성공적인 유동 해석을 위한 케이던스의 CFD 기술   해운 산업의 탈탄소화가 가속화되는 가운데, 블루핀(Bluefins)은 고래 지느러미에서 영감을 받은 파력 변환 추진 시스템인 웨이브드라이브(WaveDrive)를 통해 연료비와 온실가스 배출을 20% 절감하는 설루션을 개발했다. 이 시스템은 케이던스의 피델리티 CFD(Fidelity CFD) 소프트웨어를 활용해 실제 해상 조건에서의 운동을 정밀하게 모델링하고 최적화 성능을 검증했다. 특히 오버셋 메시 기법과 피델리티 파인 마린(Fidelity Fine Marine)의 고급 기능을 통해 복잡한 유동 해석과 시스템 동역학 분석을 성공적으로 수행하며, 지속 가능한 해운 기술의 가능성을 제시하고 있다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   해운 산업의 탈탄소화 해운 산업은 전 세계 무역의 약 90%를 운송할 만큼 글로벌 경제에서 필수적인 역할을 한다. 대형 선박은 하루에 20~70톤의 연료를 소비하며, 이는 연간 약 1500만 유로의 연료 비용으로 이어진다. 이러한 연료 소비는 선박 한 척당 연간 최대 75,000톤의 이산화탄소 환산량(CO₂)을 배출하는 결과를 초래한다. 또한 전 세계 해운 산업은 질소산화물(NOx)과 황산화물(SOx)을 포함해 전체 온실가스(GHG) 배출량의 약 3%를 차지하고 있다. 따라서 해운을 탈탄소화하고 운송을 더욱 지속 가능하게 만들기 위해서는 관련 시스템과 기술을 도입하는 것이 매우 중요하다. 블루핀은 고래의 지느러미에서 영감을 받은 파력(파도 에너지) 변환 기술을 개발하여 온실가스 배출과 연료 운영 비용을 20% 절감하는 것을 목표로 하고 있다.   블루핀과 고래 지느러미에서 영감을 받은 추진 시스템   그림 1   블루핀은 선박의 구조, 안전성 및 기타 특정 요구사항이나 제약 조건을 고려하여 각 선박 유형에 맞춤형 무배출 보조 추진 설루션을 개발한다. 이러한 추진 시스템은 프랑스의 대표적인 해양 연구기관인 Ifremer(프랑스해양개발연구소)와의 협력을 통해 개발되고 있다. 고래에서 영감을 받은 추진 시스템인 웨이브드라이브는 선미에 장착되는 하이드로포일(hydrofoil)로 구성되며, 선박의 종동요(pitching) 운동을 추력으로 변환한다. 이 기술은 신조 선박뿐만 아니라 기존 선박의 개조(refit) 작업 시에도 통합 적용이 가능하다.   피델리티 CFD를 활용한 블루핀 추진 시스템 모델링 블루핀은 피델리티 CFD 소프트웨어를 활용하여 다양한 운항 조건 및 실제 해상 파랑 조건에서 웨이브드라이브 추진 시스템을 설계하고 최적화한다. 이 소프트웨어의 고급 기능을 통해 플랩(flap)의 세부 분석, 시스템 동역학 분석, 그리고 하이드로포일 하중 예측이 가능하며, 이를 통해 추진 성능을 최적화한다. 이러한 시뮬레이션은 다양한 해상 조건에서 시스템의 운동을 센서 기반으로 제어하기 위한 첫 단계에 해당한다. 다음은 사용된 방법론 및 설정 개요이다.   메시 설정 기계 시스템은 다섯 개의 개별 구성 요소로 분해되었으며, 각 구성 요소의 반쪽(body half)은 피델리티 CFD 2025.1 버전에서 개별적으로 메시(mesh) 처리되었다. 선체(hull)는 피델리티 CFD의 C-Wizard 기능을 통해 자동으로 메시가 생성되었으며, 그 결과 880만 개의 셀(cell)을 갖는 고해상도 메시가 구축되었다. 부가 구조물(appendages)은 각각 개별적으로 메시 처리되어 오버셋 메시(overset mesh)로 활용되었다.   그림 2   피델리티는 오버셋 메시(overset mesh) 기법을 활용하여 겹쳐진 격자(overlapping grids)를 사용하고, 격자 간 데이터 보간(interpolation)을 수행함으로써 복잡한 유동을 정밀하게 시뮬레이션하고 각 구성 요소의 큰 운동을 정확하게 제어한다. 오버셋 메시의 초기 셀 크기(initial cell size : ICS)는 배경 격자의 초기 셀 크기 대비 여섯 번째 세분화(refinement) 레벨로 설정되었다. 한편, 배경 박스(background box) 세분화는 초기 셀 크기보다 한 단계 더 거칠게(coarser) 적용되었다. 이 설정에서는 오버셋 인터페이스(overset interfaces) 구간에 3~4개의 초기 셀 크기를 배치하여 정확한 보간과 서로 다른 메시 구성 요소 간의 원활한 통합을 보장했다. 전체적으로 선체(hull)의 총 메시 크기는 약 1060만 개의 셀로 구성되었다.   그림 3   피델리티 파인 마린 설정 CFD 시뮬레이션은 피델리티 파인 마린에서 수행되었으며, 정상 상태(steady-state) 초기화로 시작한 후 벽 함수(wall functions)를 적용한 k-ω SST 난류 모델을 사용했다. 경계 조건과 수치 설정은 모범 사례(best practices)에 맞게 일관되게 적용되었다. 고체 영역의 경계 조건은 ‘wall-function’으로 설정되었으며, 갑판(deck)에는 ‘slip’ 조건이 적용되었다. 덕트 프로펠러(ducted propeller)는 액추에이터 디스크(actuator disk) 모델을 사용하여 구현되었다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술   상업용 항공기는 이륙 및 착륙 시 높은 받음각에서 운용되므로, 양력을 정확하게 예측하는 것이 매우 중요하다. 이러한 예측은 최대 이륙 중량, 요구 엔진 추력, 활주로 길이와 같은 요소를 결정하는 데 필수이며, 이는 항공기의 안전하고 효율적인 설계 및 운용에 직결된다. 그러나 고양력 장치가 사용되는 이·착륙 단계에서는 순항 비행과는 다른 유동 특성이 형성되기 때문에, 항공기의 양력과 항력을 정확히 예측하는 것은 항상 어려운 과제로 남아 있다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   고양력 항공기 주위의 유동은 후류(wake), 와류(vortex), 역류 영역(reverse flow region), 경계층(boundary layer), 접합부 유동(juncture flow) 등과 같이 복잡하고 상호작용하는 유동 구조를 포함한다. 케이던스 피델리티 LES(Cadence Fidelity LES, 구 Cascade CharLES)에서의 벽면 모델 대와류 시뮬레이션(Wall-Modeled Large Eddy Simulation : WM-LES)은 고양력 항공기 성능 예측에 효과적인 것으로 입증되었다. 이와 같은 맥락에서, 상대적으로 낮은 충실도의 정상 상태 레이놀즈 평균 나비에–스토크스(Reynolds-Averaged NavierStokes : RANS) 해석은 계산 비용이 낮아 신속한 성능 평가, 설계 비교 및 최적화 연구를 위한 유용한 도구를 제공한다. 최근 케이던스 피델리티 플로(Cadence Fidelity Flow)의 밀도 기반 해석기(Density-Based Solver : DBS)에 적용된 RANS 난류 모델링 기법의 개선을 통해, 수치적 안정성과 정확성이 향상되었으며 이러한 복잡한 유동장을 보다 효과적으로 다룰 수 있게 되었다. 또한 멀티그리드(multigrid) 기법과 CPU 부스터(CPU Booster) 기술과 같은 수렴 가속 방법을 통해 계산 수렴 속도 역시 크게 향상되었다. 이번 호의 사례 연구에서는 Common Research Model High Lift(CRM-HL) 형상에 대해 피델리티 플로 해석기가 갖는 공력 시뮬레이션 능력을 입증한다. CFD 예측 결과는 풍동 실험 결과와 비교·검증되었으며, 이를 통해 예측 신뢰성을 향상시키고 항공기 제조사가 인증을 위한 해석 기반 설계(Certification by Analysis)를 수행하는 데 기여함으로써, 물리적 시험에 대한 의존도를 줄이고 제품의 시장 출시 기간을 단축할 수 있다.   형상 <그림 1>에 나타낸 CRM-HL 모델의 실물 크기 정상 착륙 형상은 40°/37°의 트레일링 에지 플랩 편향각을 가지며, 나셀 상부 표면에 와류 생성을 위한 차인(chine)이 적용된 나셀/파일론(nacelle/pylon)을 포함한다. 외측 슬랫 요소는 12개의 슬랫 브래킷을 통해 주익에 부착되어 있고, 내측 슬랫 요소는 3개의 슬랫 브래킷으로 연결되어 있다. 또한 플랩과 주익 사이의 연결부는 3개의 플랩 페어링에 의해 덮여 있다.   그림 1. CRM-HL 컨피규레이션   격자 생성(Meshing) 격자 생성에는 케이던스 피델리티 포인트와이즈(Cadence Fidelity Pointwise)가 사용되었으며, AIAA Geometry and Mesh Generation Workshop(GMGW-3)의 RANS 기술 포커스 그룹에서 권장하는 모범 사례(best practices)를 따랐다. 이 연구에서 사용된 격자는 중간 수준의 격자 정밀도를 갖는 레벨 B에 해당하며, 약 7500만 개의 복셀-코어(voxel-core) 격자로 구성되어 있다. 이번 연구에 사용된 격자는 최신 포인트와이즈 버전(2023.1)에서 재생성되었으며, 피델리티 CAE 내보내기(export) 설정을 통해 출력되었다. 이보다 더 정밀한 워크숍 격자로는 약 1억 5000만 개와 3억 개의 셀을 갖는 레벨 C 및 레벨 D 격자가 존재한다. 동체(fuselage)의 표면 격자 세분화는 평균 공력 시위(mean aerodynamic chord, 약 7m)의 1.5% 이하로 유지되었다. 유사하게 주익(main wing), 슬랫(slats), 플랩(flaps)에 대한 시위 방향 및 스팬 방향 격자 간격은 각각 국부 시위의 0.15% 이하, 그리고 날개 반경(span)의 0.15% 이하(약 29.38m)로 설정되었다. 트레일링 에지에는 6개의 셀이 배치되었다. 또한 둥근 리딩 에지, 무딘 트레일링 에지, 와류 생성 에지와 같은 영역에서는 최대 70까지의 종횡비(aspect ratio)를 갖는 비등방성(anisotropic) 셀을 적용함으로써, 셀 수와 계산 시간을 크게 줄일 수 있었다. 벽면에 수직한 방향의 초기 격자 간격은 4×10-⁵m로 설정되었으며, 이는 Y＋≈1.5에 해당한다. 경계층 특성을 정확히 포착하기 위해 성장률 1.16을 적용한 40개 층의 프리즘 레이어가 사용되었다. 이와 같이 생성된 레벨 B 격자는 신속한 성능 평가를 위한 격자로서, 설계 경향(trend) 예측 및 서로 다른 항공기 형상 간 비교에 적합한 합리적인 격자 수렴 수준을 확보한 것으로 판단할 수 있다.   그림 2-(a) Surface mesh with symmetry plane   그림 2-(b) Constant y cut over the wing   그림 3. Surface mesh on the wing and nacelle   수치 해석(Simulation) 압축성 형식의 피델리티 플로 밀도 기반 해석기(DBS)는 지배 방정식을 계산한다. 정상 상태 계산은 마하수 0.2, 레이놀즈 수 5.49M 조건에서 받음각 2.78°부터 22.5°까지의 전체 폴라 범위를 대상으로 수행되었으며, 기본 2방정식 k–ω SST 모델, 유동 박리를 지연시키기 위해 a1 계수를 1.0으로 설정한 수정 k–ω SST 모델, 그리고 QCR2000 회전–곡률(rotation–curvature : RC) 보정이 적용된 1 방정식 SA 모델의 세 가지 서로 다른 난류 모델이 사용되었다. 이 RC 보정은 와도율이 변형률보다 현저히 큰 영역에서 과도한 난류 수준이 발생하는 문제를 해결하기 위해 Dacles-Mariani 등(1995, 1999)에 의해 제안되었다. 프리컨디셔닝을 적용하지 않은 중앙 행렬 스킴(central matrix scheme)은 더 낮은 인공 소산을 보장하고 보다 정확한 해를 제공하는 반면, 높은 받음각(angle of attack) 조건에서는 a1 = 1로 설정된 SST 모델과 결합된 개선된 CPU 부스터가 적용된 중앙 스칼라 스킴(central scalar scheme)을 사용하여 수렴 속도를 가속하였다.     ■ 기사 상세 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술   캐터필러(Caterpillar)의 자회사인 솔라 터빈즈(Solar Turbines)는 케이던스와 협력하여, 엔비디아가 지원하는 케이던스 기술을 활용함으로써 가스 터빈을 위한 확장 가능한 고충실도 반응 유동 시뮬레이션을 수행하고 있다. 엔비디아 블랙웰(NVIDIA Blackwell) GPU에서 구동되는 GPU 가속 케이던스 피델리티 찰스 솔버(Cadence Fidelity Charles Solver)를 활용하여, 이제 10억 개 이상의 셀 그리드를 갖는 반응 유동 시뮬레이션을 하루 이내에 실행할 수 있게 되었다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   가속 컴퓨팅과 첨단 시뮬레이션 기술은 기존에 실험에 크게 의존하던 발전 산업에서 전례 없는 효율과 정밀성을 제공하며 판도를 바꾸고 있다. 복잡한 설계 특징과 여러 구성 요소를 가진 전체 규모의 산업 모델은 이제 GPU 가속 시뮬레이션을 통해 매우 높은 수준의 세부 사항까지 분석할 수 있게 되었다. 이를 통해 유동 물리, 화염(flame)–유동(flow) 상호작용, 그리고 최적의 설계를 얻기 위한 다양한 설계 구성의 평가가 가능해졌다.     왜 대규모 산업 모델에 스케일러블 고충실도 시뮬레이션이 필요한가? 최근에는 다양한 유동 조건에서 산업용 발전 시스템을 비용 효율적으로 최적화하기 위해 CFD(전산 유체 역학) 도구 사용이 증가하고 있다. 그러나 산업 현장에서 CFD의 활용은 종종 시스템의 개별 구성 요소를 분리된 상태로 시뮬레이션하는 데 제한되어 있다. 이후 이들 구성 요소가 제작·조립되지만, 전체 시스템의 성능이 기대에 미치지 못하는 경우가 종종 발생한다. 이러한 비효율은 시장 출시 시간과 비용을 증가시킨다. 널리 사용되는 RANS(Reynolds-averaged NavierStokes) 접근법은 유동 및 화염의 비정상성을 포착하는 데 본질적인 한계가 있어 복잡한 연소 현상을 처리하기 어렵다. 반면 LES(Large Eddy Simulation)는 시간적으로 변화하는 대규모 난류 구조를 정확하게 포착할 수 있어, 연소 불안정성을 예측하는 데 더 적합하다고 평가된다. 그러나 전체 규모의 산업 모델에 LES를 적용하려면 복잡한 유동 및 화염 구조(flow & flame), 복잡한 형상, 넓은 계산 영역을 해결해야 하므로 계산적으로 큰 도전이 된다. 이러한 한계는 대규모 모델을 효과적으로 처리할 수 있는 GPU 가속 스케일러블 LES 시뮬레이션 소프트웨어의 필요성을 강조한다. 이러한 기술을 사용하면 엔지니어가 물리 현상을 온전히 이해할 수 있으며, 더 나아가 구성 요소 간 상호작용이 전체 성능에 어떤 영향을 주는지도 파악할 수 있다. 시스템 전반의 복잡성을 처리할 수 있는 첨단 시뮬레이션 도구를 활용함으로써, 산업계는 더 나은 의사결정, 설계 주기 단축, 신뢰성 높은 결과를 달성할 수 있다.   대규모 반응 유동 시뮬레이션 수행 케이던스와 솔라 터빈즈가 엔비디아 기술을 활용해 협력한 사례는 대규모 반응 유동 시뮬레이션의 복잡성을 해결하기 위해 첨단 계산 기술을 활용한 예시이다.   아르콘 국립연구소와의 배기가스 재순환 연구 솔라 터빈즈의 토러스 60(Taurus 60) SoLoNOx 연소기에 대해, 아르곤(Argonne) 국립연구소와 협력하여 EGR(배기가스 재순환)이 연소 불안정성과 배출가스에 미치는 영향을 조사하기 위한 고충실도 시뮬레이션이 수행되었다.(Kabil et al., 2025)     ■ 자세한 기사 내용은 PDF로 제공됩니다.

‘뽑기 운’은 이제 그만! 리콜 비용의 늪 대당 500~2000 달러의 리콜 비용   그림 1. 뽑기 운(제미나이로 생성한 이미지)   자동차를 구매할 때 ‘뽑기 운’이라는 말을 들어 보았는지? 이는 곧 제품의 불확실성을 의미하며, 설계 단계에서 예측하지 못한 잠재적인 결함은 막대한 리콜 비용으로 돌아온다. 2020년 이후 현재까지 평균 자동차 리콜 비용은 대당 500~2000 달러 정도 든다고 한다. 2025년 F사는 1.5L 연료 분사기 균열로 70만대에 대해 대당 800달러 규모로 총 5억 7000만 달러(한화 약 7600억원)의 리콜을 진행했다. 2023년 한 해 동안 미국 3대 자동차 기업이 리콜 보증 비용으로 지출한 금액은 총 100억 달러이다. 리콜은 이제 일회성 이벤트가 아니라 기업의 재무 건전성과 브랜드 가치를 지속적으로 위협하는 상시적인 리스크로 대두되었다.   측정해야 관리하고, 관리해야 개선한다 지각하는 이유? – 나는 행운의 사나이   그림 2. 지각하는 이유(제미나이로 생성한 이미지)   즐겨 듣는 경제 라디오 프로그램의 한 진행자는 뛰어난 통찰력과 비유의 고수로 어려운 경제 이슈를 쉽게 설명하는 데 일가견이 있었다. 하지만 이분에게도 단점이란 것이 있으니 바로 지각이었다. 생방송으로 진행되는 라디오 방송에서 숨을 헐떡이며 오프닝 멘트를 읽거나, 다른 대체 진행자가 긴장하며 오프닝 멘트를 읽는 등 담당 피디나 작가가 곤란에 처하는 일이 가끔 발생했다. 본인에게 들은 지각하는 이유는 시간을 굉장히 효율적으로 사용해서 1분 1초를 허투루 쓰지 않아, 출근 시간에 발생할 수 있는 모든 상황을 최단 시간에 맞춰두고 계산을 한다는 것이다. 그러다 보니 간혹 중간에 발생할 수 있는 예외 상황이 그를 지각으로 이끄는 것이다. 이러한 예외 상황을 공학적인 용어로는 불확실성(uncertainty)이라고 한다. 온도나 습도와 같은 환경 요인, 고무와 같이 온도나 시간에 영향을 받는 재료 물성 값, 제작 공법에 따라 비틀림, 굽힘, 수축, 팽창 현상으로 발생한 제작 공차 등은 설계자가 도저히 미리 예상할 수 없는 불확실성이다.   불확실성을 고려한 설계 1 – FOS   그림 3. 불확실성을 고려한 설계 – FOS(제미나이로 생성한 이미지)   FOS(Factor of Safety : 안전계수)는 구조물이 최대 하중을 견딜 수 있는 기준으로, 경험에 기반해 강성을 필요 이상으로 높이는 방식이다. 안전을 중시하는 선박, 발전, 토목 구조 등에서는 이러한 안전계수의 개념을 많이 활용하고 있다. 안전계수가 중요한 지표이며 앞으로도 그러한 역할을 해낼 테지만, 그저 ‘경험에 따라 이 정도 했을 때 괜찮았어’가 지금까지 이어져오고 있는 것이다. 당연한 얘기지만, 안전계수가 올라갈수록 비용은 증가하여 제품의 가격 경쟁력은 떨어진다. 안전계수가 유용한 기법이긴 하나 데이터로 좀 더 정교하게 필요한 만큼만 안전한 설계를 찾기 위한 다른 대안은 없을까?   불확실성을 고려한 설계 2 – 다구치 강건설계   그림 4. 불확실성을 고려한 설계 – 다구치 강건설계   6시그마 디자인(DFSS : Design for Six Sigma)이 유행이던 시절이 있었다. 1920년대 이후 전파된 다구치 강건설계는 품질 향상을 위해 S/N 비(Signal to Noise Ratio)를 활용하여 노이즈(불확실성)에 둔감한 설계를 탐색하는 기법으로 다구치 박사가 개발하였다. 목적함수의 강건성 확보에는 유용하나, 현재의 설계가 얼마나 강건한지 객관적인 지표로 정량화하여 제시하진 않는다. 다구치 강건설계를 통해 나온 설루션이 6시그마(100만 개 중 3~4개의 불량)를 만족하는지 확신할 수 있을까?   불확실성을 고려한 설계 3 – 신뢰성 기반 최적설계 신뢰성 기반 최적설계(RBDO : Reliability-Based Design Optimization)는 최적설계와 신뢰성 해석이 결합된 형태이다. 신뢰성 해석(reliability analysis)은 시스템 입력(노이즈 인자)의 불확실성으로 인해 출력의 불확실성, 특히 신뢰성을 예측하는 기법이다. 신뢰성이란 성능지수가 요구조건을 만족할 확률을 의미하며, 반대 개념은 불량률이다.   그림 5. DO와 RBDO   불확실성을 고려하지 않는 전통적인 최적설계를 RBDO와 구분하기 위해 결정론적 최적설계(DO : Deterministic Optimization)이라고 부른다. <그림 5>는 개념적으로 DO와 RBDO의 차이를 보여준다. 방 구석에 구슬을 굴리면 구슬이 벽에 붙은 상태로 멈추는데, 구슬의 중심이 설계변수 값이고 구슬이 접한 벽을 구속조건 경계라고 볼 수 있다. DO는 구슬이 거의 점과 같아 구슬의 중심이 벽에 거의 붙은 상태이나, RBDO는 구슬의 크기가 커서 구슬의 중심이 벽과는 여유를 두고 떨어져 있게 된다. 벽에 닿는 것이 위험하다면 DO보다 RBDO가 더 안전한 상태가 되는 것이다. RBDO는 구슬의 크기를 감이나 경험이 아닌 데이터로 결정하자는 개념이다.   데이터로 불확실성을 극복하자 예측 모델 기반의 RBDO 프레임워크, AIRBOOM RBDO는 무엇이고 왜 필요할까? RBDO는 목적함수를 좀 양보하더라도 안전한 설루션을 탐색하는 것이 목표이다. 신뢰성이라는 개념을 최적설계에 접목하여 안전한 설계를 정량적으로 확보할 수 있는 길을 열었다. 하지만 현업에 적용하기 위해서 두 가지 큰 걸림돌이 있는데, 하나는 시스템의 불확실성을 정의할 만큼 충분한 데이터가 부족하다는 것이고, 또 하나는 RBDO 수행에 필요한 시뮬레이션 데이터가 너무 많이 필요하다는 것이다. 앞서 언급한 바와 같이 AX(인공지능 전환) 시대로 접어들면서 소프트웨어와 하드웨어 기술의 성장으로 시뮬레이션은 가속화되고 있고, 데이터의 가치가 올라감에 따라 불확실성을 정의할만한 데이터도 늘어나면서 서서히 RBDO의 시대가 도래하고 있다.   그림 6. AIRBOOM의 개념도(제미나이로 생성한 이미지)   실용적인 RBDO 프로세스를 좀 더 쉽게 사용할 수 있는 AIRBOOM (AI-powered Reliability-Based Optimization Operating Manager) 모듈을 소개한다. AIRBOOM은 피도텍에서 개발한 RBDO 대중화를 위한 모듈로, 다음과 같은 네 가지 특징을 갖는다. 자율 학습된 예측 모델 기반의 RBDO 프로세스 AIRBOOM에서는 최소한의 데이터로 정교한 메타모델을 구축하는 가성비 높은 방식을 찾는 피도텍의 자율 메타모델링(Autonomous Metamodeling) 모듈을 활용한다. 이 모듈은 조금씩 데이터를 추가하면서 메타모델을 학습하기 때문에, 성능지수의 비선형성을 표현할 만큼의 데이터만을 필요로 한다. 또한 피도텍의 예측 모델링 AI인 BruceMentor의 도움을 받아, 확보된 데이터에 가장 적합한 메타모델의 기법을 채택한다. 이러한 기법으로 예측 모델은 자율적인 학습으로 정교하게 진화한다.   신뢰성 해석 정보를 활용한 멀티 스테이지 최적화 RBDO 설루션을 탐색할 때 빈번하게 발생하는 문제는, 구속조건의 만족 범위가 너무 좁아 설루션이 목표 신뢰성을 만족하지 못하는 경우이다. 마치 코끼리를 냉장고에 넣는 것과 같다. AIRBOOM에서는 목표 신뢰성을 만족할 수 없는 상태라면 차선책을 제시한다. AIRBOOM에서는 RBDO 과정을 내부적으로 몇 개의 스테이지(stage)로 나누어 처리하는데, 각 스테이지에서 신뢰성 해석 결과의 이력에 따라 최적설계 문제를 조정하면서 최선의 설루션을 탐색한다.   멀티 피델리티 개념의 효율 개선 엔지니어는 즉각적인 반응을 원한다. 아무리 메타모델을 사용하더라도 설계변수나 성능지수의 개수가 많아지면 계산 시간은 기하급수적으로 커지기 때문에, 근본적으로 RBDO에서 필요로 하는 전체 데이터 개수를 줄여야 한다. AIRBOOM은 설루션과는 다소 거리가 있으나 설루션에 도달했을 경우를 파악하여, 효율성과 정확성의 관점에서 적절한 알고리즘을 멀티 피델리티(multifidelity) 개념처럼 채택할 수 있다.   인사이트 제공 엔지니어는 보수적이라서 달랑 설루션만 제공해 주는 툴은 신뢰하지 않는데, 그 이유는 크게 두 가지가 있다. 첫째, 제공된 설루션의 근거를 신뢰한다. 엔지니어들이 생성형 AI가 제공하는 근거 없는 수치는 환각(hallucination) 때문에 믿지 않는 것과 같은 이치다. 둘째, 하나의 설루션이 아닌 선택 가능한 다양한 후보군을 함께 원한다. 설루션을 기본으로 다양한 변종(variation)을 만들 수 있는 힌트를 주어야 한다. AIRBOOM은 데이터 스토리텔링(data storytelling) 방식의 보고서를 제공한다. 데이터 스토리텔링이란 데이터로 상대방을 설득하기 위해 고안된 의사 전달 수단으로, 데이터의 가치를 극대화하기 위해 메시지가 포함된 시각화(visuals) 정보와 이를 논리적으로 설명하는 내러티브(narratives)의 조합으로 구성된다. 그리고 인사이트를 담은 보고서(RBDO 결과의 직관적인 요약, 설루션의 도출 근거, 더 안전한 설계를 위한 정보 등)를 제공할 수 있다.   RBOD 프로세스 사례 자동차 현가 장치 사례로 AIRBOOM을 활용한 RBDO 프로세스를 설명한다. 타이어나 부시(bush)같은 고무 재료의 산포로 핸들링 관련 성능지수가 갖는 산포를 예측하고, 성능지수의 신뢰성을 높일 수 있도록 부시 강성을 최적화는 문제이다.(‘재료 물성의 불확실성을 고려한 현가장치 시스템의 신뢰성 기반 최적설계(한국자동차공학회 2025 추계 학술대회)’ 참고) 목적함수는 핸들링 특성 중 Yaw Rate Overshoot를 최소화하는 것이고, 구속조건은 핸들링 특성에 해당되는 성능지수 7개를 선정하였다. 설계변수는 18개 부시 강성이고, 랜덤 파라미터는 설계변수인 부시 강성 전체와 타이어 파라미터 4개 파라미터를 선정하였다.   그림 7. 초기 설계에서의 RA 결과 요약 보고서   <그림 7>은 RBDO를 수행하기 전의 RA 결과 요약을 보여 준다. ‘산포’ 열에서 성능지수의 산포와 확률 정보를 보여주고, 차별화된 요소로 ‘Key 파라미터’ 열에서 성능지수 산포의 주요 원인이 어떤 랜덤 파라미터인지 파악할 수 있다. 첫 번째 행의 FRT_LateralForceSteer의 산포에는 FRT_Abush_Y가 가장 중요한 역할을 담당한 것으로 분석되었다. 마지막 열은 현재 설계의 신뢰성 결과를 보여주며, RBDO 수행 전 FRT_LateralForceSteer의 신뢰성은 요구 조건(0.3)보다 작을 확률이 80.0%에 불과했다.   그림 8. RBDO 결과 요약   <그림 8>은 RBDO 결과를 보여준다. 목적함수의 경우 INIT(초기값) 대비해서 DO(불확실성을 고려하지 않은 최적설계)가 67%로 가장 많이 개선되었고, RBDO는 구속조건의 요구 조건 만족 확률을 높이기 위해 26% 개선되는데 그쳤다. 파이 차트에서는 구속조건의 개선 여부를 확인할 수 있고, 불만족한 구속조건과 목적함수 간에 상충 관계가 존재할 수 있음이 예상된다. 설계변수의 경우, 대부분의 설계변수는 DO와 RBDO에서 유사하나 일부 설계변수(LCA outer X, Toe link X)가 DO에서는 설계변수의 하한값 경계로 변경된 반면 RBDO에서는 INIT에서 별다른 변화를 보이지 않았다.   그림 9. 신뢰성 개선 이유   <그림 9>는 6번 구속조건의 신뢰성 개선 이유를 설명한다. 신뢰성이 67%에서 91%로 개선된 이유는 산포의 평균이 약 0.057(평균값이 0.678 > 0.621로 감소) 이동하였기 때문이고, 가장 기여한 설계변수는 RR_Trailing_arm_Y이다. 이 사례로 RBDO 인사이트를 좀더 쉽게 이해할 수 있다. 성능지수 신뢰성을 개선하는 부시 강성의 변경 방향을 알 수 있었고, 불확실성 고려 여부에 따른 최적해 차이를 파악할 수 있었다. RBDO에서 목표 신뢰성을 만족시키기 위해 어떤 설계변수가 기여하였는지 및 추가 개선 가이드와 그에 따른 부작용을 예측할 수 있었다. RBDO는 단순히 ‘최적’의 설계를 찾는 것을 넘어, 불확실한 현실에서도 ‘무결점’에 가까운 안전하고 신뢰할 수 있는 설계를 데이터 기반으로 가능하게 하는 미래 설계의 핵심 기술이다.   ■ 이 글은 2025년 11월 7일 진행된 ‘CAE 컨퍼런스 2025’에서 발표된 내용을 정리한 것이다.   ■ 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.     ■ 기사 내용은 PDF로도 제공됩니다.

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.

  INFOWORLD Editorial 17　2026, AI가 제조 경쟁력을 다시 설계한다   Case Study 18　모텐슨이 VR을 사용해 건설 비용을 낮춘 방법　설계 오류를 미리 해결하고 디자인 협업과 의사결정 속도 높이다 22　APEC에서 선보인 경주 미디어 버스 / 박진호　‘골든 신라 XR 버스’로 천년 신라를 달리다   Focus 26　CAE 컨퍼런스 2025, AI·디지털 트윈 융합 통한 엔지니어링 혁신 전략 짚다 30　펑션베이, 메카트로닉스·AI 융합으로 엔지니어링 과제 해결 지원 32　다쏘시스템, 버추얼 트윈과 AI로 산업 효율·지속 가능성 동시 혁신 34　빌딩스마트협회, ‘빌드스마트 콘퍼런스’에서 AI·로봇·OSC 기반 미래 건설 비전 제시 36　한국BIM학회, ‘지능형 건설의 부상’ 국제 심포지엄 성료… “전면 BIM 확대를 위한 정량화와 활성화 노력 필요” 38　콘택트 소프트웨어, 포괄적인 개방형 PLM 통해 엔지니어링 혁신 비전 소개 40　SAP 코리아, “비즈니스 AI로 국내 기업의 혁신 도울 것”   On Air 51　캐드앤그래픽스 CNG TV 지식방송 지상중계　AI·LLM 시대, 미니 워크스테이션으로 GPU 한계를 넘다 52　캐드앤그래픽스 CNG TV 지식방송 지상중계　클래시 마스터·레빗 마스터로 보는 BIM 업무 혁신 포인트 53　캐드앤그래픽스 CNG TV 지식방송 지상중계　디지털 전환에서 AI 전환으로 54　캐드앤그래픽스 CNG TV 지식방송 지상중계　제조 데이터의 새로운 표준을 세운다   New Product 42　현실감 높은 대규모 월드 구현과 더 강력해진 통합 워크플로　언리얼 엔진 5.7 48　 AI 및 클라우드 기반 기능 강화한 설계 설루션　디자인센터 솔리드 엣지 2026 62　이달의 신제품   Column 55　트렌드에서 얻은 것 No. 26 / 류용효　데이터가 산업이었다면 GPU는 문명이다 58　디지털 지식전문가 조형식의 지식마당 / 조형식　한국형 구조지능 : AI 시대는 지식을 구조화하는 자가 미래를 지배한다   60　New Books   Directory 131 　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA AEC 65　새로워진 캐디안 2026 살펴보기 (1) / 최영석　캐디안 2026의 새로운 기능 70　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　팔란티어 온톨로지 플랫폼 아키텍처 기술 해부 및 구현 방법 76　산업 디지털 전환을 가속화하는 버추얼 트윈 (9) / 김선중　건축 설계의 자동화와 생산성 강화를 위한 복합공종모듈 활용 80　생성형 AI를 활용한 건축 분야 이미지 렌더링 / 양승규　AI가 가져온 건축 시각화의 혁신과 건축가의 과제 128　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (9) / 천벼리　아레스 쿠도가 여는 BIM–to–DWG 자동화의 새로운 기준   Reverse Engineering 88　시점 - 사물이나 현상을 바라보는 눈 (12) / 유우식　가설, 모델, 이론의 설득력의 시대성   Analysis 94　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (5) / 김성철　크레오 몰드 분석으로 사출 성형 분석하기 102　앤시스 워크벤치를 활용한 해석 성공 사례 / 오승희　앤시스 맥스웰을 활용한 전기 집진기 내부 전계 해석 106　최적화 문제를 통찰하기 위한 심센터 히즈 (10) / 이종학　프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 113　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (28) / 나인플러스IT　고정밀 다중물리 CFD를 위한 피델리티 LES 솔버 116　설계, 데이터로 다시 쓰다 (3) / 최병열　AX 시대를 위한 데이터 전략 123　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (2) / 오재응　가상 제품 개발에서 MBSE의 필요성과 적용 전략     2025-12-aifrom 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

엔비디아가 ‘슈퍼컴퓨팅 2025(Supercomputing 2025, SC25)’ 콘퍼런스에서 산업과 컴퓨팅 공학 가속화를 위한 오픈 모델 제품군인 ‘엔비디아 아폴로(NVIDIA Apollo)’를 공개했다. 엔비디아는 자사의 AI 인프라로 가속화된 새로운 AI 물리 모델을 통해 개발자들이 다양한 산업 분야의 시뮬레이션 소프트웨어에 실시간 기능을 통합할 수 있도록 지원할 예정이다. 엔비디아 아폴로 제품군에는 확장성, 성능, 정확성을 위해 개발된 물리 최적화 모델이 포함된다. ▲전자기기 자동화와 반도체 분야에서는 결함 검사, 컴퓨팅 리소그래피, 전열(electrothermal), 기계 설계 ▲구조 역학 분야에서는 자동차, 가전제품, 항공우주 분야의 구조 해석 ▲기상 및 기후 분야에서는 세계와 지역 예보, 다운스케일링, 데이터 동기화, 기상 시뮬레이션 ▲전산 유체 역학(CFD) 분야에서는 제조, 자동차, 항공우주, 에너지 분야의 시뮬레이션 ▲전자기학 분야에서는 무선 통신, 레이더 감지, 고속 광학 데이터 시뮬레이션 ▲다중 물리학 분야에서는 핵융합, 플라즈마 시뮬레이션, 유체 구조 상호작용 등을 지원한다. 엔비디아의 오픈 모델 제품군은 최신 AI 물리학 발전을 활용해 신경 연산자(neural operator), 트랜스포머, 확산(diffusion) 방법 등의 머신러닝 아키텍처를 도메인별 지식과 결합한다. 엔비디아 아폴로는 사전 훈련된 체크포인트와 훈련, 추론, 벤치마킹을 위한 참조 워크플로를 제공해 개발자가 특정 요구사항에 맞게 모델을 통합하고 맞춤화할 수 있도록 지원한다.     한편, 엔비디아는 어플라이드 머티어리얼즈, 케이던스, 램리서치, 루미너리 클라우드, KLA, 피직스X, 리스케일, 지멘스, 시놉시스 등의 기업이 새로운 오픈 모델을 활용해 자사 AI 기술을 훈련, 미세 조정, 배포할 예정이라고 소개했다. 이들 기업은 이미 엔비디아 AI 모델과 인프라를 활용해 자사 애플리케이션을 강화하고 있다. 어플라이드 머티어리얼즈는 엔비디아 AI 물리를 활용해 제조 공정과 최종 제품의 전력 효율을 개선하는 신소재, 제조 공정을 개발 중이다. 이는 반도체 제조 공정 확장성의 큰 제약 요인을 직접 해결한다. 어플라이드는 엔비디아 GPU와 쿠다(CUDA) 프레임워크를 통해 에이스(ACE)+ 다중물리 소프트웨어 모듈에서 최대 35배 가속화를 달성했다. 이로써 반도체 공정의 신속한 탐색과 최적화를 구현했다. 또한 에이스+ 물리 데이터를 활용해 핵심 소재 수정 기술에 대한 AI 모델을 구축했다. 이를 통해 기존 시뮬레이션에서 얻은 데이터로 훈련돼 새로운 사례를 몇 초 만에 예측할 수 있는 AI 모델인 대리 모델(surrogate model)과 디지털 트윈을 사용한 첨단 반도체 공정 챔버의 유동, 플라즈마, 열 모델링을 거의 실시간으로 수행할 수 있게 됐다. 케이던스는 자사의 피델리티 CFD 소프트웨어의 일부인 피델리티 찰스 솔버(Fidelity Charles Solver)를 활용했다. 피델리티 찰스 솔버는 엔비디아 기반 밀레니엄(Millennium) M2000 슈퍼컴퓨터로 가속화된다. 이를 통해 케이던스는 수천 건의 상세한 시간 종속적 전체 항공기 시뮬레이션으로 구성된 고품질 데이터셋을 생성했다. 이 데이터는 전체 항공기의 실시간 디지털 트윈 구현을 가능케 한 AI 물리 모델 훈련에 사용됐다. 지멘스는 심센터 STAR-CCM+(Simcenter STAR-CCM+)와 같은 주력 유체 시뮬레이션 도구에 엔비디아 AI 물리를 통합하고 있다. 이를 통해 설계자는 고정밀 제1원리 시뮬레이션과 고속 AI 대리 모델을 결합할 수 있다. 결과적으로 기존보다 빠른 속도로 설계 옵션을 탐색할 수 있게 됐다. 시놉시스는 엔비디아 AI 물리를 활용해 GPU 가속을 증폭시키고 컴퓨터 공학 분야에서 최대 500배의 속도 향상을 달성하고 있다. 앤시스 플루언트(Ansys Fluent)와 같은 엔비디아 GPU 가속 유체 시뮬레이션 도구의 실행 시간은 AI 물리 대리 모델로 시뮬레이션을 초기화함으로써 크게 단축될 수 있다. 이 접근 방식은 기존 방법으로 시뮬레이션을 초기화하는 것보다 더 빠르다. 리스케일은 자사의 AI 물리 운영체제에 엔비디아 아폴로 모델을 통합해 엔지니어링 혁신을 가속하고 있다. 리스케일의 엔드 투 엔드 기능 강화로 엔지니어들은 고충실도 제1원리 시뮬레이션과 고속 AI 대리 모델을 매끄럽게 결합할 수 있게 된다. 엔비디아 아폴로 모델의 고급 기능을 리스케일 프레임워크 내에서 활용함으로써, 고객은 기존 시뮬레이션 방식의 정확도를 유지하면서도 방대한 설계 공간을 빠르게 탐색하고 실시간에 가까운 추론 결과를 얻을 수 있게 된다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (27)   현재 시장에서는 정확성(Accuracy), 자동화(Automation), 속도(Acceleration), 인공지능(AI)과의 통합을 제공하는 CFD(전산 유체 역학) 설루션이 필요하며, 이러한 원리는 케이던스 피델리티 CFD(Cadence Fidelity CFD)의 근간을 이루는 원칙이다. 이번 호에서는 케이던스가 ‘CadenceLIVE 실리콘밸리 2024’ 이벤트에서 발표한 내용을 중심으로, ‘4A’로 통칭되는 이 네 가지 요소가 어떻게 차세대 멀티피직스 CFD 설루션으로서 케이던스 피델리티 CFD 소프트웨어의 입지를 다지는지에 대해 설명한다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   오늘날 교통, 환경, 건강, 방위, 우주 시스템 등 산업 전반에 걸쳐 직면한 많은 혁신적 과제는 유체 역학에 대한 깊은 이해와 불가분의 관계에 있다. 예를 들어, 자동차 백미러 주변에서 발생하는 음향 소음은 측면 유리창의 재순환 유체 유도 압력 진동으로 인해 실내 소음 수준에 상당한 영향을 미칠 수 있다. CFD 코드를 사용하면 실험적 접근 방식에 비해 훨씬 적은 리소스를 필요로 하면서도 미러의 복잡한 디자인과 공기 흐름 거동을 고려하여 이러한 현상을 정확하게 예측하고 분석할 수 있다. 케이던스 피델리티 CFD는 단순한 솔버 제품군이 아니라 지난 5년 동안 전략적 인수와 유기적인 개발을 통해 발전해 온 광범위한 에코시스템이다. 이 에코시스템은 CFD 및 다중물리 CFD 영역 내에서 모델 구축, 해석 및 학습을 위해 설계된 포괄적인 범위의 도구와 기술을 포함한다. 정확성, 자동화, 가속, AI는 피델리티 CFD의 모든 제품의 원동력이며, 다음에서 몇 가지 예를 들어 간략히 설명한다.   그림 1. 피델리티 CFD의 상품   정확성 엔지니어가 직면하는 고질적인 문제 중 하나는, CFD를 사용하여 설계한 제품을 검증하고 인증하기 위해 물리적 테스트에 의존하는 것이다. 시뮬레이션 기술의 발전에도 불구하고, 최종 제품 검증에 필요한 탁월한 정확도를 달성하기 위해서는 물리적 테스트가 여전히 필수이다. 예를 들어 항공기 설계는 엄격한 안전 및 성능 표준을 충족하기 위해 엄격한 물리적 테스트를 거쳐야 한다. 하지만 대규모 와류 시뮬레이션(LES)과 같은 새로운 고급 방법론이 유망한 대안을 제시하고 있다. 계산이 까다롭기는 하지만 LES는 유체 흐름 현상을 포괄적이고 상세하게 표현한다. 이 방법은 실험에 가까운 수준의 정확도를 제공함으로써 시뮬레이션과 물리적 테스트 간의 격차를 해소하여 광범위한 물리적 테스트에 대한 의존도를 낮추고, 설계 및 인증 프로세스를 가속화할 수 있다.   그림 2. 접근 조건에서 저소음 OGV를 사용하는 SDT 팬의 실험(검은색 기호)과 LES(빨간색 선)의 소음 수준(PWL) 비교(Brès et al. 2023)   자동화 자동화는 CFD에서 없어서는 안 될 필수 요소이며, 특히 케이던스 피델리티 제품군에서 중요한 역할을 한다. 자동화는 파이썬(Python) 기반 스크립팅을 사용하여 CFD 워크플로 전반에 걸쳐 이루어지며, 최소한의 수동 개입으로 시뮬레이션에 대한 일관성과 제어를 보장한다. 이는 특히 반복적인 작업에서 상당한 효율 향상으로 이어진다. 자동차 전처리를 예로 들어보겠다. 자동차 설계에는 CAD 시스템에서 수십만 개의 부품이 포함된 매우 복잡한 지오메트리가 포함되며, 종종 누락된 요소가 있다. 피델리티 제품은 광범위한 자동화를 통해 이러한 워크플로를 간소화한다. CAD 임포트 프로세스는 내부 캐빈 요소를 효율적으로 필터링하고, 자동으로 중복을 감지하며, 중복 개체를 선택 및 삭제하고, 젖은 표면을 식별하고, 실링 표면을 생성한다. 예를 들어 자동 실링 기능을 사용하면 ‘습식 : Wet’(외부) 및 ‘건식 : Dry’(내부) 지점을 지정하여 틈새 및 조인트 충진 프로세스를 자동화함으로써 CFD 시뮬레이션을 신속하게 진행할 수 있다.   그림 3. 기술은 ‘습식’ 및 ‘건식’ 지점을 감지하고 표면과의 간격을 몇 분 안에 자동으로 밀봉한다.   보로노이 기반 그리드 생성은 높은 수준의 자동화를 활용하는 피델리티 CFD의 또 다른 뛰어난 기능이다. 이 기술은 복잡한 지오메트리 주위에 높은 수준의 메시를 생성하여 균일성을 보장하고 시뮬레이션 정확도와 수렴 속도를 높인다. 기존의 메시 생성 방식은 표면 근처에서 고품질 메시를 생성하지만, 레이어가 상호 작용할 때 품질이 낮은 메시를 생성하여 시뮬레이션 수렴 속도와 정확도에 영향을 미친다. 보로노이 기반 그리드 생성은 보다 일관되고 효과적인 설루션을 제공하여 전반적인 시뮬레이션 프로세스를 향상시킨다.   그림 4. 자전거 라이더 모델에 대한 보로노이 다이어그램 메시와 일반적인 RANS 메시의 비교     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (26)   이번 호에서는 고속 제트 유동 시뮬레이션에서 마주하게 되는 주요 도전 과제를 설명한다. 또한 피델리티 LES 솔버(Fidelity LES Solver)의 기능을 소개하고, 이를 활용한 사례 연구를 통해 그 잠재력을 강조하고자 한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   초고속 제트 유동을 시뮬레이션하는 것은 기술적으로 매우 도전적인 과제이자 유체역학 분야의 흥미로운 최전선이다. 특히 초음속 및 극초음속 비행 기술이 발전함에 따라, 이러한 극한 속도에서의 복잡한 유동 거동을 이해하는 것은 점점 더 중요해지고 있다. 마하 1 이상의 속도에서는 공기역학적 힘의 성질이 크게 변하며, 충격파가 발생한다. 이 충격파는 특정한 유동 패턴을 만들어내며, 이는 항공기의 성능, 안정성 및 기동성에 큰 영향을 미칠 수 있다. 비행 속도가 마하 3을 넘어 특히 스크램제트 엔진이 작동하는 구간에 이르면, 마찰 및 압축으로 인해 발생하는 온도 변화가 섭씨 1500도 이상에 달할 수 있다. 이러한 극한의 열 환경은 설계 시 제대로 고려되지 않으면 재료 피로와 파손을 초래할 수 있다. 하지만 피델리티 LES 솔버(구 Cascade CharLES)와 같은 전산 유체역학(CFD) 도구의 발전으로, 연구자는 이제 고속 비행의 물리 현상을 과거에는 불가능했던 수준의 정밀도로 탐구할 수 있게 되었다. 그러나 이러한 극한 조건을 정확히 시뮬레이션하려면 무엇이 필요할까? 수많은 시뮬레이션 과제를 어떻게 해결할 수 있을까?     고속 제트 유동 시뮬레이션의 도전 과제 고속 제트 유동을 시뮬레이션하는 것은 온도, 압력, 난류 간의 복잡한 상호작용으로 인해 상당한 어려움을 동반한다. 높은 레이놀즈 수에서는 난류가 매우 불규칙하게 변하기 때문에, 정확한 결과를 얻기 위해서는 강력한 알고리즘과 고성능 컴퓨팅 자원이 필수이다. 가장 큰 과제 중 하나는 압축성 효과를 포착하는 것이다. 고속 유동에서는 밀도 변화 및 충격파와의 상호작용이 유동의 거동을 극적으로 변화시키므로, 이를 정확히 모델링하는 것이 매우 중요하다. 또한 고속 제트 내부의 복잡한 유동 구조를 고려할 때 효과적인 난류 모델링이 필수이며, 정확성과 계산 효율 간의 균형을 찾는 것은 여전히 큰 도전 과제이다. 또 다른 핵심 요소는 열 전달과 수치적 안정성이다. 급격한 온도 구배(gradient)는 경계 조건의 정교한 정의를 요구하며, 그렇지 않으면 시뮬레이션 내에서 반사 오류(artifact)가 발생할 수 있다. 고해상도 수치 기법은 이러한 구배를 포착하는 데 필수이지만, 그만큼 계산 비용도 증가한다. 소음 예측 역시 중요한 과제이다. 제트 소음을 정확하게 예측하려면 유동 시뮬레이션과 함께 공력음향 모델을 통합하여, 다양한 환경에서의 음파 전파를 효과적으로 재현해야 한다. 여기에 연료 분사를 포함하면 혼합(mixing) 모델링이 추가로 필요하며, 이는 전체 제트 성능에 영향을 주는 핵심 요소로 작용한다. 또한, 실험 데이터와의 검증 문제도 간과할 수 없다. 실험적 기준이 제한적인 경우가 많기 때문에 시뮬레이션은 불완전한 데이터와 상이한 가정을 기반으로 진행되어야 하며, 이는 결과 검증을 어렵게 만든다. 이러한 모든 문제는 정교한 전산 도구와 안정적인 고성능 컴퓨팅 인프라가 필수임을 보여준다. 이를 통해 고속 제트 유동 시뮬레이션의 정확도와 효율을 동시에 향상시킬 수 있다.   해결책 : 피델리티 LES 솔버 피델리티 LES 솔버는 극초음속 및 초음속 유동 시뮬레이션을 위해 개발된 고충실도 전산 유체 역학(CFD) 분석 도구이다. 이 도구는 Large Eddy Simulation(LES)을 고속 항공우주 분야에 확장하여, 극한 유동 환경에서의 고유한 과제를 해결하도록 설계되었다. 고급 수치 기법, 고품질 격자 생성, 뛰어난 병렬 확장성을 결합하여 복잡한 유동을 정밀하게 예측할 수 있다. 다면체 격자 생성(polyhedral mesh generation) : 고급 클리핑 보로노이 다이어그램(clipped Voronoi diagrams)을 활용하여 복잡한 형상에서도 강력하고 효율적인 격자 생성을 지원한다. 이를 통해 정밀하고 확장 가능한 시뮬레이션이 가능하다. 확장성(scalability) : CPU 및 GPU 기반 고성능 컴퓨팅 환경 모두에서 원활하게 작동하도록 설계되어, 고해상도 결과를 빠르고 효율적으로 제공한다. 예측 중심 고충실도 시뮬레이션 : 최신 알고리즘을 통해 충격파 상호작용부터 음향파 전파에 이르기까지 고속 제트 유동의 복잡한 물리 현상을 정밀하게 재현할 수 있다.   사례 연구 : 비선형 음향파형 분석 피델리티 LES 솔버의 성능을 입증하기 위해, 고속 제트 유동을 시뮬레이션하고 그 음향 특성을 분석하는 사례 연구가 수행되었다. 이 연구의 주요 목적은 출구 마하수 3(Mach 3)의 제트 노즐에서 방출된 비선형 음향파형의 전파 현상을 분석하고, 그 결과를 실험 데이터와 비교·검증하는 데 있었다.   ▲ 고속 제트 유동에서의 누적 비선형 음향파형 왜곡 분석     ■ 자세한 기사 내용은 PDF로 제공됩니다.