추가됐다. 이와 함께 프로시저럴 베지테이션 에디터(PVE)가 추가돼 엔진 내에서 고퀄리티의 식생 애셋을 실시간으로 제작하고 커스터마이징할 수 있다. 팹(Fab)을 통해서도 5종의 퀵셀 메가플랜트 애셋을 다운로드할 수 있으며, 향후 수백 종의 식물 프리셋이 추가될 예정이다. 언리얼 엔진 5.7에서는 나나이트 폴리지, 서브스트레이트, 메가라이트 등 렌더링 기술 전반이 더욱 향상됐다. 새로운 지오메트리 렌더링 시스템인 나나이트 폴리지가 추가되어 대규모 오픈 월드에서 매우 디테일하고 밀도 높은 식생 환경을 제작하고 애니메이션을 적용할 수 있다. LOD를 제작할 필요 없이 크로스 페이드, 팝 현상 없이도 안정적인 프레임 속도를 유지할 수 있으며, 나나이트 어셈블리를 활용해 저장 공간, 메모리, 렌더링 비용을 줄이고, 나나이트 스키닝을 통해 바람 등에 반응하는 동적 움직임을 구현한다. 언리얼 엔진의 최첨단 모듈형 머티리얼 제작 및 렌더링 프레임워크인 서브스트레이트도 정식 버전으로 제공된다. 이 프레임워크는 레이어드와 블렌디드 머티리얼을 지원해 금속, 클리어 코트, 피부, 천 등 다양한 머티리얼의 물리적 특성을 정확하게 고퀄리티로 결합할 수 있다. 이를 통해 다중 레이어 자동차 도색, 오일 가죽, 피부 위의 피와 땀 같은 사실적인 재질 표현을 손쉽게 구현할 수 있다. 메가라이트는 이번 버전에서 베타 버전으로 전환되었다. 신(scene)에 훨씬 더 많은 다이내믹 섀도를 생성하는 라이트를 추가할 수 있어 복잡한 광원에서도 사실적이고 부드러운 그림자 효과를 구현할 수 있다. 이를 통해 이전보다 훨씬 자유로운 라이팅 연출이 가능해져, 더 크고 풍부하며 복잡한 월드를 제작할 수 있다. 또한 디렉셔널 라이트, 반투명, 나이아가라 파티클 그림자 생성, 그리고 헤어의 빛과 그림자 표현이 더 정교해 비주얼 퀄리티가 향상되었다. 메타휴먼은 언리얼 엔진을 비롯한 파이프라인 내 다양한 툴과의 통합이 한층 강화됐다. 이제 메타휴먼 크리에이터 언리얼 엔진 플러그인이 리눅스 및 맥OS를 지원해 플랫폼 간 호환성과 접근성이 확대됐다. 파이썬 또는 블루프린트 스크립팅을 사용해 언리얼 에디터에서는 실시간으로, 렌더 팜에서는 오프라인으로 메타휴먼 캐릭터 애셋의 편집 및 조합 작업을 자동화하고 일괄 처리할 수 있다. 또한 다양한 포즈의 메시를 맞출 수 있는 기능도 추가됐으며, FBX 포맷을 통해 외부 DCC 툴과의 연동도 지원한다. 애니메이션의 경우, 라이브 링크 페이스를 아이패드 또는 안드로이드 디바이스의 외부 카메라와 연동해 실시간으로 애니메이션을 생성하고 연기를 녹화할 수 있다. 또한 언리얼 엔진에서 직접 헤어 가이드와 스트랜드를 제작하고 조정할 수 있으며, 후디니용 메타휴먼 업데이트를 통해 사전에 제작된 데이터를 활용해 헤어스타일을 효율적으로 제작할 수 있는 가이드 중심의 워크플로를 제공한다. 언리얼 엔진 5.6에서 에디터 내 리깅 및 애니메이션 제작 툴세트가 대폭 강화된 데 이어, 5.7 버전에서는 새롭게 개선된 애니메이션 모드가 추가돼 워크플로를 간소화하고 화면 공간 활용을 최적화할 수 있게 됐다. 셀렉션 세트 기능으로 다수의 컨트롤을 클릭 한 번으로 선택할 수 있고, IK 리타기터 개선으로 발과 지면의 접촉이 한층 자연스러워지고 찌그러지거나 늘어나는 애니메이션의 리타기팅을 지원한다. 리깅 부분에서는 업데이트된 스켈레탈 에디터를 통해 스켈레탈 메시 상에서 본 배치, 웨이트 페인팅, 블렌드 셰이프 스컬프팅 사이를 매끄럽게 전환하며 작업할 수 있다. 또한 단방향 피직스 월드 콜리전 기능이 추가돼 캐릭터와 환경 간 상호작용이 한층 사실적으로 구현되며, 새로운 디펜던시 뷰를 통해 컨트롤 릭 또는 모듈형 컨트롤 릭의 데이터 흐름을 명확한 노드 기반 그래프로 시각화해 효율적으로 디버깅과 최적화할 수 있게 됐다. 새롭게 추가된 프롭용 다이내믹 컨스트레인트 컴포넌트는 모션캡처 작업 후 오브젝트가 손 위치에 자동으로 부착되어 복잡한 동작에서도 자연스럽고 부드러운 결과를 제공한다. 이번 버전에는 라이브 링크 브로드캐스트 컴포넌트가 새롭게 추가돼, 언리얼 엔진 자체가 네트워크 전반에서 애니메이션 데이터의 소스로 동작할 수 있다. 이를 통해 다양한 멀티 머신 기반 버추얼 프로덕션(VP) 및 모캡 스테이지 워크플로를 효율적으로 구현할 수 있게 됐다. 또한, 언리얼 엔진의 실시간 합성 툴, 컴포셔가 향상돼 라이브 비디오와 파일 기반의 이미지 미디어를 모두 실시간으로 처리하며, 24fps의 영화나 영상에도 즉시 결과물을 제공한다. 그림자와 반사 통합 기능과 향상된 키어 기능으로 실사 영상과 CG를 더욱 자연스럽게 결합할 수 있다. 언리얼 엔진 5.6에 새롭게 도입된 AI 어시스턴트는 에디터 내에서 직접 언리얼 엔진 관련 가이드를 제공하며, C++ 코드 생성과 단계별 안내 등 실시간 지원 기능을 제공한다. 또한 언리얼 에디터 홈 패널에서는 튜토리얼, 문서, 뉴스, 포럼 등 주요 리소스를 한곳에서 이용할 수 있으며, 초보 사용자를 위한 인터랙티브형 시작하기 샘플도 함께 제공된다.