주요 디지털 트윈 소프트웨어   고성능 멀티피직스 플랫폼, Cadence Fidelity CFD   ■ 개발 : Cadence, www.cadence.com ■ 자료 제공 : 나인플러스아이티, 02-867-8633, www.npit.co.kr 1. Millennium M1 Millennium M1은 기존 전산 유체 역학(CFD) 시뮬레이션의 한계를 뛰어넘는 차세대 턴키 CFD 솔루션으로, 업계에 새로운 기준을 제시한다. Cadence(케이던스)의 Fidelity LES Solver(일명 CharLES)와 고성능 GPU 기반 HPC(고성능 컴퓨팅)를 결합한 이 플랫폼은 LES(대형 와류 시뮬레이션)를 중심으로 대규모 시뮬레이션을 압도적인 속도와 정확성으로 수행한다. Millennium M1은 단순히 빠른 성능을 넘어, 고품질 데이터를 신속히 생성하고 생성형 AI를 활용한 설계 최적화 및 디지털 트윈 구축을 가능하게 한다. 며칠이 소요되던 작업을 몇 시간 내로 단축할 뿐 아니라, 항공우주, 자동차, 터보기계 등 다양한 산업에 적용 가능한 실질적이고 혁신적인 해법을 제공한다. 초고속 처리 능력과 Fidelity LES Solver의 정밀한 물리 해석이 결합된 Millennium M1은 혁신적인 설계와 엔지니어링의 패러다임을 바꿀 게임 체인저로, 기술 혁신의 새로운 기준을 제시할 것이다. 2. 주요 기능 및 특징 ■ 안정성과 정확성을 겸비한 해석 기술 : CharLES 솔버의 비선형 안정화 방식은 수치적 진동을 효과적으로 억제하며, 메시 크기를 줄여도 높은 정확도와 안정성을 유지한다. ■ 압도적인 계산 성능 : GPU 기반 LES 솔버와 전용 하드웨어의 조합으로, GPU 1개당 최대 1,000개의 CPU 코어에 상응하는 처리 성능을 제공한다. ■ 업계 최초 Turn-Key CFD 솔루션 : GPU 기반 솔버와 확장 가능한 HPC를 결합하여 별도의 복잡한 시스템 설정 없이 즉시 사용 가능하며, 빠르고 효율적인 데이터 생성을 지원한다. ■ AI 디지털 트윈 구현 : 고품질 데이터를 바탕으로 생성형 AI를 활용해 디지털 트윈을 신속하게 구현한다. ■ 다상 흐름 예측 : Volume-of-Fluid(VOF) 기법과 라그랑주 입자 추적법으로, 다양한 유동 영역에서 액체 및 미세 물방울 등의 복잡한 거동을 정확히 모델링할 수 있다. 3. 도입 효과 ■ 설계-검증 프로세스 단축 : 기존 몇 일이 소요되던 LES 시뮬레이션을 몇 시간 내로 단축해, 더 많은 설계-검증 프로세스를 시도할 수 있다. ■ 높은 신뢰성과 효율성 : 메시 크기가 작아도 안정적이고 정확한 결과를 제공하며, 후처리 작업부담을 크게 줄여준다. ■ 혁신적인 설계 최적화 : 생성형 AI와 디지털 트윈 기술을 활용해, 효율적인 설계로 제품 개발을 지원한다. ■ 경제적 이점 : 별도 시스템 구축이 필요 없는 턴키(Turn-Key) 솔루션으로, 운영 비용을 효과적으로 절감 할 수 있다.   4. 주요 고객 사이트 ■ 자동차(Automotive) : 전기차 주행 거리와 내연기관 차량 연비에 영향을 미치는 공기역학을 풍동 수준의 정확도로 예측하며, 빠른 분석을 제공한다. ■ 항공우주(Aerospace) : 복잡한 형상과 유동 조건에서 항력 변화와 에어포일 실속 현상을 정밀하게 분석하여, 높은 설계 신뢰성을 보여준다. ■ 에너지 및 터보 머신(Energy & Turbomachinery) : 난류 연소와 열 전달을 정확히 예측하며, 열 플럭스 및 Conjugate Heat Transfer 분석으로 에너지 효율성을 극대화한다.       상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (21)   이번 호에서는 다양한 유형의 난류 모델과 사용 시기, 그리고 복잡한 형상을 위한 고충실도 난류 모델링에 있어 케이던스 밀레니엄 M1(Cadence Millennium M1) CFD 슈퍼컴퓨터가 어떻게 혁신을 가져오는지에 대해 설명한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   자동차 산업은 거의 매일 새로운 혁신과 개발이 등장하며 끊임없이 발전하고 있다. 자동차 업계는 전기 구동 차량과 대량 생산이 증가하는 추세에 발맞춰 보다 지속 가능한 미래를 만들기 위해 노력하고 있다. 자동차 생산량은 꾸준히 늘고 있지만, 업계는 여러 디자인 또는 새로운 헤드라이트, 스플리터, 사이드 스커트 추가와 같은 아주 작은 디자인 변경에 대해서도 풍동 테스트 또는 프로토타입 테스트를 수용하면서 연비 기준을 충족해야 하는 과제에 직면해 있다. 그 결과, 항력 계수 등 관심 있는 유동장 정보와 성능 관련 수치를 예측하여 필요한 실험 횟수를 크게 줄일 수 있는 시뮬레이션 기반 접근 방식이 점점 더 인기를 얻고 있다.   그림 1   유체 흐름의 난류를 이해하고 전산 유체 역학(CFD) 시뮬레이션을 통해 동일한 난류를 재현하려면 다양한 난류 모델을 사용해야 한다. 자동차 애플리케이션과 리소스 가용성에 따라 적합한 난류 모델을 선택하면 설계 주기를 단축하는 데 도움이 될 수 있다.    난류의 모델링 기법 ‘난류’는 압력과 속도의 혼란스러운 변화를 특징으로 하는 불규칙한 흐름을 일컫는 용어이다. 우리는 일상 생활에서 난류를 경험하며 공기 역학, 연소, 혼합, 열 전달 등과 같은 다양한 엔지니어링 응용 분야에서 중요한 역할을 한다. 하지만 유체 역학을 지배하는 나비에-스토크스 방정식은 매우 비선형적인 편미분 방정식이며 난류에 대한 이론적 해법은 존재하지 않는다. 난류는 광범위한 공간적, 시간적 규모를 포함하기 때문에 모델링과 시뮬레이션이 어려울 수 있다. 일반적으로 큰 와류는 난기류에 의해 생성된 에너지의 대부분을 전달하고 작은 와류는 이 에너지를 열로 발산한다. 이 현상을 ‘에너지 캐스케이드’라고 한다. 몇 년에 걸쳐 다양한 난기류 모델링 접근법이 개발되었으며, 가장 일반적인 세 가지 접근법을 간략히 설명한다. Direct Numerical Simulation(DNS) : DNS에서는 모델이나 근사치 없이 미세한 그리드와 매우 작은 시간 단계를 사용하여 모든 규모에서 난기류를 해결한다. DNS의 계산 비용은 엄청나게 높지만 결과는 가장 정확하다. DNS 시뮬레이션은 난류장에 대한 포괄적인 정보를 제공하기 위한 ‘수치 실험’으로 사용된다. Large-Eddy Simulation(LES) : 이름에서 알 수 있듯이 이 난류 모델링 기법은 큰 소용돌이를 해결하고 보편적인 특성을 가진 작은 소용돌이를 모델링한다. LES 시뮬레이션은 최소 길이 스케일을 건너뛰어 계산 비용을 줄이면서도 시간에 따라 변화하는 난기류의 변동 요소를 자세히 보여준다. Reynolds-Averaged Navier-Stokes Model(RANS) : RANS 방정식은 나비에-스토크스 방정식의 시간 평균을 취하여 도출되었다. 난기류 효과는 미지의 레이놀즈 응력 항을 추가로 모델링하여 시뮬레이션한다. RANS 시뮬레이션은 평균 흐름을 해결하고 난류 변동을 평균화하므로 다른 두 가지 접근 방식보다 훨씬 비용 효율적이다.   올바른 선택 : DNS, LES 또는 RANS 올바른 난류 모델을 선택하는 것은 모든 시뮬레이션의 중요한 측면이며, 이는 주로 시뮬레이션의 목적, 흐름의 레이놀즈 수, 기하학적 구조 및 사용 가능한 계산 리소스에 따라 달라진다. 학술 연구의 경우 DNS 시뮬레이션은 난류의 근본적인 메커니즘과 구조를 이해하는 데 가장 적합한 결과를 제공한다. DNS는 레이놀즈 수가 낮은 경우에 적합하지만, 막대한 시간과 리소스가 필요하기 때문에 대부분의 산업 분야에서는 실용적인 선택이 아니다. 반면에 LES는 일반적으로 레이놀즈 수가 높은 복잡한 형상을 포함하는 산업용 사례를 처리하는 데 적합한 옵션이다. LES가 생성하는 고충실도 결과물은 경쟁이 치열한 자동차 시장에서 중요한 한 차원 높은 성능 개선이 가능한 설계를 가능하게 한다.   그림 2    RANS 시뮬레이션은 LES에 비해 근사치의 범위가 넓기 때문에 정확도가 떨어진다. 그러나 정확도와 계산 비용 간의 균형으로 인해 RANS는 계산 리소스와 시뮬레이션 시간이 제한된 업계 사용자에게 일반적인 설루션이다. 이 방법은 또한 짧은 시간 내에 여러 사례를 분석해야 할 때 널리 사용된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (20)   터보 기계 설계 및 해석 분야에서 실제 적용 사례는 CFD 모델의 효율성과 적응성을 입증하는 증거이다. 이러한 애플리케이션은 고급 시뮬레이션 도구가 복잡한 엔지니어링 문제를 해결하는 데 얼마나 중요한 역할을 하는지 보여준다. 이러한 실제 시나리오를 살펴봄으로써 CFD 기술이 산업 발전에 미치는 직접적인 영향에 대한 귀중한 인사이트를 얻을 수 있다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   그림 1. 터보차저 컴프레서가 장착된 토요타 GT86 CS-R3 랠리카(왼쪽 상단)   토요타 모터스포츠의 터보차저 컴프레서 최적화 독일 쾰른에 위치한 고성능 엔진 및 섀시 설계 전문 기업으로 유명한 토요타 모터스포츠는 케이던스(Cadence)의 피델리티(Fidelity) 소프트웨어를 사용하여 터보차저 컴프레서의 효율성을 개선하는 야심찬 프로젝트를 수행했다.(그림 1) 이 작업은 터보차저 부품의 설계가 이미 고도화되어 있었기 때문에 쉽지 않은 과제였다. 실제 프로토타입을 제작하는 기존 방식은 소요 시간이 길어 부적절했기 때문에, 팀은 보다 혁신적인 접근 방식인 수치 최적화를 선택했다. 문제는 이미 재료의 구조적 한계에 근접해 작동하는 컴프레서 임펠러를 최적화해야 한다는 것이었다. 이를 위해서는 다분야 최적화 프로세스를 위해 CFD와 전산 구조 역학(CSM)을 통합하는 미묘한 접근 방식이 필요했다. 이 팀은 폰 미제스 응력을 안전 한도 내에서 유지하면서 등방성 효율, 총 압력 비율 및 작동 범위를 개선하기 시작했다. 토요타 모터스포츠는 임펠러의 다양한 측면을 정의하는 154개의 파라미터를 포함하는 최적화 프로젝트에 착수하여 케이던스의 피델리티 소프트웨어를 활용했다. 기본 설계에서 특정 파라미터를 유지하는 데 신중을 기하여 궁극적으로 33개의 주요 설계 변수에 집중했다. 여러 설계 반복에 걸쳐 메시 품질과 일관성을 보장하기 위해 피델리티 오토메시(Fidelity Automesh)를 사용하여 강력한 메시 전략을 구현했다. 이 최적화를 통해 <그림 2>에 자세히 설명된 대로 성능이 크게 향상되었다. 생성된 디자인 중 두 가지 디자인이 모든 공기역학적 및 구조적 목표를 충족하는 것으로 나타났다. 설계 D1은 압력비가 8.0% 증가하고 효율이 1.4% 증가했으며 스톨 마진이 확장되었다. 이러한 개선은 구조적 무결성을 보장하고 초크 질량 유량 요건을 유지하면서 달성되었다.   그림 2. 원래 지오메트리와 선택된 디자인(D1 및 D2)의 비교. 설계 D1은 압력 비율이 8.0% 증가하고 효율이 1.4% 증가했으며 스톨 마진이 확장되었다.   이 사례 연구는 터보차저 압축기 효율의 한계를 뛰어넘는 데 있어 다분야 CFD-CSM 최적화가 얼마나 효과적인지 보여준다. 토요타 모터스포츠의 접근 방식은 첨단 기술 개발에서 수치 최적화의 이점을 강조하여, 기존 방법으로는 실현 불가능한 설계 대안을 신속하게 탐색하고 평가할 수 있게 해준다. 이 프로젝트의 성공은 까다로운 모터스포츠 및 자동차 엔지니어링 영역에서 터보 기계 설계를 개선할 수 있는 통합 계산 방법의 잠재력을 반영한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

  엔비디아가 미국 새너제이에서 열린 GTC에서 AI 팩토리의 설계와 최적화를 지원하는 새로운 엔비디아 옴니버스 블루프린트(NVIDIA Omniverse Blueprint)를 공개했다고 밝혔다. 이제 AI가 하나의 주류로 자리 잡으며, AI 훈련과 추론 전용 인프라이자 인텔리전스 생산의 핵심인 AI 팩토리에 대한 수요가 그 어느 때보다 급증하고 있다. 이러한 AI 팩토리(AI 훈련과 추론을 전담하는 특수 목적 인프라)의 대부분은 기가와트급 규모로 건설될 예정이다. 이러한 규모의 AI 팩토리를 구축하는 것은 엄청난 엔지니어링과 물류 작업이 필요한 일이다. 1기가와트 규모의 AI 팩토리 건설에는 공급업체, 건축가, 시공업체, 엔지니어 등 수만 명의 인력이 필요하며, 약 50억 개의 부품과 21만 마일 이상의 광케이블을 제작, 배송, 조립해야 한다. 엔비디아 창립자 겸 CEO인 젠슨 황(Jensen Huang)은 현지 시간으로 3월 18일 진행된 GTC 기조연설에서 엔비디아의 데이터센터 엔지니어링 팀이 옴니버스 블루프린트에서 1기가와트급 AI 팩토리를 계획, 최적화, 시뮬레이션할 수 있는 애플리케이션을 어떻게 개발했는지 그 과정을 소개했다. 엔지니어링 팀은 케이던스 리얼리티 디지털 트윈 플랫폼(Cadence Reality Digital Twin Platform)과 ETAP와 같은 선도적인 시뮬레이션 툴에 연결해 인프라 건설이 시작되기 훨씬 전, 전력과 냉각 그리고 네트워킹을 테스트하고 최적화할 수 있다. 시뮬레이션 우선 접근 방식을 채택하는 엔지니어링 AI 팩토리 AI 팩토리 설계와 운영을 위한 엔비디아 옴니버스 블루프린트는 오픈USD(Universal Scene Description, OpenUSD) 라이브러리를 사용한다. 이를 통해 개발자는 건물 자체, 엔비디아 가속 컴퓨팅 시스템, 슈나이더 일렉트릭(Schneider Electric)이나 버티브(Vertiv)와 같은 공급업체의 전력 또는 냉각 장치 등 서로 다른 소스에서 3D 데이터를 수집할 수 있다. 이 블루프린트는 수십억 개의 AI 팩토리 구성 요소에 대한 설계와 시뮬레이션을 통합함으로써 엔지니어가 다음과 같은 복잡한 문제를 해결할 수 있도록 돕는다. l  구성 요소 통합과 공간 최적화 - 엔비디아 DGX SuperPOD, GB300 NVL72 시스템 그리고 50억 개의 구성 요소의 설계와 시뮬레이션을 통합한다. l  냉각 시스템 성능과 효율성 - 엔비디아 쿠다(CUDA)와 옴니버스 라이브러리로 가속화된 케이던스 리얼리티 디지털 트윈 플랫폼을 사용해 버티브와 슈나이더 일렉트릭의 하이브리드 공랭식 또는 수랭식 솔루션을 시뮬레이션하고 평가한다. l  전력 분배와 신뢰성 - ETAP로 확장 가능한 이중화 전력 시스템을 설계해 전력 블록의 효율성과 신뢰성을 시뮬레이션한다. l  네트워킹 토폴로지(Networking topology)와 논리 - 엔비디아 스펙트럼-X(Spectrum-X) 네트워킹과 엔비디아 에어(Air) 플랫폼으로 고대역폭 인프라를 미세 조정한다. 옴니버스로 엔지니어링 사일로 해소 AI 팩토리 건설에서 가장 큰 과제 중 하나는 전력, 냉각, 네트워킹 등 각 분야의 팀이 개별적으로 운영되면서 비효율성과 잠재적인 오류를 초래한다는 점이다. 옴니버스 블루프린트를 활용하면 엔지니어들은 다음과 같은 방식으로 협업할 수 있다. l  맥락을 공유하며 협업 - 여러 엔지니어링 분야가 실시간 시뮬레이션을 공유하며 병렬로 설계하고 조정할 수 있어, 한 영역의 변경이 다른 영역에 미치는 영향을 즉시 파악할 수 있다. l  에너지 사용 최적화 - 실시간 시뮬레이션 업데이트를 통해 AI 워크로드에 가장 효율적인 설계를 도출할 수 있다. l  오류 발생 지점 제거 – 배포 전에 이중화 구성을 검증함으로써 비용이 많이 드는 다운타임 위험을 최소화할 수 있다. l  실제 환경 모델링 - 다양한 AI 워크로드가 냉각 성능, 전력 안정성, 네트워크 혼잡도에 미치는 영향을 예측하고 테스트할 수 있다. 이 블루프린트는 실시간 시뮬레이션을 각 엔지니어링 분야와 통합함으로써 운영 비용 모델링과 전력 활용 최적화를 위한 다양한 구성 방안을 탐색할 수 있도록 한다. 실시간 시뮬레이션으로 빨라지는 의사 결정 젠슨 황 CEO의 시연에서 엔지니어들은 실시간으로 AI 팩토리 구성 요소를 조정하고 그 영향을 즉시 확인할 수 있었다. 예를 들어, 냉각 레이아웃을 조금만 조정해도 효율성이 크게 개선됐는데, 이는 기존 문서 기반 설계에서는 놓치기 쉬운 요소이다. 또한, 기존에는 몇 시간씩 소요되던 시뮬레이션 결과를 단 몇 초 만에 확인해 전략을 테스트하고 개선할 수 있었다. 최적의 설계가 확정된 후에는 공급업체와 건설 팀과의 원활한 소통을 도와 실제 건축물이 모델 그대로 정확한 시공이 이루어질 수 있도록 보장했다. 미래를 대비하는 AI 팩토리 AI 워크로드는 지속적으로 변화한다. AI 애플리케이션의 차세대 물결은 전력, 냉각, 네트워킹에 대한 수요를 더욱 증가시킬 것이다. AI 팩토리 설계와 운영을 위한 옴니버스 블루프린트는 이러한 변화에 대비할 수 있도록 다음과 같은 기능을 제공한다. l  워크로드 인식 시뮬레이션 - AI 워크로드의 변화가 데이터센터 규모에서 전력과 냉각에 어떤 영향을 미칠지 예측한다. l  장애 시나리오 테스트 - 전력망 장애, 냉각 누수, 전력 급등을 모델링해 시스템 회복력을 보장한다. l  확장 가능한 업그레이드 - AI 팩토리 확장을 계획하고, 몇 년 후의 인프라 요구 사항을 예측한다. 또한 개조와 업그레이드를 계획할 때 비용과 다운타임을 쉽게 테스트하고 시뮬레이션해 미래에 대비한 AI 팩토리를 구축할 수 있다. AI 팩토리 운영자에게 있어 앞서 나간다는 것은 단순히 효율성을 높이는 것만이 아니라, 하루에 수백만 달러의 비용이 발생할 수 있는 인프라 장애를 방지하는 것이기도 하다. 1기가와트 AI 팩토리의 경우, 매일 발생하는 다운타임으로 1억 달러 이상의 비용이 발생할 수 있는데, 이 블루프린트는 인프라 문제를 미리 해결함으로써 위험과 배포 시간을 모두 줄여준다. AI 팩토리 운영을 위한 에이전틱 AI로 가는 길 엔비디아는 AI 기반 운영으로 확장하기 위한 다음 단계의 블루프린트를 마련하기 위해 버테크(Vertech)와 파이드라(Phaidra)와 같은 주요 기업들과 협력하고 있다. 버테크는 엔비디아 데이터센터 엔지니어링 팀과 협력해 고급 AI 팩토리 제어 시스템을 개발하고 있다. 이 시스템은 IT와 운영 기술 데이터를 통합해 운영 안정성과 가시성을 향상시킨다. 파이드라는 엔비디아와 협력해 강화 학습 기반 AI 에이전트를 옴니버스에 통합하고 있다. 이러한 에이전트는 실시간 시나리오 시뮬레이션을 통해 열 안정성과 에너지 효율을 최적화한다. 그리고 하드웨어와 환경 변화에 맞춰 지속적으로 적응하는 디지털 트윈을 생성한다. AI 데이터센터의 폭발적 성장 AI는 전 세계 데이터센터 환경을 빠르게 재편하고 있다. AI 기반 데이터센터 업그레이드에 1조 달러가 투자될 것으로 예상되는 가운데, 디지털 트윈 기술은 더 이상 선택이 아닌 필수다. AI 팩토리 설계와 운영을 위한 엔비디아 옴니버스 블루프린트는 엔비디아와 파트너 에코시스템이 이러한 변화를 주도할 수 있도록 지원한다. 이를 통해 AI 팩토리 운영자는 끊임없이 진화하는 AI 워크로드에 앞서 나가고, 다운타임을 최소화하며, 효율성을 극대화할 수 있다. 관련 링크 디지털 트윈을 활용해 기가와트급 AI 팩토리 구축하기    

엔비디아가 미국 새너제이에서 열린 GTC에서 주요 CAE 소프트웨어 공급업체들이 엔비디아 블랙웰(NVIDIA Blackwell) 플랫폼을 도입해 자사 시뮬레이션 도구를 최대 50배까지 가속화한다고 발표했다. 이들 공급업체에는 앤시스, 알테어, 케이던스, 지멘스, 시높시스 등이 포함된다. 가속화된 CAE 소프트웨어와 엔비디아 쿠다-X(CUDA-X) 라이브러리 그리고 성능을 최적화하는 블루프린트를 병용하면 자동차, 항공우주, 에너지, 제조, 생명과학 분야 제품의 개발 시간과 비용을 줄일 수 있으며, 설계 정확도는 높이면서 에너지 효율을 유지할 수 있다는 것이 엔비디아의 설명이다. 소프트웨어 제공업체는 고객이 실시간 인터랙티브 기능을 갖춘 디지털 트윈을 개발하도록 지원할 수 있으며, 이제 엔비디아 블랙웰 기술을 통해 이를 가속화할 수 있다. CAE 소프트웨어 업계에서는 자사 소프트웨어에 블랙웰을 통합하는 생태계가 확장되고 있다. 여기에는 대표적으로 알테어, 앤시스, 비욘드매스, 케이던스, 콤솔, 엔지스(ENGYS), 플렉스컴퓨트, 헥사곤, 루미너리 클라우드, M-스타, 오토데스크 계열사인 나바스토, 뉴럴 콘셉트, 엔톱, 리스케일, 지멘스, 심스케일, 시높시스, 볼케이노 플랫폼스 등이 있다.     케이던스는 엔비디아 그레이스(Grace) 블랙웰 가속 시스템을 활용해 항공기의 이착륙 시뮬레이션이라는 전산유체역학(CFD)의 대형 과제를 해결하고 있다. 케이던스는 단일 엔비디아 GB200 NVL72 서버에서 케이던스 피델리티(Fidelity) CFD 솔버를 사용해 수십억 개의 셀 시뮬레이션을 24시간 이내에 실행했다. 이는 기존의 수백만 개 코어를 가진 CPU 클러스터에서도 며칠이 지나야 완료가 가능한 작업이었다. 이 혁신을 바탕으로 항공우주 산업은 더 안전하고 효율적인 항공기를 설계하면서도, 비용이 많이 드는 풍동 실험 횟수는 줄여 출시까지 걸리는 시간을 단축할 수 있을 전망이다. 리스케일이 새롭게 출시한 CAE 허브(CAE Hub)를 활용하면 엔비디아 기술과 더불어 다수의 독립 소프트웨어 공급업체가 개발한 쿠다 가속 소프트웨어에 간편하게 접속할 수 있다. 리스케일 CAE 허브는 클라우드에서 엔비디아 GPU와 엔비디아 DGX Cloud(DGX 클라우드)에 기반한 유연하고 향상된 성능의 컴퓨팅과 AI 기술을 제공한다. 고속 항공기를 만드는 붐 슈퍼소닉(Boom Supersonic)은 리스케일 CAE 허브에서 실시간 디지털 트윈을 위한 엔비디아 옴니버스 블루프린트(Omniverse Blueprint)와 블랙웰 가속 CFD 솔버를 사용할 예정이다. 이를 통해 새로운 초음속 항공기 설계와 최적화에 나설 계획이다. 제품 개발 주기의 대부분이 시뮬레이션에 기반한 붐 슈퍼소닉은 블랙웰 GPU로 가속화된 리스케일 플랫폼을 통해 다양한 비행 조건을 테스트하고 시뮬레이션을 반복하며 요구 사항을 개선할 전망이다. 실시간 디지털 트윈을 위한 엔비디아 옴니버스 블루프린트는 현재 일반적으로 사용이 가능하며, 리스케일 CAE 허브에도 포함돼 있다. 이 블루프린트는 엔비디아 쿠다-X 라이브러리와 엔비디아 피직스네모 AI, 엔비디아 옴니버스 플랫폼을 통합했다. 더불어 물체 부근의 공기 움직임을 연구하는 외부 공기역학을 위한 엔비디아 NIM 마이크로서비스를 최초로 추가했다. 엔비디아의 젠슨 황(Jensen Huang) 창립자 겸 CEO는 “엔비디아 블랙웰에서의 쿠다 가속 물리 시뮬레이션은 실시간 디지털 트윈을 개선하고 엔지니어링 프로세스 전반을 재구상하고 있다. 사실상 모든 제품이 물리적으로 구현되기 훨씬 전에 디지털 트윈으로 먼저 생성되고 생명력을 얻을 날이 다가오고 있다”고 말했다.

인텔은 이사회가 립부 탄(Lip-Bu Tan)을 3월 18일부로 최고경영자(CEO)로 임명했다고 발표했다. 탄 신임 CEO는 데이비드 진스너(David Zinsner)와 미쉘 존스턴 홀트하우스(Michelle Johnston Holthaus)의 공동 임시 CEO 직을 이어받는다. 또한 탄 CEO는 2024년 8월에 이사회에서 물러난 이후 다시 인텔 이사회에 합류한다. 진스너는 계속해서 최고재무책임자(CFO) 겸 수석 부사장직을 수행하며, 존스턴 홀트하우스는 인텔 프로덕트 CEO로서 직무를 이어갈 예정이다. 신임 CEO 선임 과정에서 이사회 임시 의장을 맡았던 프랭크 D. 이어리(Frank D. Yeary)는 탄의 CEO 취임과 함께 독립 이사회 의장으로 복귀할 예정이다.     신임 탄 CEO는 기술 분야에서 오랜 투자자이며, 20년 이상의 반도체 및 소프트웨어 경험과 인텔 생태계 전반에 걸쳐 깊은 관계를 맺어 온 경영자이다. 2009년부터 2021년까지 케이던스 디자인 시스템스의 CEO로 재직하면서 회사의 재창조를 이끌고 고객 중심 혁신을 중심으로 한 사내문화 혁신을 주도했다. CEO로 재직하는 동안 케이던스는 매출을 두 배 이상 늘리고 영업 마진을 확대했으며 주가가 3200% 이상 상승한 바 있다.  그는 2004년 선임된 이후부터 CEO 임기를 마치고 2021년부터 2023년까지 회장으로 재직할 때까지 19년 동안 케이던스 이사회 멤버로 활동했다. 또한 월든 카탈리스트 벤처스(Walden Catalyst Ventures)의 창립 매니징 파트너이자 월든 인터내셔널(Walden International)의 회장이다. 상장 기업 이사회에서 경력을 쌓았으며, 현재 크레도 테크놀로지 그룹(Credo Technology Group)과 슈나이더 일렉트릭(Schneider Electric)의 이사회에서 활동하고 있다. 립부 탄 CEO는 싱가포르 난양공과대학교(Nanyang Technological University)에서 물리학 학사, 매사추세츠공과대학교에서 원자력 공학 석사, 샌프란시스코대학교에서 MBA를 취득했다. 2022년에는 반도체 산업 협회의 최고 영예인 로버트 N. 노이스 상(Robert N. Noyce Award)을 수상한 바 있다. 신임 탄 CEO은 CEO로 임명된 것에 대해 “인텔 CEO로 합류하게 되어 매우 영광이다. 인텔이라는 상징적인 기업에 대해 깊은 존경과 애정을 갖고 있으며, 고객에게 더 나은 서비스를 제공하고 주주 가치를 창출할 수 있도록 비즈니스를 새롭게 재구상할 중요한 기회가 있다고 본다”고 말했다. 그는 이어서 “인텔은 강력하고 차별화된 컴퓨팅 플랫폼, 방대한 기존 고객 기반, 공정 기술 로드맵을 재구축하면서 날이 갈수록 더욱 강력해지고 있는 탄탄한 제조 기반을 갖추고 있다”면서, “인텔에 합류하여 인텔 팀 전체가 미래를 대비해 비즈니스를 구축해 온 노력을 기반으로 더 나아갈 수 있기를 기대한다”고 말했다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (17)   이번 호에서는 메시 어댑테이션(mesh adaptation)의 개념을 살펴보고, 피델리티 2024.1(Fidelity 2024.1)의 최신 메시 적응 기능을 소개한다. 또한 케이던스 피델리티(Cadence Fidelity)의 메시 어댑테이션의 장점과 모범 사례를 공유하고, 피델리티 2024.1에서 메시 어댑테이션을 사용할 때 중요한 고려 사항을 중점적으로 다룬다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr     항공우주 및 방위 산업은 설계 프로세스를 가속화하는데 필수인 정확하고 효율적인 시뮬레이션을 보장하기 위한 과제를 계속 해결해 나가고 있다. 유동장 예측을 향상시키기 위해 메시 생성 프로세스를 자동화하는 다양한 기술이 개발되었다. 기존에는 전산 유체 역학(CFD)을 위한 메시를 생성하려면 물리학에 대한 깊은 이해와 복잡한 모범 사례를 준수해야 했기 때문에, 결과가 일관되지 않는 경우가 많았다. 이로 인해 특히 중요한 흐름 영역에서 성능이 과도하게 향상되거나 성능이 저하되는 그리드가 제대로 정제되지 않았다. 이 문제에 대한 잠재적인 해결책은 정확도를 개선하고 셀 수를 관리 가능한 수준으로 유지하는 아웃풋 기반 어댑티브 리메싱(Out-Put Based Adaptive Remeshing)이다.   메시 어댑테이션 소개 메시 조정에는 기존 메시를 변경하여 필수적인 흐름 특징을 보다 정확하게 캡처함으로써, 궁극적으로 계산 비용을 크게 늘리지 않고 시뮬레이션 결과를 개선하는 작업이 포함된다. 이 메시 조정 프로세스는 더 작은 셀 크기를 필요로 하는 중요한 흐름 특징이 있는 특정 영역을 타기팅하여 메시 개선 프로세스를 자동화한다. 이 최적화를 활용하면 정확도가 향상되고 관리 가능한 셀 수를 유지하여 전체 CFD 워크플로 처리 시간을 개선할 수 있다.   피델리티 2024.1의 메시 적용 피델리티 2024.1의 최신 업데이트는 피델리티 CFD의 밀도 기반 솔버(DBS) 기능을 향상시켜 피델리티 포인트와이즈(Fidelity Pointwise) 및 피델리티 헥스프레스(Fidelity Hexpress) 메시로 어댑티브 리메싱을 수행할 수 있도록 한다. 이 메시 개선 방식은 정확도와 성능을 개선하기 위해 절단 오차 추정치를 사용한다. 이는 포인트 클라우드 데이터 파일(pcd 파일)을 내보내면 메시를 수정할 위치를 알려주어 워크플로를 조정할 수 있다. 또한 리메싱 프로세스를 자동화하기 위해 새로운 파이썬 스크립트(Python Script)가 개발되었다. 시뮬레이션을 설정할 때 사용자는 특정 파라미터를 사용하여 메시 적응 기능을 활성화할 수 있다. 이 기능을 선택하면 시뮬레이션이 끝날 때 pcd 파일이 생성된다. 피델리티 CFD에는 리메싱 프로세스를 자동화하는 파이썬 스크립트가 포함되어 있어 메시 적응 워크플로를 간소화한다. 수동으로 리메싱을 수행하고 적응된 메시로 시뮬레이션 설정을 재설정하는 작업은 시간이 많이 소요되는 문제점이 있다. 케이던스 피델리티에서 이 문제점을 해결하기 위해 만들어진 파이썬 스크립트는 시뮬레이션부터 피델리티 포인트와이즈 또는 피델리티 헥스프레스의 리메싱까지 모든 메시 적응 단계를 자동화하여 이 과정을 간소화한다. 이 스크립트를 실행하는 방법은 일괄 실행 또는 GUI에서 실행하는 두 가지가 있다. 사용자는 수행할 총 리메싱 횟수를 지정하고 지정된 횟수 동안 워크플로를 실행할 수 있다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

엔비디아가 ‘슈퍼컴퓨팅 2024(SC24)’ 콘퍼런스에서 ‘엔비디아 옴니버스 블루프린트(NVIDIA Omniverse Blueprint)’를 발표했다. 이는 소프트웨어 개발업체가 항공우주, 자동차, 제조, 에너지, 기타 산업의 컴퓨터 지원 엔지니어링(CAE) 고객들이 실시간 상호작용이 가능한 디지털 트윈을 제작할 수 있도록 지원한다. 알테어, 앤시스, 케이던스, 지멘스와 같은 소프트웨어 개발업체는 실시간 CAE 디지털 트윈을 위한 엔비디아 옴니버스 블루프린트를 사용해 고객이 개발 비용과 에너지 사용량을 절감하면서 시장 출시 기간을 단축할 수 있도록 지원한다. 엔비디아는 이 블루프린트가 1200배 빠른 시뮬레이션과 실시간 시각화를 달성하기 위한 엔비디아 가속 라이브러리, 물리-AI 프레임워크, 대화형 물리 기반 렌더링을 포함하는 레퍼런스 워크플로라고 설명했다. 블루프린트의 첫 번째 적용 분야 중 하나는 전산유체역학(CFD) 시뮬레이션이다. 이는 자동차, 비행기, 선박 등 여러 제품의 설계를 가상으로 탐색하고 테스트하며 개선하는데 있어 중요한 단계이다. 기존의 엔지니어링 워크플로는 물리 시뮬레이션부터 시각화와 설계 최적화에 이르기까지 완료하는 데 몇 주 또는 몇 달이 걸릴 수 있다. 실시간 물리 디지털 트윈을 구축하려면 실시간 물리 솔버(solver) 성능과 대규모 데이터 세트의 실시간 시각화라는 2가지 기본 기능이 필요하다. 옴니버스 블루프린트는 이러한 기능을 달성하기 위해 엔비디아 쿠다-X(CUDA-X) 라이브러리를 활용해 솔버 성능을 가속화한다. 또한, 엔비디아 모듈러스(Modulus) 물리-AI 프레임워크를 사용해 플로 필드를 생성하기 위한 모델을 훈련하고 배포한다. 마지막으로, 엔비디아 옴니버스 애플리케이션 프로그래밍 인터페이스를 통해 3D 데이터 상호운용성과 실시간 RTX 지원 시각화를 제공한다.      앤시스는 옴니버스 블루프린트를 채택해 유체 시뮬레이션 소프트웨어인 앤시스 플루언트(Ansys Fluent)에 적용해 전산 유체 역학 시뮬레이션을 가속화했다. 앤시스는 텍사스 첨단 컴퓨팅센터에서 320개의 엔비디아 GH200 그레이스 호퍼 슈퍼칩(Grace Hopper Superchip)으로 플루언트를 실행했다. 2,048개의 x86 CPU 코어에서는 거의 한 달이 걸리던 25억 셀의 자동차 시뮬레이션을 6시간 만에 완료했다. 이를 통해 밤새 고충실도 CFD 분석을 수행할 수 있는 실현 가능성을 향상시키고 새로운 업계 벤치마크를 수립했다. 루미너리 클라우드 또한 블루프린트를 채택하고 있다. 엔비디아 모듈러스를 기반으로 구축된 이 회사의 새로운 시뮬레이션 AI 모델은 GPU 가속 CFD 솔버에서 생성된 훈련 데이터를 기반으로 기류장과 자동차 형상 간의 관계를 학습한다. 이 모델은 솔버 자체보다 훨씬 빠른 속도로 시뮬레이션을 실행해 옴니버스 API를 사용해 시각화된 실시간 공기 역학 흐름 시뮬레이션을 가능하게 한다. 엔비디아와 루미너리 클라우드는 SC24에서 가상 풍동을 시연했다. 이는 터널 내부에서 차량 모델을 변경하더라도 실시간으로 상호작용하는 속도로 유체 역학을 시뮬레이션하고 시각화할 수 있다. 엔비디아는 알테어, 비욘드 매스, 케이던스, 헥사곤, 뉴럴 컨셉, 지멘스, 심스케일, 트레인 테크놀로지스 등이 자체 애플리케이션에 옴니버스 블루프린트 도입을 검토하고 있다고 밝혔다. 옴니버스 블루프린트는 아마존 웹 서비스(AWS), 구글 클라우드, 마이크로소프트 애저를 비롯한 주요 클라우드 플랫폼에서 실행할 수 있다. 엔비디아 DGX 클라우드(DGX Cloud)에서도 사용할 수 있다.  리스케일은 엔비디아 옴니버스 블루프린트를 사용해 단 몇 번의 클릭만으로 맞춤형 AI 모델을 훈련하고 배포할 수 있도록 지원한다. 리스케일 플랫폼은 전체 애플리케이션-하드웨어 스택을 자동화하며, 모든 클라우드 서비스 제공업체에서 실행될 수 있다. 조직은 어떤 시뮬레이션 솔버를 사용해도 훈련 데이터를 생성하고, AI 모델을 준비, 훈련, 배포하며, 추론 예측을 실행하고, 모델을 시각화하고 최적화할 수 있다. 엔비디아의 젠슨 황(Jensen Huang) CEO는 “우리는 모든 사물이 디지털 트윈을 가질 수 있도록 옴니버스를 구축했다. 옴니버스 블루프린트는 엔비디아 옴니버스와 AI 기술을 연결하는 레퍼런스 파이프라인이다. 이는 선도적인 CAE 소프트웨어 개발자가 설계, 제조부터 운영에 이르기까지 세계 최대 산업을 위해 산업 디지털화를 혁신할 획기적인 디지털 트윈 워크플로를 구축할 수 있도록 지원한다”고 말했다.

#나인플러스아이티 #케이던스 #CFD #EDA ※ 해당 이미지가 보이지 않는다면 여기를 클릭해 주세요.

심데이터(CIMdata)가 2023년 전 세계 PLM 시장에 대한 정보와 분석을 담은 ‘PLM 시장 및 솔루션 제공업체 분석 보고서’를 발표했다. 이 보고서는 글로벌 PLM 시장의 트렌드 및 이슈 분석, 주요 PLM 솔루션 제공업체의 수익, 지역별 및 산업 부문별 수익 분석, 시장 성장에 대한 과거 및 예상 데이터 등을 포함한다. 심데이터의 이번 보고서에 따르면, 2023년 전 세계 PLM 시장은 2022년 대비 9% 성장하여 총 726억 달러(약 97조 2800억 원) 규모에 이르렀다. 세부 영역별로는 전자 설계 자동화(EDA)가 시높시스, 케이던스, 지멘스 EDA 등 주요 업체들의 실적에 힘입어 두 자릿수 성장률을 기록했다. 시뮬레이션 및 해석 분야는 8.7% 성장했으며, 포괄적 cPDm(협업 제품 정의 관리) 부문은 전년 대비 8.9% 성장했다.     심데이터는 기업들이 아이디어 단계부터 제품 수명 종료까지 이어지는 견고한 디지털 스레드의 비즈니스 이점을 인식함에 따라 PLM 시장이 지속 성장할 것으로 예상한다. 심데이터는 2024년에 PLM 시장이 전년 대비 8.6% 성장할 것으로 예상하며, 2028년까지 PLM 시장이 연평균 9.1% 성장해 1120억 달러(약 150조 800억 원)를 넘어설 것으로 전망하고 있다. 심데이터의 크리스틴 롱웰(Christine Longwell) 연구 디렉터는 “PLM 기술은 전통적으로 항공우주 및 국방, 자동차, 의료 기기와 같은 규제가 많은 산업에서 널리 사용되었으나, 패션, 소매, 의류, 소비재와 같은 소비재를 제조하는 기업에서도 점점 더 채택되고 있다”고 전했다.  기업들은 기계 및 전자 CAD, 시뮬레이션 및 해석, 시각화 및 협업, 건축 설계 등 다양한 영역과 유형의 솔루션에 대한 PLM 투자를 진행하고 있다. 심데이터는 이런 다양성이 PLM 시장을 지배하는 업체가 존재하지 않는 결과로 이어진다고 보고 있다. 심데이터는 다쏘시스템, 지멘스 디지털 인더스트리 소프트웨어, PTC 등은 MCAD와 같은 도구 및 cPDm 기술을 폭넓게 제공하고 있으며, 오토데스크와 케이던스는 특정 시장 부문에 중점을 둔 소프트웨어 도구를 제공하고 있다고 보고 있다. “이는 PLM 시장에 참여하는 기업들의 폭넓은 범위를 보여주며, 이들이 반드시 서로 직접적으로 경쟁하지는 않음을 나타낸다”는 것이 심데이터의 시각이다.