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.

디지털 지식전문가 조형식의 지식마당   지난 2월호 칼럼에서 필자는 현재 인공지능의 약점으로 현실의 물리적 특성에 대한 이해도가 떨어진다고 짚었다. 그래서 물리적 AI(physical AI)가 필요하다고 이야기한 적이 있다. 물리적 AI란 현실의 물리적 현상을 이해하는 인공지능을 의미한다. 최근의 발전된 대규모 언어 모델(LLM)과 지속적으로 발전하고 있는 인공지능 멀티모달이 우리를 놀라게 하고 있다. 그러나 인공지능 기술(AI technology)과 디지털 트윈 기술(digital twin technology)이 넘어야 할 큰 산이 있다. 인간들은 현실의 물리적 현상에 대해서 경험치가 풍부하다. 하지만 이 두 기술은 현실 세계에 대한 물리적 경험치가 많이 부족하다. 그래서 어떤 대답이나 결정이 현실 세계와 동떨어져서 사람들을 실망시키거나 놀라게 한다. 그래서 사전학습(pretraining)을 하기도 한다. 그러므로 물리적 AI와 물리적 디지털 트윈(physical digital twin)의 기술 결합이 필요하다. 최근에는 인공지능 분야에서 세계 기반 모델(world foundation model)에 관한 연구가 주목 받고 있다. 세계 기반 모델은 대규모 멀티모달 AI 모델로, 텍스트, 이미지, 음성, 영상, 코드 및 시뮬레이션 데이터를 학습한 모델로, 현실의 물리적인 특성은 물론 사회적과 경험적, 문화적 특성을 이해할 수 있는 인공지능 모델이라고 할 수 있다. 이 기반 모델(foundation model)은 인공지능 분야에서 최근 관심을 받고 있는 개념으로, 다양한 물리적 환경과 현실 세계의 데이터를 기반으로 학습하여 세계를 이해하고 예측하는 대규모 AI 모델을 의미한다. 이 모델은 현실 세계의 물리 법칙, 사회적 상호작용, 환경적 요소 등을 통합적으로 이해하고 시뮬레이션할 수 있도록 설계된다. 물리적 디지털 트윈은 디지털 트윈을 세계 기반 모델로 학습시킨 디지털 트윈이라고 할 수 있다. 현재 디지털 디지털 트윈의 의사결정이 빅데이터나 기계 학습 수준이라면 이것은 딥러닝이라고 할 수 있다. 딥러닝은 전이학습(transfer learning)이나 추론(reasoning)이 가능하다. 현재의 디지털 트윈 개발 환경은 몇 년 전의 챗GPT같은 인공지능 기반 모델이 나오기 전과 비슷하다. 산업 분야 별로 표준화도 없고, 각각의 필요에 따라서 매번 개발해야 하고, 다시 재사용하는 부분도 상대적으로 적어서 개발 비용이 사용자의 기대감에 비해서 매우 비싸고, 저렴한 것은 범용성이 거의 없는 편이다. 그리고 디지털 트윈 내부의 의사결정 법칙을 만들거나 인공지능에 필요한 빅 데이터와 학습 데이터 비용이 많이 필요하다.   그림 1. 물리적 인공지능과 물리적 디지털 트윈의 결합(출처 : 챗GPT로 생성)   제품 개발과 생산과 유지보수 분야에서 디지털 트윈과 AI의 결합은 많은 장점이 있다. 디지털 트윈과 AI를 결합하면 각 기술의 장점을 극대화할 수 있다. 향상된 예측 및 분석 : AI는 디지털 트윈이 수집한 데이터를 분석하여 더 정확한 예측을 제공할 수 있다. 예를 들어, AI는 장비의 장애를 예측하거나, 성능 저하를 조기에 감지하는 데 사용될 수 있다. 자동화된 의사결정 : AI는 디지털 트윈 데이터를 기반으로 더 효율적이고 자동화된 의사결정을 가능하게 한다. 이를 통해 프로세스를 최적화하고 운영 효율성을 향상시킬 수 있다. 연속적인 학습 및 개선 : 디지털 트윈은 지속적으로 데이터를 수집하고, AI는 이 데이터로부터 지속적으로 학습하며, 시스템의 성능을 개선한다. 사용자 맞춤형 경험 : AI는 디지털 트윈을 통해 수집된 사용자 데이터를 분석하여 맞춤형 사용자 경험을 제공할 수 있다. 만약에 이것이 가능하다면 제품 개발에 필요한 수많은 도면과 CAD 파일과 CAE 작업이 혁신적으로 줄 수 있을 것이다. 물리적 디지털 트윈과 물리적 AI의 추론과 시뮬레이션으로 대체할 수 있다. 그리고 다양한 시나리오가 적용된 결과물은 동영상으로 생성해서 볼 수 있다. 물리적 인공지능과 물리적 디지털 트윈의 기술 통합은 제조 산업 분야에 엄청난 게임 체인저가 될 수 있다. 요즘 각광을 받고 있는 딥시크(DeepSeek)처럼 일반 PC에서 사용할 수 있는 오픈소스의 AI에 물리적인 특성을 이해하는 디지털 멀티모달 AI 모델과 디지털 트윈이 중소기업과 개인 엔지니어가 사용할 수 있는 수준이 된다면, 진정한 인공지능 중심의 5차 산업혁명이 올 수 있다. 이것은 모든 엔지니어에게 새로운 경험이 될 수 있다.    ■ 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.

알테어가 자사의 클라우드 플랫폼인 ‘알테어원’에 엔비디아의 ‘옴니버스 블루프린트’를 통합했다고 밝혔다. 옴니버스 블루프린트는 엔비디아가 개발한 실시간 디지털 트윈 구축을 위한 참조 워크플로이다. 이번 통합으로 사용자는 복잡한 시뮬레이션과 디지털 트윈을 실시간으로 시각화하고 구축할 수 있으며, 별도의 설정 없이 다양한 사용자와 함께 협업할 수 있다.   이제 사용자는 알테어원 내에서 옴니버스 블루프린트를 즉시 활용할 수 있으며, 구축한 디지털 트윈은 클라우드와 온프레미스 환경 어디서든 손쉽게 배포할 수 있다. 알테어원은 모든 데이터를 메타데이터와 함께 체계적으로 관리해 설계 반복 시에도 유연하게 대응할 수 있도록 지원한다. 특히 알테어의 인공지능(AI) 기반 해석 설루션인 ‘알테어 피직스AI’를 함께 활용할 경우, 기존에 며칠씩 걸리던 물리 해석 작업을 수 초 내지는 수 분 내로 단축할 수 있다.   실시간 협업도 중요한 차별점이다. 사용자는 디지털 트윈 환경에서 여러 사용자와 동시에 설계를 진행하고, 가상 환경에서 실시간으로 시뮬레이션을 수행할 수 있다. 특히 3D 설계, AI, 레이 트레이싱 기술이 결합된 몰입형 업무 환경을 제공하며, 클라우드 기반의 고품질 렌더링과 스트리밍 기능을 통해 복잡한 시스템 통합도 간소화된다. 알테어는 충돌 및 낙하 테스트 등 고난도 해석 작업에서도 시뮬레이션 속도와 협업 효율을 높일 수 있을 것으로 보고 있다.   이번 협업은 엔비디아의 GPU 가속, NIM 마이크로서비스, 옴니버스 플랫폼 등 최신 기술을 기반으로 하며, 알테어는 이를 바탕으로 시뮬레이션, AI, 데이터 분석, 고성능 컴퓨팅(HPC) 등 자사의 핵심 역량을 단일 플랫폼에 집약해 디지털 엔지니어링의 새로운 표준을 제시할 계획이다.     엔비디아의 티모시 코스타 CAE 및 CUDA-X 부문 수석 디렉터는 “디지털 트윈 기술은 산업을 재편하고 있다”면서, “알테어 사용자는 이제 엔비디아의 첨단 기술을 기반으로 더욱 효율적이고 실질적인 디지털 엔지니어링을 구현할 수 있을 것”이라고 말했다.   알테어의 샘 마할링엄 최고기술책임자(CTO)는 “엔비디아의 블랙웰 가속기, AI, 옴니버스 기술을 알테어원에 통합함으로써 고객은 디지털 트윈과 시뮬레이션을 보다 빠르고 직관적으로 운영할 수 있게 됐다”면서, “이번 통합은 데이터, AI, 시뮬레이션을 하나의 워크플로로 연결해 디지털 엔지니어링 혁신을 실현하는 중요한 전환점이 될 것”이라고 강조했다.   한편 알테어는 옴니버스 블루프린트 통합 외에도 주요 제품에 엔비디아 기술을 적용해 성능 향상을 지속하고 있다. 알테어의 구조해석 설루션인 ‘알테어 옵티스트럭트’는 GPU 가속 라이브러리 cuDSS를 도입해 CPU 및 GPU에서 해석 성능을 개선했다. 또한 알테어의 주요 전산유체해석(CFD) 소프트웨어가 블랙웰 플랫폼에서 최대 1.6배의 속도 향상을 기록했고, 입자 해석 시뮬레이션 소프트웨어인 ‘알테어 이뎀’은 기존 32코어 CPU 대비 최대 40배 빠른 시뮬레이션 속도를 달성한 바 있다.

  18　THEME. 디지털 전환으로 플랜트/조선 산업 경쟁력을 찾다 EPC 엔지니어링의 혁신을 위한 AI 기술 효율적 작업 환경과 미래 인력 운용 설루션으로서의 디지털 트윈 산업현장의 성공적인 DX를 위한 인사이트 공유 디지털 전환 생산 혁신의 마지막 퍼즐, 성과제   INFOWORLD   Editorial 17　제조 혁신의 나침반, 자율화와 지속가능성의 조화로 향한다   Case Study 31　유니티로 3D 건설 협업 애플리케이션을 구축한 오바야시　건설 프로세스에서 협업을 대중화하다   Focus 34　중소기업의 제품 개발 혁신을 이끄는 지멘스의 전략은? 36　클라우드·AI로 무장한 지스타캐드, 국내 CAD 시장 공략 가속화 38　로크웰 오토메이션, “전방위 AI 지원으로 자율 운영 공장을 구현한다” 40　2025 산업지능화 컨퍼런스, AI-산업 데이터 결합 통한 제조 혁신 제시 42　인텔, 고성능 AI PC 위한 프로세서 및 생태계 전략 소개 44　SIMTOS 2026, ‘AI 자율제조와 인재 연결’을 주제로 2026년 4월 킨텍스서 개최   On Air 46　캐드앤그래픽스 CNG TV 지식방송 지상중계　무전원 IoT 센서를 활용한 스마트 공장 고도화 지원 방안 48　캐드앤그래픽스 CNG TV 지식방송 지상중계　시뮬링크를 활용한 모델 기반 설계의 핵심과 실제 적용 사례 49　캐드앤그래픽스 CNG TV 지식방송 지상중계　시뮬레이션과 디지털 트윈을 통한 전기차 시장 경쟁력 확보   Column 52　디지털 지식전문가 조형식의 지식마당 / 조형식　이제는 인공지능과 디지털 트윈의 만남이 필요하다 54　트렌드에서 얻은 것 No. 22 / 류용효　AI의 거대한 파도, 엔비디아가 만드는 미래   50　New Books Directory 123　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   PLM 59　BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (2) / 윤경렬, 가브리엘 데그라시　BPMN은 무엇일까?   AEC 62　새로워진 캐디안 2025 살펴보기 (5) / 최영석　유틸리티 기능 소개 Ⅲ 66　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　오픈소스 LLM 기반 블렌더 모델링 AI 에이전트 개발하기 119　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (1) / 천벼리　아레스 캐드 2026의 새로운 기능   Visualization 70　전문 분야를 넘나들며 상상을 생동감 있게 디자인하기 / 장순규　기록에서 시청하는 문화를 이끄는 생성형 AI의 미래 74　AI 크리에이터 시대 : 영상 제작의 새로운 패러다임 (1) / 최석영　AI 영상 제작 생태계의 현재와 미래 86　산업 디지털 전환을 가속화하는 버추얼 트윈 (1) / 조희원, 남솔아　엔지니어링 데이터 기반으로 하이엔드 시각화 혁신하기   Reverse Engineering 80　시점 - 사물이나 현상을 바라보는 눈 (4) / 유우식　정적 이미지와 동적 이미지   Analysis 91　앤시스 워크벤치를 활용한 해석 성공 사례 / 김지원　앤시스 플루언트를 이용한 혈류 해석 워크플로 94　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (20) / 나인플러스IT　터보 기계 시뮬레이션을 위한 엔지니어 가이드 Ⅴ 98　제품 개발 프로세스의 변화 이끄는 MBD / 오재응　가상 제품 개발에 적용하기 위한 MBD와 CAE의 차이 및 협업 104　최적화 문제를 통찰하기 위한 심센터 히즈 (2) / 이종학　근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화   Mechanical 111　제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (11) / 김주현　크레오 파라메트릭에서 파이핑 생성하기 Ⅱ       캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

앤시스가 엔비디아, 볼보자동차와 협력해 공기역학 시뮬레이션 분야에서 우수한 성과를 달성했다고 밝혔다. 앤시스는 엔비디아 블랙웰(NVIDIA Blackwell) GPU 8개를 시뮬레이션 솔버에 활용하고 CPU 코어를 메싱에 적용한 결과, 전체 시뮬레이션 실행 시간을 기존 24시간에서 6.5시간으로 단축했다. 앤시스는 이번 성과를 통해 반복적인 설계 작업을 가능케 하며, 배터리 전기차(BEV) 최적화 연구를 더욱 심도 있게 지원하고 개발 기간 단축과 시장 출시 속도 가속화에 기여할 것이라고 밝혔다. 또한, 이번 협업이 자동차 산업을 비롯한 항공우주, 모터스포츠, 소비자 전자제품 등 정밀한 유체 흐름 시뮬레이션이 요구되는 다양한 산업 분야에서 새로운 기준을 제시할 것으로 기대하고 있다. 볼보자동차는 전기차 배터리 성능 향상을 위해 고성능 컴퓨팅(HPC)과 전산유체역학(CFD)을 적극 활용하고 있다. 특히, 전기차의 주행 거리 향상에 큰 영향을 미치는 공기역학적 항력(aerodynamic drag)을 최소화하는 작업이 중요한 과제로 떠오르고 있는 가운데, 이를 최적화하기 위해 정밀한 시뮬레이션이 필수로 요구된다. 그러나 고정밀도의 CFD 시뮬레이션은 상당한 시간과 연산 자원을 요구하며, 높은 비용이 소요되는 동시에 최적화 기회가 제한되는 한계점이 있다.     앤시스와 볼보자동차는 EX90 전기자동차의 에너지 효율성 및 주행거리 향상을 위해 앤시스 플루언트(Ansys Fluent)를 엔비디아 블랙웰 GPU 8개로 확장해 메싱에 1시간, 솔버에 5.5시간이 소요되는 최적화된 엔드 투 엔드 워크플로를 구현했다. 기존에 2016개의 CPU 코어를 사용해 동일한 시뮬레이션을 실행한 경우와 비교하면 솔버 실행 시간이 2.5배 빨라진 것이다. 이러한 기술 결합은 볼보자동차가 CFD 시뮬레이션을 하루에 여러 차례 반복 실행하고, 다양한 설계 변수를 평가해 설계 최적화를 획기적으로 수행할 수 있도록 지원한다. 시뮬레이션 프로세스 속도가 빨라짐에 따라 볼보자동차는 배출가스 저감, 주행거리 연장, 효율성 향상 등 국제표준시험방식(WLTP)의 핵심 기준을 더욱 효과적으로 충족할 수 있을 것으로 기대하고 있다. 볼보자동차의 토르비욘 비르둥(Torbjörn Virdung) CFD 기술 총괄 책임자는 “앤시스 시뮬레이션을 활용하면 기존 방식보다 더욱 빠르게 설계를 최적화하고 가상 테스트까지 수행할 수 있다”며, “제품 효율을 높이기 위해서는 우리가 사용하는 툴과 설루션의 성능을 우선적으로 점검해야 한다”고 밝혔다. 또한 “앤시스 플루언트는 정밀한 분석이 가능한 데다 엔비디아의 인프라를 통해 계산 속도까지 대폭 향상돼 다양한 설계 옵션을 더욱 빠르고 폭넓게 검토할 수 있어, 결과적으로 우리가 최적의 차량 설계를 단기간에 구현할 수 있게 됐다”고 덧붙였다. 앤시스의 셰인 엠스와일러(Shane Emswiler) 제품 부문 수석 부사장은 “이번 사례는 GPU 기반의 시뮬레이션이 혁신을 촉진하고 제품 출시 기간을 단축할 수 있음을 보여준다”며, “정밀한 모델링과 빠른 연산 속도를 결합한 GPU 가속 시뮬레이션을 통해 고객은 보다 많은 시뮬레이션을 수행하고 최상의 성능을 가진 제품을 개발할 수 있다”고 말했다. 엔비디아의 팀 코스타(Tim Costa) CAE EDA 및 양자 부문 수석 이사는 “앤시스와 볼보자동차의 이번 협력은 엔비디아의 최신 블랙웰 인프라 설루션이 지닌 뛰어난 성능과 확장성을 엔지니어링 시뮬레이션 분야에서 입증한 것”이라며, “엔비디아는 앤시스와 같은 소프트웨어 파트너와 함께 컴퓨터 기반 엔지니어링의 미래를 선도하고 있으며, 전에 없던 뛰어난 성능과 높은 확장성을 제공해 고객들이 복잡한 엔지니어링 과제를 해결할 수 있도록 지원할 것”이라고 밝혔다.

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.

디지털 트윈에 대한 이해 및 동향, 관련 제품 및 업체 소개 등을 집대성한 <디지털 트윈 가이드>가 발간되었습니다.  <디지털 트윈 가이드>는 한국산업지능화협회 PLM 기술위원회의 주도 하에 업계의 다양한 흐름들을 제시하고, 디지털 트윈에 대한 이해와 트렌드, 디지털 트윈 시스템 구축시 알아두어야 할 전략과 구축 가이드, 관련 소프트웨어 및  공급 업체 소개, 제품리스트 등을 집대성하였습니다.    공저 : 한국산업지능화협회 PLM기술위원회 한순흥 / 손지연 / 권순재 / 양영진 / 안창원 / 박수진 / 류수영 / 박양호 / 강태신 / 오병준 / 진득호 / 김지인 / 문명수 / 손대식 / 김준형 / 신민용 / 조형식 / 김성희 / 류용효 / 차석근 / 안영규 / 전완호 / 이지수 / 최창현 / 김형중 외  페이지 : 272쪽 정가 : 30,000원   목차 머리말 - <디지털 트윈 가이드> 발간에 부쳐 / 최경화   Part 1. 디지털 트윈 개론 8    디지털 트윈 개론    한순흥 Part 2. 디지털 트윈 핵심 기술 24    제조 디지털 트윈 표준 모델 및 연동 가이드라인 소개    손지연 32    디지털 트윈 구축을 위한 BIM 기반 3D 개체의 필요성    권순재 Part 3. 디지털 트윈 도입 전략과 가이드 38    디지털 트윈의 이해와 구현 방법    양영진 45    디지털 트윈 정부 전략 및 로드맵    안창원 50    디지털 트윈을 처음 도입하는 기업을 위한 가이드    박수진 58    디지털 트윈 기술발전에 따른 단계별 구축 가이드    류수영 63    국제 표준 기반 제조 디지털 트윈 스마트 내비게이션 시스템 구축 방안    박양호 70    디지털 트윈 : 엔지니어의 상상은 현실이 된다    강태신 74    기업의 디지털 전환을 위한 총체적 접근 방식    오병준 80    디지털 트윈 가이드: 리얼타임 렌더링으로 살펴보는 디지털 트윈 트렌드    진득호 86    3D CAD 를 활용한 디지털 트윈 도입 가이드    김지인 90    스마트 제조의 분수령, 디지털 트윈의 혁명    문명수 95    디지털 트윈 도입 검토 보고서 작성법    손대식 100    AWS 디지털 트윈 구축 전략과 성공 사례    김준형 106    제조업의 성공적인 디지털 트윈 도입을 위한 여정    신민용 Part 4. 디지털 트윈 최신 트렌드 114    미래의 디지털 트윈에 대해서    조형식 118    AI 시대의 디지털 트윈    김성희 124    AI 기반 디지털 트윈 : 산업 혁신의지능형 미래     류용효 Part 5. 디지털 트윈 적용 사례 130    디지털 트윈 구축을 위한 제조 데이터 표준화 구축 및 사례    차석근 136    가상 제품 개발 및 검증을 위한 디지털 트윈    안영규 142    디지털 전환 성공을 위한 CAE, AI/ML과 디지털 리얼리티 플랫폼 기술 제안    전완호 146    가상과 현실의 완벽한 동기화, 디지털 트윈의 산업 재창조    이지수 152    디지털 트윈의 새로운 패러다임: GPU 가속 기반 소프트웨어와 하드웨어의 효과적인 융합    나인플러스아이티 157    디지털 트윈과 몰입형 기술 트렌드와 적용 사례     유니티 162    스마트시티와 건설 디지털 트윈 기술 현황 및 시사점    최창현 168    스마트 공항, OpenBIM 모델링 구축 사례    비아이엠팩토리 172    디지털 트윈과 AI를 활용한 소방 시스템 도입사례: 중국 대련 소방대와의 협력    아브로브소프트코리아 175    산업 안전을 위한 디지털 트윈 활용    김형중, 우종헌 Part 6. 주요 디지털 트윈 소프트웨어 소개 180    Ansys Twin Builder    디지털 트윈 모델 생성 및 배포 솔루션 182    ARAS PLM    오픈소스 PLM 소프트웨어 184    AutoForm Assembly    차체 제작 조립 공정 디지털화 소프트웨어  185    AutoForm Car Body Planner    차체 구매 견적 및 비용 산출 프로세스 186    AutoForm-Sigma    스탬핑 공정의 안정성과 효율성 향상 소프트웨어 188    Cadence Fidelity CFD    고성능 멀티피직스 플랫폼 191    Emulate3D    디지털 트윈 소프트웨어  192    CATIA    제품 설계 및 협업 솔루션 193    DELMIA Digital Manufacturing    제품 설계/생산 전 과정 시뮬레이션 및 최적화 솔루션 194    CP(Collaboration Platform)     제조기업 디지털 트윈기반 협업 플랫폼  197    FlexSim    3D 시뮬레이션 소프트웨어  198    CupixWorks(큐픽스웍스)    AI 기반 4D 디지털 트윈 플랫폼 200    DTDon    실시간 원격 협업 도구운용성 향상을 위한 솔루션 202    DTDsquare    산업용 디지털 트윈 플랫폼 204    guardione turbo(가디언 터보)    산업용 AI 솔루션 206    HxGN EAM    제조기업 차세대 설비자산관리솔루션 208    HxGN SDx    스마트 디지털 리얼리티 209    LinkBiz    제조 IT 솔루션 210    NDX PRO    데이터 기반 디지털 트윈 플랫폼 212    NFLOW    입자 시뮬레이션 소프트웨어 215    mago3D    디지털 트윈 플랫폼 216    Nexus    엔지니어링과 생산 협업을 위한 개방 플랫폼 219    Nextspace    3D GIS 디지털 트윈 제작 및 시각화 플랫폼 220    NVIDIA Omniverse(엔비디아 옴니버스)    3D 애플리케이션 개발 플랫폼  222    NX X    클라우드 기반 제품 엔지니어링 솔루션 223    One Total Twin    디지털 트윈 솔루션 225    OCMS    해상공사 통합관리 시스템 226    SynchroSpace    전자·전기·기구 통합 PLM 시스템 228    TROSAR CyberSpace    디지털 블록 기반 확장현실 솔루션 231    Smart Digital Twin    제조에 특화된 디지털 트윈 플랫폼 232    TeamPlus    도면 및 기술정보관리 솔루션  234    TTM 3D TWINS    디지털 트윈 플랫폼 237    Teamcenter X    PLM을 위한 SaaS 솔루션 238    Unity Industry(유니티 인더스트리)    실시간 3D 콘텐츠 제작 및 성장 플랫폼 240    Unreal Engine(언리얼 엔진)    건축, 제조, 영화 등 활용 가능한 게임 엔진 241    Visual Components    3D 시뮬레이션 소프트웨어 242    Universal Plant Viewer    플랜트 운영 및 엔지니어링을 위한 디지털 트윈 244    WAiSER (와이저)    디지털 트윈 구축을 위한 BAS 기반 플랫폼 245    VIZZARDX    대용량 엔지니어링 데이터의 경량 시각화 솔루션 246    OCTOPUS Hub    실시간 데이터 수집 및 분석, 2D/3D 가상화 솔루션 248    디지털 작업절차서 통합 시스템    3D 모델링 기반 작업 절차서 지원 250    3DxSUITE, CADdocor    이기종 시스템 간의 3D 데이터 상호운용성 향상을 위한 솔루션 252    Part 7. 디지털 트윈 관련 업체 리스트     가이아3D / 나인플러스아이티 / 다쏘시스템코리아 / 동양대학교  / 디엑스티 / 로크웰 오토메이션 / 마이링크 / 비아이엠팩토리&한국공항공사 / 소프트힐스 / 씨이랩 / 아마존웹서비스(AWS) / 아브로소프트코리아 / 아이지피넷 / 아이티언 / 알씨케이 / 앤시스코리아 / 에스더블유에스 / 에픽게임즈 / 엔비디아 / 엠아이큐브 / 오토데스크 / 오토폼 / 원프레딕트 / 유니티 / 유비씨 / 이안 / 이에이트 / 이엔지소프트 / 젠스템 / 지멘스 디지털 인더스트리 소프트웨어 / 큐픽스 / 타임텍 / 태성에스엔이 / 팀솔루션 / 포디게이트 / 프라이스워터하우스컨설팅(PWC) / 플랜트에셋 / 한국알테어 / 헥사곤ALI / 헥사곤MI      266    Part 8. 업체별 주요 디지털 트윈 관련 제품 리스트       ----------------------------- 이 책자는 디지털 트윈 관련 저변 확대와 활성화를 위해 온라인과 오프라인에서 판매하고자 합니다.   도서 구입도 가능합니다. 이북은 첨부 파일 누르시면 결제 후 파일 다운로드 가능합니다.  다운로드가 안될 경우 메일로 요청해 주세요   제목 : 디지털 트윈 가이드 이북 결제 완료 에러 파일 요청 구입자명 :  받으실 메일주소 전화번호 :  보내실 곳 : info@cadgraphics.co.kr   ------------------------- 실물 도서로도 구입 가능합니다.  도서 구입하러 가기      

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (19)   터보 기계는 흐르는 유체와 회전하는 요소 사이에서 에너지 전달이 일어나는 기계에 초점을 맞춘 기계공학의 한 분야이다. 이러한 장치는 많은 산업 분야에서 중추적인 역할을 한다. 이번 호에서는 터보 기계의 시뮬레이션을 위한 솔버의 선택과 설정, 후처리 및 분석, 최적화 등의 과정을 살펴본다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   로터-스테이터 인터페이스 성능을 결정하고 잠재적인 문제를 식별하는 데 필수인 터보 기계의 회전 및 고정 구성 요소 간의 상호 작용을 모델링하는 방법에는 여러 가지가 있다. 다음에 설명된 방법은 동적 영역과 정적 영역 간의 정확한 흐름 전달을 보장하기 위해 로터-회전자 인터페이스를 올바르게 모델링하는 데에 사용된다.  혼합 평면 접근법 : 이 방법은 인터페이스 전반의 유동 특성을 평균화하여 회전 영역과 고정 영역 사이의 인터페이스를 모델링하는 데 사용되는 계산적으로 효율적인 정상 상태 근사치이다. 이 방법은 이들 영역 사이의 흐름을 효과적으로 ‘혼합’하여 안정된 인터페이스 조건을 제공하므로, 로터 블레이드가 고정자 베인을 통과할 때 발생하는 실제 불안정한 현상을 해결하지 않아 시뮬레이션을 단순화한다. 도메인 스케일링 방법 : 이 불안정 기법은 도메인의 물리적 치수를 스케일링하여 로터와 고정자 사이의 상대적인 움직임을 시뮬레이션하는 것이다. 다양한 회전 속도의 효과를 모델링하거나 전체 지오메트리를 명시적으로 모델링하지 않고 정수가 아닌 블레이드 수 비율을 맞추기 위해 자주 사용된다. 이 방법은 로터/스테이터 인터페이스 전체에 동일한 메시 주기성을 적용하여 양쪽에서 일관된 흐름 특성을 보장한다. 위상 지연 방법 : 이 방법은 주기성을 가정하고 도메인의 여러 세그먼트 간에 위상 변이를 적용하여 불안정한 회전자-회전자 상호 작용을 시뮬레이션할 수 있다. 이 방법을 사용하면 전체 도메인의 불안정한 동작을 표현하면서 지오메트리의 일부를 시뮬레이션할 수 있으므로 계산 비용을 줄일 수 있다. 위상 지연 방식은 반복 패턴이나 주기적 대칭이 있는 경우에 특히 유용하다. 회전 기준 프레임(RRF) : RRF 방법은 로터와 함께 회전하는 기준 프레임에서 유동 방정식을 푸는 방식이다. 이 방법은 로터 동작의 물리적 시뮬레이션 없이도 구성 요소 회전으로 인한 흐름 효과를 시뮬레이션한다. 이 방법은 정상 및 비정상 시뮬레이션 모두에 사용할 수 있다. 정상 시뮬레이션에 사용할 경우 회전하는 부품과 정지된 부품 간의 통신을 위한 인터페이스 처리가 필요한 경우가 많으며, 이때 혼합 평면 접근법을 적용할 수 있다. 슬라이딩 메시 방법 : 이 기법은 과도 시뮬레이션에 사용되며 로터와 고정자 사이의 시간에 따라 변화하는 상호작용을 캡처할 수 있다. 로터 도메인의 메시가 고정자 도메인의 고정 메시와 관련하여 움직이거나 미끄러지므로 실제 회전 및 관련 불안정 유동 현상을 시뮬레이션할 수 있다. 다중 참조 프레임(MRF) : MRF는 회전하는 영역의 흐름을 평균화하는 정상 상태 접근 방식이다. 그러나 이 방법을 사용하면 시뮬레이션 도메인의 여러 영역이 서로 다른 기준 프레임에 있을 수 있다. 따라서 회전자 도메인은 회전하는 기준 프레임에 설정하고 고정자 도메인은 고정된 상태로 유지할 수 있다. 고정 회전자 접근법 : 로터와 스테이터 위치가 서로에 대해 고정되어 있는 정상 상태 근사치로, 시간의 스냅샷을 시뮬레이션한다. 슬라이딩 메시 방식보다 계산 비용이 저렴하지만 실제 과도 효과를 포착할 수 없다.   그림 1. 특정 경우와 일반적인 경우의 로터-스테이터 처리 순서도   <그림 1>의 순서도는 특정 유동 특성에 따라 정상 상태 계산에서 로터-스테이터 인터페이스 처리를 선택하기 위한 의사 결정 프로세스를 제공한다. 시뮬레이션에 회전하는 임펠러와 고정된 볼류트 케이스 사이의 상호작용이 포함된 경우, 상세한 국소 유동 변화를 포착하고 계면 전체의 질량, 운동량 및 에너지 보존을 국소적으로 보장하기 위해 국소 보수적 결합을 권장한다. 다음으로, 계면 근처에 충격파가 존재하여 유동장에 강한 영향을 미칠 수 있는 고구배 유동 특성인 경우 1D 또는 2D 비반사 경계 조건이 제안된다. 이러한 조건은 시뮬레이션 결과를 손상시킬 수 있는 경계에서 충격파의 인위적인 반사를 최소화하도록 설계되었다. 마지막으로, 인터페이스 근처에 충격파가 없는 경우 전체 비일치 혼합 평면 또는 보수적 결합 방법을 사용하는 것이 좋다. 완전 비일치 혼합면 방법은 계면 전체의 유동 특성을 평균화하므로 회전자-회전자 상호 작용의 상세한 시간 정확도 캡처가 중요하지 않은 경우에 적합하다. 보수적 결합 접근법은 메시 적합성 없이 인터페이스 전체에서 질량, 운동량 및 에너지를 보존해야 하는 시나리오에 이상적이며, 따라서 회전자 메시와 고정자 메시 간의 어느 정도의 정렬 불일치 또는 비적합성을 수용할 수 있다. <표 1>에는 안정된 시뮬레이션에 사용할 수 있는 다양한 로터-스테이터 인터페이스 처리 방법이 요약되어 있다.   표 1. 회전자-고정자 인터페이스 처리 방법     ■ 자세한 기사 내용은 PDF로 제공됩니다.

개발 및 공급 : 앤시스코리아 주요 특징 : 사용자 학습 데이터 기반의 AI로 후처리 과정에서 심층 인사이트 제공, 시스템 아키텍처 모델러에 SysML v2 지원 추가해 협업 촉진 및 제품 설계 최적화 가속, HPC 라이선스 없이 엔터프라이즈급 CFD 기능 제공하는 앤시스 CFD HPC 얼티메이트 출시 등   앤시스가 디지털 엔지니어링 혁신을 지원하는 AI 기반 엔지니어링 시뮬레이션 설루션인 ‘앤시스 2025 R1(Ansys 2025 R1)’을 발표했다. 앤시스 2025 R1은 정교한 디지털 엔지니어링 기술을 통해 기존 인프라와 원활하게 연계될 뿐 아니라, 업무 중단을 최소화하면서 보다 혁신적인 제품 개발을 위한 협업을 지원한다. AI, 클라우드 컴퓨팅, GPU 및 HPC의 강력한 성능을 기반으로 한 이번 업데이트는 더욱 신속하고 협력적인 의사 결정을 가능케 하며, 설계 탐색 범위를 확장하고 제품 설계 기간 단축에 기여할 전망이다. 앤시스의 셰인 엠스윌러(Shane Emswiler) 제품 총괄 수석 부사장은 “앤시스 2025 R1은 더욱 강력한 통합 기능을 제공해, 제품 전체 수명 주기에 걸쳐 디지털 프로세스를 구축하고 개발 전후 데이터를 효율적으로 관리할 수 있는 다양한 도구와 설루션을 제공할 것”이라면서, “하나의 데이터 기반의 환경에서 서로 단절된 팀도 원활하게 협업할 수 있도록 지원하며, 이를 통해 비용 절감과 제품 출시 기간을 단축시켜 고객의 경쟁력 강화에 기여할 것”이라고 밝혔다. 제품이 점차 통합되고 복잡해짐에 따라 R&D 프로세스 또한 급변하는 시장 요구에 맞춰 지속적으로 발전해야 한다. 앤시스는 고객의 디지털 전환 과정을 원활하게 지원하며, 변화하는 시장 환경에 대응할 수 있도록 다양한 도구와 설루션을 제공할 예정이다.   ▲ 이미지 출처 : 앤시스 웹사이트 캡처   향상된 물리 솔버 제품 성능을 보장하려면 구성 요소부터 시스템 전반에 이르는 멀티피직스(multi-physics)를 이해하는 것이 필수이다. 앤시스 2025 R1은 신속하고 정밀한 물리 기반 시뮬레이션 결과를 제공하는 신제품뿐만 아니라, 기존 제품의 강화된 기능을 통해 엔지니어링 팀이 설계 초기 단계에서 보다 신뢰성 높은 의사 결정을 내릴 수 있도록 지원할 전망이다. 앤시스 디스커버리(Ansys Discovery) 3D 시뮬레이션 소프트웨어는 전열(electrothermal) 분석, 오소트로픽(orthotropic) 전도, 내부 팬(fans) 기능을 추가해 써멀 모델링 역량을 확장했으며 속도 및 사용 편의성을 개선했다. 구조 해석 설루션은 소음·진동·마찰(NVH)에 대한 통합 설루션을 제공하며, 주파수 응답 함수(FRF) 계산 속도가 10배 향상됐다. 또한 진동음향(vibro-acoustics) 매핑, 최적화된 메싱, 모드 기여도 분석 기능 등을 탑재했다. 앤시스 일렉트로닉스(Ansys Electronics)는 앤시스 소프트웨어 제품 간 연결성을 강화해 3D 집적 회로에 중요한 메싱을 개선하며 자동화된 워크플로우 기능, 향상된 시뮬레이션 성능 등을 제공한다. 새로운 폴리머 FEM(Polymer FEM) 제품은 높은 정확도의 모델을 적용해 실제 재료의 거동을 정밀하게 포착하며, 고객의 고급 재료 시뮬레이션 요구 사항을 충족한다.   클라우드/HPC/GPU 클라우드 컴퓨팅, 고성능 컴퓨팅(HPC) 및 GPU의 강력한 성능은 최신 제품의 엔지니어링 속도를 혁신적으로 변화시키고 있다. 이 과정에서 접근성, 상호 운용성, 확장성은 핵심 요소로 작용하며, 고객이 데스크톱 애플리케이션의 한계를 넘어서서 보다 혁신적인 제품을 협업하여 설계할 수 있도록 지원한다. 앤시스 2025 R1은 GPU 솔버의 성능을 한층 강화했으며, 다양한 애플리케이션에 웹 기반 온디맨드(on-demand) 기능을 추가 제공한다. 앤시스 플루언트(Ansys Fluent)  멀티 GPU(multi-GPU) 유체 시뮬레이션 솔버는 자동차 외부 공기 역학과 같은 대규모 메시 셀(mesh cell)을 포함한 고해상도 해석을 지원한다. 또한, 전체 시뮬레이션 속도 저하 없이 매개변수 추가 및 정확도 개선을 설계자에게 제공한다. 앤시스 CFD HPC 얼티메이트(Ansys CFD HPC Ultimate)는 추가 HPC 라이선스 없이 단일 작업에서 여러 CPU 코어 또는 GPU를 활용할 수 있는 엔터프라이즈급 전산유체역학(CFD) 기능을 제공한다. 앤시스 루메리컬 FDTD(Ansys Lumerical FDTD)의 새로운 GPU 가속 3D 전자기 시뮬레이션은 기존 CPU 솔버 대비 메모리 사용량을 50% 절감하며 메싱 시간을 20% 줄인다. 앤시스 메커니컬(Ansys Mechanical)의 GPU 직접 가속 구조 유한 요소 해석(FEA) 솔버는 기존 설루션 대비 최대 6배 빠른 성능을 제공하며, 반복 솔버(iterative solver)는 CPU 전용 솔버 대비 6배 빠른 속도를 구현한다. 앤시스 디스커버리(Ansys Discovery)의 클라우드 버스트 컴퓨팅(Cloud Burst Compute) 기능을 활용하면 1000개의 설계 변형을 10분 만에 해결할 수 있다. 엔비디아 GPU를 활용한 디스커버리의 매개변수 연구(parametric study) 속도는 100배 이상 향상된다. 앤시스 클라우드 버스트 컴퓨팅(Ansys Cloud Burst Compute) 기능은 앤시스 메카니컬 (Ansys Mechanical), 앤시스 플루언트(Ansys Fluent) 및 앤시스 HFSS(Ansys HFSS) 고주파 전자기 시뮬레이션 소프트웨어를 위한 유연하고 확장 가능한 온디맨드(on-demand) HPC 성능을 제공한다.   인공지능 앤시스는 인공지능(AI) 기반 기술을 통해 포트폴리오를 지속적으로 확장하며, 컴퓨터 지원 엔지니어링(CAE) 산업에 혁신적인 속도와 접근성을 제공한다. 앤시스 AI는 신규 및 기존 데이터를 활용해 빠르게 설계를 분석하고 AI 모델을 신속하게 학습시켜 제품 출시 기간을 단축시키는 한편 비용 절감 효과를 극대화한다. 직관적인 인터페이스를 갖춘 데이터 처리 도구 지원을 통해 SimAI 모델링을 위한 데이터 준비 과정을 간소화한다. 앤시스 SimAI는 사용자가 모델 학습 데이터를 확장해 후처리 과정에서 더욱 정교한 분석을 수행할 수 있도록 지원한다. 앤시스 일렉트로닉스 AI+(Ansys Electronics AI+)는 AI 기반 기술을 활용해 앤시스 멕스웰(Ansys Maxwell) 전기기장(electromagnetic field) 해석 솔버, 앤시스 아이스팩(Ansys Icepak), 전자기 냉각 시뮬레이션 소프트웨어, HFSS 등에서 수행되는 전자기 시뮬레이션의 필요 리소스 실행 시간을 정밀하게 예측한다. 앤시스 RF 채널 모델러(Ansys RF Channel Modeler)의 고급 합성 레이더 시뮬레이션 기능은 지상에서 AI를 활용한 표적 식별을 위해 폭넓은 학습 및 검증 데이터 세트를 제공하여, 디지털 미션 엔지니어링 분야를 지원한다.   ▲ 이미지 출처 : 앤시스 웹사이트 캡처   연결된 에코시스템 최첨단 연구개발(R&D) 환경에서는 모델 기반 시스템 엔지니어링(MBSE) 및 자동화 설계를 도입하여 연구개발 워크플로를 원활하고 효율적으로 유지하는 것이 중요하다. 앤시스 엔지니어링 설루션은 기존 인프라에도 새로운 기술을 쉽게 통합할 수 있도록 높은 호환성과 확장성을 갖춰 제품 설계의 혼선을 방지할 수 있다. 앤시스 2025 R1은 디지털 전환을 더욱 원활하게 지원할 수 있도록 MBSE 기능과 데이터 관리 기능이 강화되었다. 앤시스 모델센터(ModelCenter) MBSE 소프트웨어와 앤시스 시스템 아키텍처 모델러(System Architecture Modeler : SAM)는 SysML v2 지원을 강화해 엔지니어링 조직 전반에서 제품 요구 사항의 접근성과 확장성을 높이고, 팀 간 협업을 더욱 긴밀하게 연결하여 개발 시간 단축에 기여한다. 앤시스 모델센터(ModelCenter)는 MBSE 연결성이 향상되어 호환성을 높였고, 카펠라(Capella) 커넥터 기능이 강화되었으며, 앤시스 적으로 제공한다. SAM과의 더욱 긴밀한 통합을 통해 검색, 저장 및 수정 기능을 보다 직관적으로 제공한다. 앤시스 미네르바(Ansys Minerva) 시뮬레이션 프로세스 및 데이터 관리 소프트웨어인 미네르바는 일반 커넥터 개선을 통해 외부 데이터 연동을 표준화하며, 업로드 전 문제점 검증을 가능케 하여 제품 생산 시간 및 비용 절감에 기여한다. 커넥터는 새로운 비동기 작업 실행 기능이 추가돼 엔지니어의 생산성을 개선한다.   기타 앤시스 2025 R1의 주요 특징 앤시스 옵티슬랭(Ansys optiSLang) 프로세스 통합 및 설계 최적화 소프트웨어로 인터페이스, 분산 컴퓨팅, 고급 알고리즘 등 전반적인 개선으로 설계 워크플로의 유연성과 성능을 강화한다. 앤시스 그란타 MI(Ansys Granta Materials Intelligence) 제품군은 컴퓨터 이용 공학(CAE), 컴퓨터 지원 설계(CAD), 제품 수명주기 관리(PLM) 등의 소프트웨어와 공통 사용환경을 제공하여, 그란타(Granta) 최종 사용자 인터페이스와 통합 인터페이스 간 일관된 사용자 경험을 제공한다. 앤시스 플루언트(Ansys Fluent)의 내결함성 메싱(FaultTolerant Meshing : FTM)과 수밀 메싱(watertight meshing)에 적용된 작업 기반 성능을 개선해 메싱 속도를 가속화한다.  전력 필드 효과 트랜지스터(FET) 및 전력 관리 집적회로(PMIC)의 분석, 시뮬레이션, 최적화를 위한 신규 도구로 앤시스 파워X(Ansys PowerX)를 제공한다.    ▲ 이미지 출처 : 앤시스 웹사이트 캡처     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   챗GPT(ChatGPT)의 광풍으로 시작된 생성형 AI(generative AI)의 열풍이 벌써 3년이 지나가고, 최근에는 중국의 인공지능 제품인 딥시크(DeepSeek)의 돌풍으로 잠시나마 미국 엔비디아의 주식이 폭락하는 사태가 있었다. 딥시크의 희망은 엄청난 투자 없이도 인공지능 사업이 가능한 것처럼 보였다. 한편, 최근 일론 머스크는 그록 3(Grok 3)라는 설명 가능 인공지능 XAI(explainable AI)를 발표했다. 그록 3는 엔비디아 GPU 칩을 20 만 개 사용해서 훈련을 했다고 한다. 엔비디아 H100 15만개 + H200 5만개라고 발표했는데, 아직은 엄청난 투자가 필요한 부분임을 알 수 있었다.   그림 1.  챗봇 전성시대   여러가지 호불호 사건에도 불구하고, 이제 인공지능 챗봇의 시대는 거역할 수 없는 대세가 되고 있다. 필자 역시 대부분의 시간을 인공지능을 공부하는 데 사용하고 있다. 지난 2년 동안은 오픈AI의 챗GPT와 구글의 제미나이(Gemini)를 사용하고 최근에는 딥시크, 며칠 전부터는 그록 3를 모두 사용하고 있다. 그리고 장기적으로는 개인 인공지능(personal AI) 환경에도 관심이 많다. 최근에 더 많은 지식과 복잡한 대답을 손 쉽게 얻을 수 있었지만, 이런 의문점이 생겼다. 이러한 인공지능 시대에 ‘우리의 지식의 정의와 관점이 어떻게 되어야 할 것인가?’라는 생각이다. 수백 년 전 16세기 프랑스의 철학자인 몽테뉴(Michel de Montaigne)는 이런 인간 지식의 한계에 대해서 “나는 무엇을 아는가?”라고 짚었다. 이는 몽테뉴의 ‘수상록’에 담긴 철학적 질문이자, 회의주의적 태도를 상징하는 문구이다. 몽테뉴는 이 질문을 통해 인간 지식의 한계와 불확실성(uncertainty)을 강조하며, 겸손하고 열린 마음으로 세상을 바라볼 것을 권했다. 최근 인공지능의 발전과 결과는 이런 질문을 너무 간단한 것으로 느껴게 한다. ‘나는 무엇을 아는가?’라는 물음의 의미에 대해 몽테뉴는 인간이 자신의 감각, 이성, 경험에 의존하여 지식을 얻지만, 이러한 것조차 불완전하고 주관적일 수 있다고 보았다. 그는 인간의 인식이 상황에 따라 달라지고 오류를 범하기 쉽다는 점을 지적하며, 절대적인 진리나 확실한 지식은 존재하지 않을 수 있다는 회의적인 입장을 표명했다.   그림 2. Que sais-je?(나는 무엇을 아는가?) – 몽테뉴   과연 이런의 인간의 지식을 학습한 현재의 AI는 괜찮을 것일까 하는 회의가 생긴다. ‘나는 무엇을 아는가?’라는 질문은 이러한 몽테뉴의 회의주의적 인식을 담고 있다. 그는 이 질문을 통해 인간 지식의 한계를 인정하고, 자신의 무지를 자각하는 것이 진정한 지혜의 시작이라고 보았다. 인공지능(AI)의 발전은 지식의 개념과 분류에 대한 새로운 논의를 불러일으키고 있다. 2025년 현재, 우리는 AI가 단순한 데이터 처리를 넘어 인간의 인지 능력을 모방하고 창의적인 결과물을 생성하는 시대에 살고 있다. 이러한 시대적 배경 속에서 지식은 다음과 같이 재정의되고 분류될 수 있다. 첫 번째, 인공지능 시대에 지식의 새로운 기준이 필요하다. 이전의 지식과는 다른 차원의 기준과 사용법과 습득 전략이 필요하다고 생각한다. 인공지능은 방대한 데이터를 처리하고 분석하여 인간의 능력을 뛰어넘는 지식을 생산한다. 이러한 인공지능의 등장은 기존의 지식 체계에 대한 근본적인 질문을 던진다. 우리는 인공지능이 제공하는 정보를 어떻게 받아들여야 할까? 인공지능이 제시하는 지식이 절대적인 진리일까? 인공지능 시대에 지식의 의미와 기준을 다시 생각하게 한다. 두 번째, 인간 지능의 가치가 무엇일까? 인공지능이 발전할 수록 인간 지능의 가치는 더욱 중요해진다고 생각하지만, 설명이 아직 빈약하다. 인공지능은 데이터 분석과 계산에 뛰어나지만 창의적인 사고, 비판적 판단, 윤리적 책임과 같은 인간 고유의 능력은 따라올 수 없다고 한다. 우리는 그렇게 믿고 싶어 한다. 몽테뉴의 사상은 인간 지능의 한계를 인정하면서도 동시에 그 중요성을 강조했다. 인공지능 시대에 우리는 인간 지능의 가치를 다시 한번 되새기고, 이를 발전시키기 위해 노력해야 한다. 세 번째, 인공지능 시대에는 겸손과 성찰의 자세가 더욱 중요하다고 한다. 우리는 인공지능이 제공하는 정보를 맹목적으로 받아들이기보다는 비판적으로 검토하고, 자신의 지식과 판단에 대해 끊임 없이 질문해야 한다. 몽테뉴는 자신의 무지를 자각하고 겸손한 태도를 갖는 것이 진정한 지혜의 시작이라고 말했다. 인공지능 시대에 우리는 몽테뉴의 가르침을 되새기며, 겸손하고 성찰하는 자세를 유지해야 한다. 인공지능이 인간처럼 철학 책을 읽고 겸손과 성찰을 할 수 있을까 하는 생각도 든다. 아직은 가능하지 않은 것 같다. 네 번째, 인간과 인공지능의 공존이다. 어쩔 수 없이 인공지능 시대는 인간과 인공지능이 공존하는 시대이다. 우리는 인공지능을 활용하여 삶의 질을 높이고 새로운 지식을 창출할 수 있다. 하지만, 동시에 인공지능의 위험성을 경계하고 인간의 존엄성을 지키기 위해 노력해야 한다. 몽테뉴의 생각은 인공지능 시대를 사는 현대인에게 인간의 한계와 가능성을 동시에 보여주었다. 인공지능 시대에 우리는 몽테뉴의 정신을 바탕으로 인간과 인공지능의 조화로운 공존을 추구해야 한다. 결론적으로 몽테뉴의 생각은 인공지능 시대에 인간 지식의 의미와 가치, 겸손과 성찰의 자세, 인간과 인공지능의 공존에 대한 중요한 질문을 던진다. 몽테뉴은 질문이 시작에 불과하며, 우리는 이런 인공지능 시대에 필요한 지혜를 찾아야 한다. 그렇지 않으면 우리의 문명이 이번 세기에서 인간 지식의 위기를 맞을 수 있다. “Que sais-je?(나는 무엇을 아는가?)”– 몽테뉴   ■ 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.