• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
통합검색 "KMS"에 대한 통합 검색 내용이 125개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
엔비디아, 주요 클라우드 기업과 AI 관련 협력 강화 계획 소개
엔비디아는 GTC 행사에서 디지털 트윈과 인공지능 등 다양한 영역에서 업계 주요 기업과의 파트너십 내용을 소개했다. 이 가운데 AWS, 마이크로소프트, 구글 클라우드, 오라클 등과는 클라우드 상에서 AI 활용을 확대하는 것을 중심으로 협력을 강화할 계획이다.   AWS : 차세대 GPU 플랫폼 및 AI 인프라 제공 엔비디아는 차세대 GPU 플랫폼인 블랙웰(NVIDIA Blackwell)이 AWS에 제공된다고 발표했다. AWS는 5세대 엔비디아 NV링크로 상호 연결된 72개의 블랙웰 GPU와 36개의 그레이스 CPU로 구성된 GB200 NVL72를 갖춘 엔비디아 블랙웰 플랫폼을 제공할 예정이다. 엔비디아는 엔비디아 블랙웰이 AWS상에서 상당한 양의 컴퓨터 리소스를 필요로 하는 수조 개의 파라미터의 언어 모델의 추론 작업을 크게 향상시킬 것으로 전망하고 있다. 엔비디아와 AWS는 양사의 기술을 지속적으로 통합해 나가는 파트너십을 강화할 계획이다. 여기에는 차세대 엔비디아 블랙웰 플랫폼과 AI 소프트웨어를 비롯해 AWS의 니트로 시스템(Nitro System)과 AWS KMS(키 관리 서비스)의 고급 보안, 엘라스틱 패브릭 어댑터(EFA) 페타비트 규모의 네트워킹, 아마존 EC2(엘라스틱 컴퓨트 클라우드) 울트라클러스터 하이퍼스케일 클러스터링 등이 있다. 양사는 이런 기술을 함께 사용함으로써 아마존 EC2에서 이전 세대 엔비디아 GPU보다 더 빠르고, 저렴한 비용으로 대규모로 수조 개의 파라미터 거대 언어 모델(LLM)에 대한 실시간 추론을 구축, 실행할 수 있을 것으로 보고 있다. AWS는 엔비디아 H100 기반 EC2 P5 인스턴스의 성공을 기반으로, 대규모로 생성형 AI 훈련과 추론을 가속화하는 EC2 울트라클러스터에 배치된 새로운 B100 GPU를 탑재한 EC2 인스턴스를 제공할 계획이다. 또한 AWS에서 공동으로 만들어진 AI 플랫폼인 엔비디아 DGX 클라우드에서도 GB200을 사용할 수 있다.    마이크로소프트 : 생성형 AI 및 디지털 트윈 기술을 클라우드에서 통합 엔비디아는 GTC에서 마이크로소프트 애저(Azure), 애저 AI 서비스, 마이크로소프트 패브릭(Fabric), 마이크로소프트 365에 최신 엔비디아 생성형 AI와 옴니버스(Omniverse) 기술을 통합한다고 밝혔다. 엔비디아 옴니버스 클라우드 API(Omniverse Cloud API)는 올해 말 마이크로소프트 애저에서 먼저 제공되며, 개발자들은 기존 소프트웨어 애플리케이션에서 향상된 데이터 상호운용성, 협업, 물리 기반 시각화를 이용할 수 있도록 지원할 예정이다. 엔비디아 GPU와 엔비디아 트리톤 추론 서버(Triton Inference Server)는 마이크로소프트 365용 마이크로소프트 코파일럿에서 AI 추론 예측을 지원한다.  또한, 마이크로소프트는 엔비디아 그레이스 블랙웰 GB200과 고급 엔비디아 퀀텀-X800 인피니밴드(Quantum-X800 InfiniBand) 네트워킹의 성능을 애저에 도입할 예정이다. 이외에도 마이크로소프트는 엔비디아 H100 NVL 플랫폼에 기반한 애저 NC H100 v5 VM(가상머신)의 정식 출시를 발표했다. 미드레인지 훈련과 추론을 위해 설계된 NC 시리즈 VM은 이는 고객들에게 1개에서 2개의 엔비디아 H100 94GB PCIe 텐서 코어(Tensor Core) GPU로 구성된 두 등급의 VM을 제공하며, 엔비디아 멀티 인스턴스 GPU(MIG) 기술을 지원한다.   구글 클라우드 : 생성형 AI 앱의 구축과 관리 지원 엔비디아는 구글 클라우드와의 파트너십을 강화해 머신러닝(ML) 커뮤니티가 생성형 AI 애플리케이션을 쉽게 구축, 확장, 관리할 수 있도록 지원할 예정이다. 구글은 자사 제품과 개발자에게 AI 혁신을 지속적으로 제공하기 위해 새로운 엔비디아 그레이스 블랙웰(Grace Blackwell) AI 컴퓨팅 플랫폼을 도입하고, 구글 클라우드에 엔비디아 DGX 클라우드(DGX Cloud) 서비스를 적용한다고 발표했다. 아울러 엔비디아 H100 기반 DGX 클라우드 플랫폼은 이제 구글 클라우드에서 정식으로 사용할 수 있다. 구글은 최근 개방형 모델인 젬마(Gemma) 제품군 최적화를 위한 협력을 기반으로, 엔비디아 NIM 추론 마이크로서비스도 도입한다고 밝혔다. 이를 통해 구글은 개발자들이 선호하는 툴과 프레임워크를 사용해 훈련하고 배포할 수 있는 개방적이고 유연한 플랫폼을 제공할 계획이다. 또한, 양사는 엔비디아 GPU와 엔비디아 H100 그리고 L4 텐서 코어(L4Tensor Core) GPU 기반의 버텍스 AI(Vertex AI) 인스턴스에서 JAX를 지원한다고 발표했다.   오라클 : 데이터 관리용 가속 컴퓨팅과 생성형 AI 솔루션 제공 엔비디아는 자사의 풀스택 AI 플랫폼과 오라클 엔터프라이즈 AI를 결합해 운영, 위치, 보안에 대한 제어력을 강화한 AI 솔루션을 제공한다. 오라클 엔터프라이즈 AI는 OCI 전용 리전(OCI Dedicated Region), 오라클 알로이(Oracle Alloy), 오라클 EU 소버린 클라우드(Oracle EU Sovereign Cloud), 오라클 정부 클라우드(Oracle Government Cloud)에 배포 가능하다. 양사의 통합 솔루션은 퍼블릭 클라우드 또는 특정 위치의 고객 데이터센터에 유연한 운영 제어를 통해 배포할 수 있다. 오라클은 어디서나 로컬로 AI와 전체 클라우드 서비스를 제공할 수 있는 역량을 내세우면서, 배포 유형에 관계없이 일관적인 서비스와 가격을 통해 계획, 이동성, 관리를 간소화한다고 강조했다. 오라클 클라우드 서비스는 엔비디아 가속 컴퓨팅 인프라와 엔비디아 AI 엔터프라이즈 소프트웨어 플랫폼을 비롯한 다양한 엔비디아 스택을 활용한다. 또한, 새로 발표된 엔비디아 NIM 추론 마이크로서비스는 엔비디아 텐서RT(TensorRT), 엔비디아 텐서RT-LLM, 엔비디아 트리톤 추론 서버(Triton Inference Server)와 같은 엔비디아 추론 소프트웨어를 기반으로 구축된다.
작성일 : 2024-03-21
pyRevit 애드인 기능을 사용해서 수정 기호를 손쉽게 적용하는 방법
레빗에서 알아 두면 아주 유익한 꿀팁 시리즈 (17)   레빗(Revit)에는 수많은 기능들이 있고, 각각의 기능은 옵션을 어떻게 사용하느냐에 따라서 혹은 사용하는 방법에 따라서 효율적인 측면에서 아주 많은 차이가 나타나기도 한다. 그래서 앞으로 레빗에 있는 수많은 기능들 중에서 많은 사용자들이 잘 모르는 기능이나 알고 있는 기능이라고 할지라도 좀 더 쉽고 빠르게 사용할 수 있는 여러가지 꿀팁에 대해서 살펴 보는 시간을 갖도록 하겠다. 이번 호에서는 레빗에서 수정 기호(Revision)를 손쉽고 빠르게 적용할 수 있는 방법에 대해서 살펴보겠다. 레빗에서 제공하는 기본적인 기능과 방법이 있기는 하지만, 이것은 각각의 시트에서 일일히 적용하거나 변경해야 한다. 하지만, pyRevit 애드인에 있는 기능을 사용하면 여러 개의 시트에 빨리 적용할 수 있는 장점이 있기 때문에, 그 방법에 대해서 살펴 보겠다.   ■ 장동수 미국 시카고에 위치한 BKV Group에서 AutoCAD, Revit, Navisworks, Dynamo 등 다양한 프로그램을 교육하고 지원하는 시니어 BIM 매니저로 근무하고 있다. 저서로는 ‘Do it! 레빗 - BIM 설계의 시작(2016)’, ‘실전 Dynamo 완전정복(2018)’, ‘Do it! 건축 BIM을 위한 Revit 입문(개정판, 2020)’ 등이 있다. 이메일 | nerkerr@gmail.com 블로그 | http://blog.naver.com/nerkerr 유튜브 | http://www.youtube.com/c/BIMVDCTV   레빗에서는 추가적인 애드인을 사용하지 않고도 수정 기호를 적용할 수 있는 방법이 있다. 이 방법은 각각의 시트에서 적용될 수정 기호를 선택해서 적용할 수 있는 반면에, 여러 개의 시트에 동시에 적용할 수는 없기 때문에 시트의 수가 많은 프로젝트의 경우에는 그만큼 시간이 오래 걸리는 단점이 있다. 그렇다면 먼저 레빗의 고유 기능을 사용해서 수정 기호를 시트에 적용하는 과정을 먼저 살펴 보겠다.   1. 뷰 탭에서 수정 기호 아이콘을 클릭한다.   그림 1   2. 수정 기호 팝업창에서 프로젝트에 적용할 수정 기호를 작성한다. 새로운 수정 기호를 추가하려고 하는 경우에는 추가 버튼을 사용해서 추가하면 된다.   그림 2   3. 원하는 수정 기호를 모두 생성했다면, 이제 수정 기호를 적용할 시트도 이동한다.   4. 시트에서 특성 창을 살펴 보면 <그림 3>과 같이 시트의 수정 기호라는 부분이 있는데, 여기에 있는 편집 버튼을 누른다.   그림 3   5. 팝업창에서 해당 시트에 적용하기 원하는 수정 기호를 선택하고, 확인을 누른다.   그림 4     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2023-03-31
[칼럼] 인공지능 GPT-3와 개인 지식 그래프 그리고 디지털 정원
디지털 지식전문가 조형식의 지식마당   필자는 오랜 동안 개인의 지식 관리에 대해서 관심을 가지고 있었다. 개인의 지식 관리에서 가장 중요한 것은 인생의 빅데이터이다. 개인의 인생 빅데이터는 각 개인의 삶과 경험과 경력 그리고 사고 방식이 녹아 있다고 해도 과언을 아닐 것이다. 특히 글쓰기나 강의 등에는 개인의 지식이 절대 필요하고 체계적인 관리가 효율적이다. 그러나 컴퓨터의 하드웨어와 소프트웨어의 제한으로 개인의 지식 관리 또는 빅데이터 데이터 마이닝은 구현되기 어려웠다. 현재의 지식 관리는 조직의 지식 관리이며, 개인의 지식 관리 시스템(PKMS : Personal Knowledge Management System)은 일반적인 지식 관리 시스템(KMS : Knowledge Management Systems)과는 추구하는 방향성이 다르다. 현재 대부분의 지식 관리에 관한 연구는 조직의 지식 관리이다. 20년 전에 유행하였던 지식 관리는 주로 관계형 데이터베이스(DB)로 만들어졌다. 관계형 DB는 주로 계층적 구조 정보에 강하지만 네트워크 구조에는 약하다. 최근에는 빅데이터 기술과 지식 그래프(knowledge graph)의 발전과 인공지능(AI : Artificial Intelligence) 기술 발전으로 최고의 개인 지식 관리 환경을 만들 수 있다.   그림 1. 지식 그래프   특히 개인의 지식 관리에서 디지털 정원(digital garden)은 중요하다. 디지털 정원이라는 개념은 20년 넘게 화자되고 있다. 디지털 정원은 하이퍼텍스트(hypertext)와 궤적을 같이하므로 초창기에는 하이퍼텍스트 가든(hypertext graden)이라고도 했다. 그것은 그 시대에 몇 가지 의미론적 변화를 거쳤고, 이는 수년에 걸쳐 다른 사람들에게 다른 것을 의미한다. 개념은 현재 개인의 지식에 대한 메모, 리소스, 스케치 등 탐색의 공개 모음 데이터이다. 어떤 사람들은 개인 블로그나 네이버 카페 또는 페이북의 페이지나 그룹을 사용할 수 있다. 필자는 주로 페이스북의 전문 그룹에서 디지털 정원을 만들고 있다. 최근에 만든 디지털 정원은 메타버스 디지털 정원이다.   그림 2. 디지털 정원(digital garden)   디지털 정원은 개인의 지식 관리가 가진 한계를 극복할 수 있다. 수많은 그룹 회원들이 자신의 지식과 경험과 전문 뉴스와 리소스의 링크를 공유하면서 디지털 정원은 풍성해지고 있다. <그림 2>는 개인의 지식 관리에서 글쓰기와 노트의 중간에 디지털 정원이 있다는 것을 보여준다. 얼마 전 신문 기사를 보니, ‘사피엔스’라는 책의 저자로 유명한 유발 하라리가 최근 ‘사피엔스’ 10주년 특별판 서문을 인공지능 글쓰기 프로그램 GPT-3가 대필한 것에 커다란 충격을 받았다고 한다. 인공지능은 하라리의 책과 논문, 인터뷰 등을 종합해서 글을 완성했다. 하라리가 이제껏 했던 말을 짜깁기한 수준이지만, AI가 썼다고 짐작하기 힘들 정도로 자연스러운 흐름을 보여줬다. 하라리는 “나를 구현해 낸 GPT-3의 글을 보면서 마음이 복잡했다”면서 무엇보다 변화의 속도에 놀랐다고 했다. 하라리는 “2010년 ‘사피엔스’를 집필할 때 나는 AI에 전혀 관심이 없었다”며, “10년이 지난 현재 AI 혁명이 전세계에 휘몰아치고, 이 혁명은 우리가 알던 방식의 인류 역사가 끝났다는 신호를 보내고 있다”고 썼다. 그는 결론적으로 다시 출발점으로 돌아가 상상 속의 질서와 지배적 구조를 창조해내는 인류의 독특한 능력을 재검토해야겠다는 생각이 들었다고 했다. GPT-3는 OpenAI라는 회사가 만든 언어 AI의 이름이다. GPT-3는 시, 그래프, 이력서, 이메일, 짧은 에세이 등을 작성하는 등 활용 범위도 다양하다.   그림 3. OpenAI의 GPT-3   이 달은 필자 개인적으로는 역사적인 달이다. 1년 반 전에 개인 지식 시스템 지식을 그래프(knowledge graph) 환경으로 구축하였는데, 다음 단계로 이 개인 지식 관리 시스템과 인공지능을 연결하였다. 인공지능 엔진은 Open AI의 GPT-3이다. GPT-3는 필자의 첫 번째 질문에 이렇게 대답했다. 필자의 질문 : “새로운 아이디어를 만드는 방법을 알려달라.” OpenAI GTP-3의 대답 : “혁신은 아이디어를 받아들여 현실로 바꾸는 과정입니다. 새로운 아이디어를 창출하기 위해 다음과 같은 여러 단계를 수행할 수 있습니다.” 존재하는 필요성 또는 문제 식별 그 필요성이나 문제에 대한 잠재적 해결책의 브레인스토밍 잠재적 해결책의 타당성 평가 가장 유망한 솔루션 선정 및 실행 계획 수립 솔루션 테스트 및 정제 혁신을 시작하기 어떻게 보면 당연한 이야기를 조합해서 만든 것 같지만, 그래도 읽은 만은 한 것 같다. 다음 3 단계는 필자의 지식 데이터베이스와 연결하여 특화된 대답을 듣는 것이다. 다시 말해서 개인 지식의 초개인화(hyper-personalization)라고 할 수 있다. 결론적으로 우리의 인사이트를 사용하면 모든 접근방식(approach)에는 두 가지가 있다. 하나는 시스템 싱킹 1을 이용해서 자원을 적게 소모하고, 신속하게 결정하는 것이다. 그러나 결과의 질에는 리스크가 있다. 두 번째는 시스템 싱킹 2를 이용한 신중하고 오랜 시간과 많은 자원을 소모해서 결정하는 것이다. 그러나 현실에서 하이브리드(hybrid)일 것이다.   그림 4. 롬 리서치(Roam Research)와 OpenAI GPT-3의 연결   우리의 모두 접근 방식에 GTP-3같은 생성형 인공지능(generative AI)이 사용될 것이다. 그러나 아직도 인간의 시스템 싱킹 2 수준을 달성하려면 약간의 시간이 더 걸릴 수 있다. 인공지능시대가 올수록 인간의 역량(competence)은 경력이나 경험이 아닌 신속한 학습 능력과 호기심 그리고 예술적인 창조력과 혁신의 스킬이 될 것이다. 궁극적으로 조직의 인공지능과 대응하기 위해서 우리는 다수의 개인 브레인 디지털 트윈(brain digital twin)이 필요하게 될 것이다. “누구에게나 아침은 온다. 그러나 누구에게나 아침이 찬란한 것은 아니다. 만약 그대의 아침이 찬란하지 않다면 태양을 탓하지 말고 그대 자신을 탓하라. 그대의 모든 미래는 그대 자신이 만들어가는 것이다.” - 이외수, ‘청춘불패’ 중에서   조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.   ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2022-11-01
[인터뷰] 김종암 서울대학교 항공우주공학과 교수
유동 해석의 이해와 동향 김종암 서울대학교 항공우주공학과 교수   김종암 교수는 지난 20여 년간 유한체적법 및 고차 정확도 수치기법, 공력 최적설계 및 유동제어 기법 개발을 비롯하여 개발한 수치 기법들의 공학적 응용 및 코드개발에 이르는 폭넓은 연구를 수행하고 있다. 전산유체역학 분야의 선도 연구자로서, 한국전산유체공학회(KSCFE) 회장, 한국산업응용수학회(KSIAM) 회장을 역임했고, 현재 한국항공우주학회(KSAS) 수석부회장, 미국항공우주학회(AIAA) associate fellow를 맡고 있으며, AIAA fluid dynamics technical committee, 국제 전산유체역학 학회(ICCFD) scientific committee에 참여하는 등 국내외적으로 전산유체역학 분야의 학문적 발전에 크게 이바지하고 있다.    1. 유동 해석이란 무엇인가   ‘유동 해석’은 전산유체역학(CFD; Computational Fluid Dynamics)의 이론 및 방법을 적용하여 유동의 지배방정식을 계산하는 것을 약칭하는 표현이다.  CFD란 유체 현상을 편미분 방정식으로 표현한 지배 방정식(governing equations)을 차분화(discretization)하고, 이를 컴퓨터를 활용하여 수치적으로 계산함으로써 유동의 물리적 현상을 이해하고 분석하는 학문이다. 유체 현상을 표현하는 지배방정식은 유동에 대한 물리적, 수학적 난이도에 따라 potential, Euler, Navier-Stokes, Boltzmann 방정식 등 여럿이 있으나, 유동의 연속성과 점성/난류 효과를 고려할 수 있는 Navier-Stokes 방정식이 가장 대표적으로 많이 사용된다. 지배방정식을 선택한 후, 유동장을 유한한 개수의 격자로 분할한다. 이후 지배방정식의 차분화를 거쳐 각 격자에서의 압력, 밀도, 속도 등과 같은 물리량의 차분방정식을 얻을 수 있으며, 이를 컴퓨터를 활용하여 반복계산 함으로써 유동장에 대한 정보를 얻게 된다. 2. 유동해석은 주로 어떤 분야에서 응용되고 있는가.   CFD의 초창기에는 주로 2차원 날개 익형이나 3차원 날개 주위의 유동해석 등 항공 또는 기계공학 분야에서 주로 사용되어 왔으나, 컴퓨터의 발달과 더불어 1990년대 이후로는 대부분의 공학 및 광학 분야에서 필수적인 도구로 자리매김하고 있다.  현재 CFD는 항공, 우주, 자동차 및 기계, 해양, 환경, 전기전자, 핵물리, 생체의학 등 폭 넓은 학문 분야의 유동 현상을 규명하고, 더 나아가 각 산업 분야에서의 제품을 개발, 제작할 때에 핵심적인 역할을 수행한다. 더하여 CFD는 단상(single-phase) 유동 해석을 넘어서 다상(multi-phase) 유동, 다화학종(multi-species) 유동 및 연소(combustion/burning) 등과 결합하여 다물리-다학제 학문으로 확장되어 발전하고 있다. 컴퓨팅 하드웨어 및 소프트웨어의 발전은 현재 진행형이기 때문에, CFD의 역량과 활용 가능성은 미래에도 매우 넓다고 할 것이다. 3. 유동해석의 이점은 무엇인가.   CFD는 실험 중심의 유체역학의 대안으로써 많은 이점을 갖고 있다. 먼저 실험을 위한 모형 제작, 계측 장비 등 유동 현상을 관측하는 과정에서 많은 인적, 물적 자원을 요구하지 않는다는 장점이 있다. 장시간에 걸친 넓은 영역에서의 유동 현상을 모사하기 위해서는 CFD 또한 많은 컴퓨팅 파워와 시간을 요구할 수 있으나, 이는 풍동 시험을 통해 실험적으로 접근하는 것보다 훨씬 효율적인 경우가 많다.  또한 유동 현상을 관찰하는 과정에서 유동 조건, 형상 조건과 같은 실험 조건을 변경하기가 상대적으로 용이하기 때문에, 실험에 비해 쉽게 다양한 조건에서의 유동장에 대한 다양한 정보를 얻을 수 있다. 게다가 CFD를 통해 얻은 유동장의 수치 결과는 언제든 가시화가 가능하며, 이를 이용하여 유동의 자세한 특성을 파악할 수 있다는 장점도 있다.   4. 최근 유동해석 분야의 트렌드   최근의 유동 해석 연구는 복잡한 환경에서의 유동 현상을 반영하기 위한 정밀한 유동 모델링을 도입하여, 실험으로 구현하기 어려운 조건에서의 유동 현상을 분석하는 데에 초점을 맞추고 있다. 예를 들면, 아폴로 우주선, 소유즈 우주선, 우주왕복선, 최근 스페이스 X의 크루 드래곤까지 우주에서 지구로 진입하는 우주선은 초속 7km에서 12km로 가속합니다. 물체 표면 공기는 가열되어 8000 K 이상의 온도까지 치솟는데, 이 때 이를 구성하는 산소와 질소가 해리됨은 물론 산소와 질소 원자의 이온화까지 발생한다. 이처럼 공기를 구성하는 화학종이 변화하는 문제를 해석할 때 일반 기체 해석에서 사용하는 이상기체 상태방정식을 사용할 경우 정확도가 크게 저하되는 문제가 발생한다. 따라서 이러한 문제를 해결하기 위해서는 기체의 구성요소 간 화학반응을 고려할 필요가 있다.  우주 여행이 상업화되고 있고, 극초음속 무기 체계에 대한 관심도가 높아지고 있는 상황에서 극초음속 유동에 대한 연구는 CFD를 활용하여 많이 이루어지고 있으며, 보다 정확한 해석을 위하여 많은 연구가 이루어지고 있다. 또한, 다상 유동(multiphase flow)은 두 가지 이상의 상(phase)이 공존하는 유동 현상으로, 나노 단위에서부터 거시적으로는 우주에 이르기까지 어디에나 존재하는 자연 현상이다. 대표적인 다상 유동으로 공동(cavitation) 현상을 들 수 있는데, 이는 액체의 압력이 증기압력보다 낮아져 발생하는 상 변화 현상이다. 수중에서 고속으로 회전하는 프로펠러 근처에서 기포가 관찰되는 이유는 국소적으로 압력이 낮아져 액체 내부에서 기체인 공동이 발생했기 때문이다. 이러한 공동 현상은 주변 물체에 손상을 가하거나 성능 저하 등의 문제를 야기하기 때문에, 설계/개발 시 이에 대한 분석이 필요하다. 특히, 우주 발사체 터보펌프의 경우 일반적인 물과 달리 액체산소/액체수소와 같은 극저온 유체를 작동 유체로 사용하기 때문에, 터보펌프 내부의 정확한 공동 유동 해석을 위해서는 이상기체 기반이 아닌 실 매질 상태방정식을 적용해야 한다. 더불어, 공동 현상은 압력 변화로 유발되나, 열과 질량 전달이 발생하는 복잡한 물리 현상이므로, 이를 정확하게 예측하기 위한 해석 기술이 요구된다. 극저온 유체 설비가 필요한 발사체 공급계뿐만 아니라, 원자력발전소 내 원자로 사고 예측과 같이 실험적으로 접근이 어려운 다상 유동 분야에 대해 CFD가 활발하게 활용되고 있다. 유동해석은 항공/해양/운송과 같은 다양한 산업분야에 적용되고 있으며, 특히 제품의 성능을 향상시키기 위한 목적으로도 활용되고 있다. 이는 수학적으로 봤을 때 비행기의 양력 최대화, 선박의 항력 최소화 같은 제품의 성능과 관련된 수치를 최적화(optimization) 하는 문제이며, 이 과정에서 수치해석 기반의 유동해석과 유전자 알고리즘 또는 경사하강법 등의 최적화 알고리즘이 결합되어 활용되고 있다. 기존에는 설계 경험을 가진 설계자가 경험과 감에 의지해 최적의 형상을 제안하였다면, 이러한 설계 과정을 자동화하여 더욱 뛰어난 공력 성능을 가진 형상을 효율적으로 얻기 위해 최적설계가 사용된다. 설계변수와 제약조건이 많을수록 최적설계의 난이도가 높아지기 때문에 많은 설계변수와 제약조건을 효율적으로 다루기 위한 다양한 기법들이 연구되고 있다. 더불어 유동해석 측면에서만 최적설계를 하는 것을 넘어서, 다양한 분야와 결합하여 여러 목적을 동시에 달성하기 위한 최적설계인 다분야 최적설계(MDO)도 널리 적용되고 있다. 유동현상은 다른 물리현상과 영향을 주고받기 때문에, 그 영향의 정도와 개발 목적에 맞도록 다른 현상과 연계하여 분석할 수 있다. 예를 들어, 공력 성능이 뛰어나면서도 가볍고 튼튼한 시스템을 설계하는 경우에는 유체-구조 연성해석(fluid-structure interaction analysis)을 적용할 수 있다. 이러한 해석 기법을 최적 설계 과정에 적용하면 두 가지 물리현상에 대한 정밀한 분석을 바탕으로 요구되는 목적함수와 제약조건을 모두 만족시키는 최적설계를 수행할 수 있다. 컴퓨팅 성능의 발전과 함께 유동해석은 더욱 복잡한 유동 현상을 더욱 정밀하게 해석하는 쪽으로 나아가고 있다. 이를 위해, 기존 기법보다 높은 계산 정확도를 가지는 고차정확도 수치기법을 개발하는 연구, 인공지능을 도입하여 수많은 유동해석 결과들을 바탕으로 기존 유동 모델링을 개선하거나 새로운 유동 모델링을 수립하고자 하는 연구들이 수행되고 있다. 현재, 산업계에서 표준으로 사용되는 유한체적법 기반의 수치기법은 장시간의 비정상(unsteady) 해석을 필요로 하는 복잡하고 세밀한 유동 물리 현상에 대해서는 계산의 정확도 및 신뢰성 측면에서 명확한 한계를 가진다. 정밀기기 또는 자동차, 항공기, 선박 등에서 발생하는 유동 물리 현상을 정밀하게 분석하고, 차세대 운송시스템을 설계하는데 활용하기 위해서는 한 차원 높은 수준의 계산 정확도가 요구되는데, 고차정확도 수치기법이 이런 요구를 만족시킬 수 있다. 고차정확도 수치기법은 유한요소법을 기반으로 하여 기존 유한체적법에 비해 높은 정확도를 얻으면서 계산 시간은 줄일 수 있는 장점이 있어 차세대 전산유체해석 기법으로 널리 연구되고 있다. 현재 고차정확도 수치기법과 관련해서 기법의 정확도를 유지하면서 계산 속도를 더욱 향상시키기 위한 연구가 활발히 수행 중이다. 대표적으로 불연속 갤러킨(Discontinuous Galerkin) 기법, 플럭스 재구성(Flux Reconstruction) 기법과 같은 수치기법이 개발되고 있으며, 이외에도 대규모 분산 병렬 프로그래밍을 적용하거나, CPU-GPU 이종간 프로그래밍을 적용해 계산 성능을 향상시키기 위한 연구가 활발히 진행되고 있다. 2010년대 들어 컴퓨터 비전 분야에서 급부상하기 시작한 기계학습/딥러닝 기반의 인공지능은 현재 시점에서는 거의 모든 분야에서 활용되고 있다. 유동해석 분야에서도 기계학습을 활용하여 기존의 유동 모델링을 개선하거나 새로운 유동 모델링을 개발하는 연구들이 시도되고 있다. 기계학습을 이용한 유동 모델링 연구는 크게 고성능 유동해석 기법 개발, 저비용-고효율 공력 성능 추정 연구로 나뉜다. 난류모델이나 화학반응/다상유동 등 복잡한 유동을 위한 해석 기법을 기계학습을 통해 개선하는 연구가 활발히 수행 중이다. 또한 형상 변화에 따른 공력 성능 변화를 학습하여 고비용의 실험 및 유동 해석을 수행하지 않고도 복잡한 형상에서의 공력 성능을 빠르게 예측하려는 연구도 활발히 수행되고 있다.(그림 2)   5. 유동해석 분야 향후 전망 유동해석 분야 향후 전망은 현재 장시간 복잡한 유동 현상을 효율적으로 해석하기 위한 방안이 고차정확도 수치기법과 기계학습/딥러닝을 이용한 유동 모델링 연구에서 나올 것으로 보고 있다. 고차정확도 수치기법의 경우, 계산 효율성을 높이기 위한 많은 노력과 발전된 알고리즘으로 날개와 동체가 있는 일반적인 항공기 형상에서의 큰 와류 모사(Large Eddy Simulation; LES)를 하는 정도까지 이르렀고(그림 3), 조만간 더욱 복잡한 형상에도 적용이 가능할 것으로 보인다.  현재 NASA에서는 2030년까지 exaFLOPS 수준의 CFD 해석이 가능하게 될 것으로 보고, 이를 달성하기 위한 로드맵을 제안하였는데, 주로 비정상 와류를 포착할 수 있는 scale-resolving 해석에 초점을 두고 있다. 고차정확도 수치기법의 높은 계산 정확도와 효율성이라는 강점은 scale-resolving 해석에 큰 이점을 가지므로 이를 달성할 수 있는 후보로서 널리 연구되고 있으며, 현재의 산업 표준인 유한체적법 기반 수치기법을 대체하는 차세대 산업 표준으로서 자리매김할 것으로 예상한다. 이에 반해 기계학습을 이용한 유동 모델링 연구는 아직 초기 단계에 있다. 사진 인식이나 함수값 예측에 활용되는 기계학습 기법을 유동해석에 적용하는 수준이다. 하지만 기존의 유동 모델링 기법은 유동 현상의 난해함으로 인해 한계에 이르렀다고 판단되므로, 유동 모델링을 수립하는 새로운 패러다임으로써 수많은 해석/실험 데이터를 기반으로 기계학습을 활용하는 방법론은 점차적으로 주목 받을 것으로 예상된다. 특히 학계와 산업계에서 보유하고 있는 양질의 유동 해석 및 실험 데이터들이 빅데이터 수준으로 축적되어 있기 때문에 기계학습을 활용하기에 최적인 환경이며 앞으로 큰 발전을 기대할 수 있는 분야라고 할 수 있다.   6. CAE 분야의 발전을 위한 제언 – 국산 CAE 프로그램 개발에 대한 관심과 투자 필요   해외에서는 Fluent, PowerFLOW 등과 같은 유명 상용 프로그램들과 SU2, OpenFOAM, 등의 오픈 소스 코드들이 다수 개발되어 전세계적으로 사용되고 있고, 프로그램 사용자 커뮤니티가 구축되어 있어 프로그램의 개선 및 유지보수가 원활하게 이루어지고 있는 상황이다. 이와 달리 국내의 경우, 많은 대학교 및 연구소들이 수준 높은 CFD 해석 기술들과 이를 바탕으로 개발된 in-house 코드들을 보유하고 있음에도 불구하고, 상용 프로그램 수준으로 발전되지 못하고 자체 연구에만 적합한 형태로 남아 사용되고 있는 안타까운 실정이다. 이는 유동 해석 프로그램을 필요로 하는 연구소 및 산업체들이 국산 상용 해석 프로그램 개발에 투자하기보다는 바로 해석 결과를 제공해 줄 수 있는 해외 상용 프로그램을 선호하고 있기 때문이기도 하다. 이러한 흐름은 국산 상용 프로그램의 성장을 상대적으로 억제시키고 해외 상용 프로그램에 대한 의존성을 강화시켜, 결과적으로 국내 CAE 산업 또는 기술의 장기적 발전에도 부정적인 영향을 미칠 수 있다. 이를 해결하기 위해서는 어렵더라도 국산 상용 프로그램의 개발을 위한 노력과 투자가 지속적으로 이루어졌으면 하는 바람이다. 서울대가 경원테크와 협력하여 공동 개발하고 있는 유동 해석 프로그램인 ACTFlow(All-speed Compressible Turbulent Flow solver) [Lee et al. 2020]가 하나의 예가 될 수 있을 것이다. 십 수 년간의 오랜 연구를 통해 높은 수준의 유동 해석 기법을 보유하고 있었던 서울대가 다양한 CAE 프로그램의 개발/유통 경험이 있는 경원테크의 협력과 산업체 및 연구소들의 연구 프로젝트를 통한 투자를 바탕으로 연구/개발 목적으로 사용할 수 있는 유동 해석 프로그램을 개발할 수 있었다. 이는 산업계에서 표준으로 사용되는 유한체적접 기반의 유동 해석 프로그램으로 복잡한 형상을 쉽게 다룰 수 있는 비정렬 혼합격자계를 채택하고 있고 다양한 최신 수치 기법을 통해 아음속/천음속/초음속을 포함한 전마하수 유동을 정확하게 해석할 수 있어, 항공/우주, 조선/해양, 기계, 에너지 등 다양한 산업분야에 사용할 수 있는 프로그램으로 성장하였으며, 향후 다양한 연구 프로젝트에 사용될 것으로 기대되고 있다. CAE 프로그램을 필요로 하는 산업체 및 연구소가 당장의 편의성을 위해 상대적으로 큰 비용을 들여 해외 상용 프로그램을 구매하고 사용하는 것보다는 국내 CAE 산업의 성장에 기여할 수 있도록 국산 상용 프로그램 개발에 보다 적극적이고 꾸준한 관심과 투자가 이루어지면 좋을 것이다. 이는 CAE 분야의 성장 이외에도 추후 국산 CAE 프로그램이 고가의 해외 상용 프로그램들을 대체하게 됨에 따라 경제적 이득을 얻을 수 있는 효과적인 방법이라고 본다.   좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기   
작성일 : 2021-11-23
SK-마이크로소프트, 글로벌 AI/디지털 트랜스포메이션 전문가 키운다
SK그룹이 세계 최고 수준의 AI(인공지능)와 DT(디지털 트랜스포메이션) 관련 교육 콘텐츠를 구축한다고 밝혔다. 단순 교육 차원을 넘어 글로벌 시장에서 필요로 하는 개발자, 엔지니어 및 빅데이터 전문가로 키우기 위한 전문가 인증 과정을 도입하는 것이 특징이다. SK는 구성원들의 AI/DT 역량을 높여 각 관계사별로 딥체인지(Deep Change, 근본적 혁신)의 실행력을 높이겠다는 목표를 세웠다.   ▲ 마이크로소프트 런   SK그룹 내 역량강화 교육 플랫폼인 마이써니(mySUNI)는 마이크로소프트의 테크놀로지 관련 온라인 학습 플랫폼인 '마이크로소프트 런'(Microsoft Learn, 이하 MS 런)과 이같은 내용을 핵심으로 하는 '전략적 협력 강화를 위한 파트너십'을 체결했다. SK그룹은 국내 기업 가운데 처음으로 MS 런을 자사 AI/DT 교육에 도입했다. 마이써니는 이번 파트너십으로 MS 런의 콘텐츠 중 SK 구성원들의 직무/역할에 적용가능한 콘텐츠를 재가공해 제공할 예정이다. 마이크로소프트가 실제 사용하는 기술과 서비스를 교육 콘텐츠화한 것이어서, SK 구성원들이 최신 기술 트렌드를 이해하고 이를 내재화하는데 도움이 될 전망이다. 또한 마이써니는 AI/DT 관련 교육과정에서 MS의 클라우드 컴퓨팅 플랫폼인 애저(Azure) 관련 자격증을 이수할 수 있도록 함으로써 데이터 분석 등 역량을 갖춘 전문가를 체계적으로 양성하는데 기여한다는 계획이다. 아울러 국내외 AI/DT 특화 대학과 연계해 학위 과정이 포함된 마이써니-마이크로소프트 공동 커리큘럼도 개발할 예정이다. 올해 1월 출범한 마이써니는 현재 AI와 DT 외에도 행복, 사회적 가치(Social Value), 리더십 등 9개 분야에서 약 640개의 교육 콘텐츠를 운영하고 있다. 매일 약 8000명이 접속해 학습을 진행 중이며, ‘SKMS(SK경영체계)’, ‘SV Overview(사회적가치 추구 이해)’와 같은 인기 과정은 이미 7000여 명 이상이 이수하였다.   ▲ 조돈현 마이써니 CLO와 마이크로소프트 글로벌 러닝 총괄 로라 롱코어 부사장   마이써니 CLO(Chief Learning Officer)를 맡고 있는 조돈현 사장은 “마이써니의 역할은 그룹의 딥체인지를 이끌기 위한 구성원 역량확보 플랫폼으로 자리잡는 것”이라면서 “이번 협력으로 마이크로소프트가 보유한 클라우드, AI/DT 분야의 높은 전문성이 SK 구성원들의 경쟁력을 높이는 밑거름이 될 것”이라고 밝혔다. 마이크로소프트의 로라 롱코어(Laura Longcore) 글로벌 러닝 총괄 부사장은 “마이크로소프트의 다양한 교육 커리큘럼이 SK 그룹이 추구하고 있는 디지털 트랜스포메이션에 SK 구성원들의 AI/DT 역량제고를 통해 힘을 보탤 수 있을 것”이라며 “앞으로 양사의 지속적인 협력을 통해 좀 더 의미있고 적용 가능한 사례들을 발굴할 수 있기를 기대한다”고 말했다.
작성일 : 2020-06-16