[CFD의 미래 2편] - CFD와 디지털 트윈의 미래 - 머신러닝과 인공지능 증강 CFD

 [CFD의 미래 2편] - CFD와 디지털 트윈의 미래 

A 디지털 트윈은 현실 세계를 사실적으로 복제하는 기능을 제공합니다. 이는 현실 세계와 디지털 세계가 거의 완벽하게 합쳐지는 메타버스에 필수적인 기술입니다. 산업 메타버스에서뿐만 아니라 CFD가 전체적인 디지털 트윈 생성에 중요한 역할을 할 것으로 기대할 수 있습니다. CFD뿐만 아니라 시뮬레이션 방법론의 폭이 넓어짐에 따라 제품의 디지털 트윈은 메타버스에 대한 실시간 표현부터 매우 정확한 표현에 이르기까지 다양한 충실도 단계에서 제품을 표현하는 다양한 모델로 구성됩니다. 

따라서 PLM(제품 수명주기 관리) 솔루션을 통해 다양한 현실성 수준의 인스턴스로 디지털 트윈을 관리하는 것이 점점 더 중요해지고 있습니다. 엔지니어는 주어진 엔지니어링 과제에 대해 적절한 모델 충실도를 활용할 수 있으며 이는 AI가 지원하는 프로세스일 수도 있습니다. 엔지니어링 분야 전반에 걸쳐 오늘날 제품의 복잡성을 통합된 방식으로 모델링함으로써 디지털 트윈의 전반적인 충실도가 더욱 높아질 것입니다. CFD는 다분야 및 다중 규모 시뮬레이션의 원활한 생태계에 더욱 깊이 내장될 것입니다. 향상된 컴퓨팅 성능과 새로운 시뮬레이션 방법론 덕분에 실시간 디지털 트윈은 심지어 비교적 복잡한 유체 역학 문제에서도 예상치 못한 방식으로 중요한 판도를 바꾸는 변화가 될 것입니다. 

머신러닝과 인공지능 증강 CFD

AI는 모든 산업 분야에서 기술을 변화시켜 왔으며 앞으로도 계속해서 변화할 것입니다. AI를 CFD 애플리케이션에 적용하는 것은 비용 절감과 새로운 차별화 가치 창출에 도움이 되므로 점점 더 기업의 전략적 자산이 될 것입니다. AI 기반의 혁신적인 솔루션은 CFD 엔지니어, 설계자 및 분석가에게 상당한 이점을 제공합니다.  

그래픽 사용자 인터페이스에 내장된 AI는 이미 설정 절차를 단순화하고 오류를 완화하기 시작했습니다. 지능형 부품 인식을 통한 CAD/형상 준비, 자연어 처리를 통한 모델 설정과 같은 AI 지원 모델 준비는 CFD 설정 절차의 속도를 크게 높이고 단순화하므로 표준이 되고 있습니다.

CFD와 함께 AI는 제품을 시뮬레이션, 예측, 원활하게 최적화할 수 있는 생태계를 조성하여 제품 성능과 효율성을 향상시킵니다. 지식 기반 워크플로 지원을 제공하는 AI는 의미 있는 CFD 시뮬레이션을 더 빠르게 설정하는 장벽을 더욱 낮춰줍니다. 

그러나 AI/ML이 잠재적으로 제공하는 이러한 이점에도 불구하고 잘 교육받은 엔지니어는 방법 개발 및 평가에서 여전히 중요한 요소로 남아 있을 것입니다. 그런 의미에서 AI를 모든 유체 역학 문제에 대한 솔루션으로 간주하는 것은 순진합니다. Navier-stokes 방정식과 확립된 난류 모델로 잘 포착된 유체 역학의 비선형 특성은 AI에 대한 도전 과제가 될 것입니다. 데이터 품질을 평가하는 것 외에도 AI 및 기계 학습 알고리즘을 교육하기 위한 적절한 데이터 선택 및 검증에는 엔지니어링 및 AI 지식이 필요합니다. CFD 설계 및 시뮬레이션에서 AI 기능을 제공하려면 기계 학습, 딥 러닝 기술 및 CFD 기술에 대한 재능이 필요합니다.   

따라서 CFD에서 AI를 성공적으로 채택하려면 소프트웨어 공급업체가 CFD 및 AI에 대한 통합 솔루션과 컨설팅 서비스를 제공하는 것이 가장 중요합니다. 이는 Siemens가 이미 수행하고 있으며 지속적으로 막대한 투자를 하고 있는 일입니다. 

범용 CFD 코드와 애플리케이션별 CFD 코드? 

모든 솔루션에 딱 맞는 단일 크기는 없지만 범용 도구의 특정 애플리케이션에 대처하기 위한 기능 통합 추세는 계속될 것입니다. 이를 위해 범용 솔버는 계속해서 시뮬레이션 기술을 하나의 CFD 프레임워크에 흡수하거나 특정 독립형 솔버와의 공동 시뮬레이션을 위한 원활한 개방형 인터페이스를 제공할 것입니다. 궁극적으로 맞춤형 애플리케이션별 프런트엔드를 위한 로우 코드 앱을 만드는 능력이 향상됨에 따라 범용 도구의 애플리케이션별 기술에 점점 더 직접적으로 접근할 수 있게 될 것입니다.  

향후 20년 동안 CFD의 (개발) 과제는 무엇입니까? - CFD 방법

개발 관점에서 코드를 최대 기간 동안 유지하려면 지속 가능한 CFD 프레임워크를 보장하는 것이 필요합니다. 현대 아키텍처는 프로젝트 지향 프로그래밍과 마찬가지로 전제 조건입니다. 더 많은 다분야 시뮬레이션 기술과 솔버 기능이 클라우드에서 제공되는 통합 코드 플랫폼에 흡수됨에 따라 코드 복잡성 처리에 대한 요구가 높아지고 있습니다. 이를 위해서는 적절한 개발 도구와 전략, 제품 관리 기술, 소프트웨어 개발에 대한 지속적인 지능적 투자가 필요합니다.  

자동화된 모델링 선택으로 인해 AI/ML의 도움으로 설정하면 최종 사용자에게 불투명해질 위험이 있으므로 새로운 과제가 발생합니다. 따라서 엔지니어가 AI 선택을 평가하고 궁극적으로 CFD 결과를 평가할 수 있도록 모델링 접근 방식 변경 사항을 즉시 보고해야 합니다. 이는 AI 발전에도 불구하고 엔지니어링 및 CFD 노하우의 근본적인 중요성을 다시 강조합니다. 

또 다른 과제는 동일한 시간 내에 점점 더 많은 시뮬레이션을 실행할 수 있기 때문에 생성되는 데이터의 양과 관련이 있습니다. 다양한 소스에서 비롯된 이러한 방대한 양의 데이터 세트를 처리하고 조사할 수 있는 능력은 최상의 엔지니어링 결정을 내리기 위해 CFD의 가치를 제한하지 않는 데 가장 중요합니다. 따라서 PLM과 데이터 후처리 시스템 모두 빅 데이터 관리를 위해 준비되고 엔지니어의 분석을 지원해야 합니다. 따라서 전처리와 후처리의 병렬화는 계산 자체의 병렬화와 마찬가지로 중요합니다.  

다양한 분야의 엔지니어링 세계에서의 CFD

디지털 트윈의 더 높은 충실도에 대한 요구로 인해 다중 규모 및 다분야 모델링 요구 사항이 발생합니다. 모델은 더욱 정확하고 상세하며 상호 연결되어야 합니다.

양자, 분자, 마이크로, 메조 및 매크로 규모를 고려해야 하며 동시에 이러한 복잡한 모델은 더 빠르게 실행되어야 합니다. 이는 하이브리드 다상 모델링과 같은 기발한 기술을 요구하는 지속적인 도전이 될 것입니다. 

Multiphysics CFD simulation | Snippet Simcenter STAR-CCM+

컴퓨터 하드웨어/리소스 

일반적으로 새로운 하드웨어 아키텍처와 기술을 도입하려면 CFD 알고리즘을 조정해야 할 수도 있습니다. 이러한 전환의 라이트 버전은 현재 솔버를 CPU에서 GPU로 포팅하는 것입니다. 슈퍼컴퓨터는 멀티코어 GPU 및 CPU, 공유 메모리, 계층적 네트워크 등을 결합하는 점점 더 많은 이기종 아키텍처로 구성될 수 있으므로 최신 CFD 코드는 각 아키텍처의 장점을 활용하는 알고리즘 및 아키텍처를 통해 다양한 아키텍처에 맞게 준비되어야 합니다. 세계. 

그러나 이는 폰 노이만에서 양자 컴퓨팅(QC)으로의 중단이 발생할 때 개발팀이 직면하게 될 상황에 비하면 사소한 것입니다. 원칙적으로 양자 컴퓨터는 여러 측면에서 시뮬레이션에 맞게 맞춤 제작되었습니다. 잠재력은 엄청납니다. 그러나 QC를 도입하면 완전히 새로운 알고리즘 구현이 필요하므로 모든 CFD 코드에 진정한 혼란이 발생합니다. QC에서는 전통적인 von Neumann 아키텍처에서 이식 가능한 것이 없습니다. 즉, QC에서는 현재 모든 CFD 소프트웨어의 전체 코드를 다시 작성해야 합니다. 게다가 QC는 많은 CFD 시뮬레이션 영역에서 강력하고 적용 가능하지만 다른 CFD 관련 작업에는 전혀 유용하지 않은 반면 기존 폰 노이만 아키텍처는 유용합니다. 따라서 유일한 효율적인 솔루션은 하이브리드 솔루션입니다. 그 대가로 두 아키텍처 중 하나에 대처할 수 있는 개발자가 필요합니다. 현재까지 CFD 코드 개발의 고전적인 경로는 대부분 건전한 물리학을 이해하는 사람이 와서 프로그래밍 부분을 배우는 것입니다. 객체 지향 프로그래밍은 비교적 배우기 쉽지만 QC 알고리즘 구현에서는 더 이상 그렇지 않습니다. QC에는 컴파일러 지원이 없기 때문에 그러한 알고리즘에 대한 깊은 지식이 필요한 QC 가능 코드를 작성할 수 있는 개발자가 필요합니다. 

점점 더 중요해질 또 다른 측면은 컴퓨팅 하드웨어의 전력 소비입니다. CFD에 대규모 컴퓨팅 성능을 활용하는 추세가 계속되면서 에너지 소비와 관련된 비용이 중요한 요소가 되었습니다. 따라서 RISC(Reduced Instruction Set Computer)와 같은 새로운 에너지 효율적인 기술은 최적의 솔루션 비용을 달성하기 위해 솔루션 구현 시간과 솔루션 에너지를 포지셔닝하는 데 점점 더 많은 역할을 합니다. 

엔지니어/인적 자원 

미래의 엔지니어를 교육하는 것은 중요한 과제입니다. 교육 시스템이 차세대 CFD 엔지니어와 함께 산업 및 연구를 제공한다면 다른 모든 과제는 극복되거나 최소화될 수 있습니다. 그러나 이러한 엔지니어는 더 이상 전통적인 의미의 순수한 CFD 분석가가 될 수 없습니다. 기업이 경쟁력을 유지하려면 AM 및 3D 프린팅과 같은 새로운 제조 기술과 CAE 및 CAD 부서 간의 긴밀한 연결이 필요합니다. 따라서 설계자가 시뮬레이션 기술을 수용하기 시작해야 하는 것처럼 CFD 엔지니어의 프로필에는 제조 및 설계 프로세스에 대한 어느 정도의 이해가 포함되어야 합니다. AI가 유체 역학 엔지니어링 영역에 침투함에 따라 미래의 CFD 엔지니어는 주어진 문제에 대해 가장 효율적인 기술에 대한 올바른 결정을 내리기 위해 철저한 이해가 필요합니다. 

일반적으로 (CFD) 엔지니어링 및 컴퓨터 과학이 다음 세대에게 (더욱) 매력적인 직업 경로가 되도록 보장하는 것은 사회 및 업계의 과제입니다. 재능 있고 잘 교육받은 엔지니어는 인류가 기후 변화의 도전과 그 결과에 대처하는 데 매우 중요합니다. 

모든 민주화에도 불구하고 엔지니어들이 건전한 교육을 받는 것은 근본적으로 중요합니다. AI와 같은 모든 새로운 기술에도 불구하고 CFD 시뮬레이션을 기반으로 중요한 설계 결정을 내리는 엔지니어에게는 유체 역학 및 물리학의 기본을 이해하는 것이 여전히 중요합니다.