칩에서 선박까지: Ansys SimAI 플랫폼으로 설계 최적화

직업이나 산업과 관계없이 현대에 통일된 진리가 있습니다. 인공 지능(AI)이 아직 워크플로를 변화시키지 못했다면 AI에는 이를 혁신할 수 있는 잠재력이 있습니다. 특히 시뮬레이션을 설계 및 개발에 통합하여 제품을 최적화하는 엔지니어, 설계자, 그 외의 사람들에게 AI는 이러한 최적화를 더욱 향상할 수 있는 특별한 기회를 제공합니다.

Ansys의 최신 AI 기반 기술인 Ansys SimAI 플랫폼은 AI의 강력한 기능과 클라우드 컴퓨팅을 결합하여 빠른 속도로 더 높은 수준의 혁신을 달성할 수 있도록 지원합니다. SimAI 물리 중립 및 클라우드 네이티브 플랫폼을 사용하면 이전에 생성된 Ansys 데이터 또는 Ansys 이외의 데이터로 AI 모델을 훈련하고 전자, 구조, 유체를 비롯한 광범위한 엔지니어링 영역에서 몇 분 내에 새로운 설계의 성능을 평가할 수 있습니다.

SaaS(Software-as-a-Service) 애플리케이션은 Ansys 시뮬레이션의 예측 정확성과 클라우드를 통한 생성형 AI의 속도를 결합합니다. 이 결합으로 계산이 많은 프로젝트의 모든 설계 단계에서 모델 성능이 10~100배 향상됩니다. 4가지 시나리오에서 SimAI 애플리케이션이 칩에서 선박까지 설계를 어떻게 최적화하는지 살펴보겠습니다.

칩 설계 향상

칩 설계에는 비선형적이고 예상치 못한 작업이 자주 수반되는 복잡한 엔지니어링이 필요합니다. 시뮬레이션 분석은 전기, 열 및 구조적 특성에 대한 중요한 인사이트를 제공하여 설계에 정보를 제공할 뿐만 아니라 효율성을 향상하고 개발을 가속화하며 검증을 보장하는 경우가 많습니다. 그럼에도 불구하고 빠른 설계 반복을 위해서는 가장 견고한 시뮬레이션 워크플로라도 방해가 되고 시간이 너무 많이 걸리는 것처럼 느껴질 수 있습니다.

칩 설계를 탐색하는 더 빠른 방법을탐색하는 최근 팀의 사례가 바로 여기에 해당합니다. 기존 접근 방식에서는 영역 이산화에 대한 종속성과 칩 모델링에 필요한 요소 수로 인해 속도가 느려졌습니다. 또한 제한된 확장성을 제공했습니다. 프로세스에서 모델이 약간 변경되거나 문제가 발생하면 시뮬레이션 시간이 상당히 늘어났습니다. 또한 다이 크기, 열 전달 계수(HTC) 값을 비롯한 칩 파라미터의 변화와 공간 분포 불확실성을 효율적으로 재현하고 매핑하는 것이 어려웠습니다.

Ansys Mechanical APDL(Ansys Parametric Design Language)과 SimAI 툴을 통합함으로써 팀은 장애 요소를 극복하고 설계 프로세스 초기에 칩 열 신뢰성을 평가하며 워크플로 속도를 높일 수 있었습니다. MAPDL은 Ansys Mechanical 유한 요소 분석(FEA) 솔버와 상호작용하여 시뮬레이션 작업을 자동화하고 워크플로를 간소화하는 스크립팅 언어입니다.

본질적으로 SimAI 애플리케이션은 데이터 업로드, AI 모델 훈련, 예측이라는 세 가지 간단한 단계로 진행됩니다. 팀은 Ansys Mechanical의 시뮬레이션 결과를 사용하여 2,250개의 다양한 칩 열 시뮬레이션 데이터셋을 기반으로 AI 모델을 생성했습니다. 이 인사이트를 바탕으로 애플리케이션은 1분 이내에 온도 분포 맵을 신속하게 예측했습니다. 실제값과 예측값의 최대 온도 차이는 0.5% 미만입니다. AI 예측은 열 임계 위치를 정확하게 찾아냈습니다.

칩 설계 및 열 신뢰성 평가를 위한 SimAI 툴의 주요 이점으로는 다음이 있습니다.

• 기존 시뮬레이션 기법보다 약 20배 빠른 온칩 열 솔루션을 신속하게 평가할 뿐만 아니라 다양한 시스템 시나리오를 신속하게 분석합니다.
• 설계 변경 전반에 걸쳐 온도 맵을 약 20~80배 더 빠르고 일관되게 예측합니다.
• 불필요한 적응형 볼륨 메싱 작업이 제거됩니다.
• 차세대 칩 설계를 위한 개발 수명 주기가 단축됩니다.

엔진 브래킷 향상

항공우주 응용 분야에서 구조 분석은 가장 작은 부품에 대해서도 공기 역학 평가만큼 중요할 수 있습니다. 로딩 브래킷이라고도 하는 제트 엔진 브래킷을 생각해 보십시오. 엔진 자체와 비교하면 사소해 보일 수도 있지만, 엔진의 무게를 지탱하기 때문에 필수적인 구성 요소입니다.

따라서 무게와 견고성 구조 요구 사항 및 제약 조건을 충족하는 새로운 제트 엔진 브래킷 설계를 개발하는 것은 어려운 프로세스입니다. 기존 설계를 참조하고 이전 프로젝트에서 지식을 얻는다면 도움이 됩니다. SimAI 애플리케이션‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍은 이 워크플로에도 도움이 됩니다.

한 팀은 Ansys Discovery 3D 설계 모델링 기능과 Ansys optiSLang 프로세스 통합 및 설계 최적화 소프트웨어를 비롯한 멀티 툴 워크플로를 사용하여 서로 다르고 위상적으로 다양한 브래킷 설계가 포함된 약 250개의 훈련 샘플을 활용해 AI 모델을 구축했습니다. 과거 시뮬레이션에서 얻은 인사이트를 바탕으로 애플리케이션은 몇 초 이내에 새로운 형태의 거동을 예측했습니다. 향후 프로젝트에서는 다양한 설계를 사용해 새로운 인사이트를 포착하여 동일한 AI 모델을 재훈련할 수 있습니다.

Discovery 3D 모델링 소프트웨어는 훈련 없이 첫 번째 시도에서 설계를 정확하고 신속하게 시뮬레이션할 수 있습니다. SimAI 애플리케이션은 이미 시뮬레이션된 Design Space 내에서 매우 빠른 예측을 제공하여 적용된 시나리오의 최적화, 크기 조정, 선택을 지원할 수 있습니다. 엔지니어는 Discovery 플랫폼과 SimAI 플랫폼을 모두 활용하여 정확한 데이터를 생성하고 훈련 프로세스를 강화하며 미래 제품 거동에 대한 광범위한 인사이트를 산출할 수 있습니다.

제트 엔진 브래킷 설계를 위한 SimAI 애플리케이션의 주요 이점으로는 다음이 있습니다.

• 폐품이 없고 재료 사용량이 감소합니다. 실패한 설계도 지식의 원천이 되기 때문에 과거의 설계가 가치가 있습니다.
• CAD(Computer-Aided Design)와 다중물리 시뮬레이션 간에 손쉽게 전환할 수 있어 워크플로가 최대 90% 감소했습니다.
• 비전문가를 포함하여 팀 전체(100%)가 접근할 수 있습니다. AI 안내를 받음으로써 팀원은 더 이상 물리학에 대한 심층적인 지식이 필요하지 않습니다.

자동차 공기 역학 향상

전 세계적으로 환경에 대한 우려가 증가함에 따라 자동차 제조업체는 이산화탄소(CO₂) 배출량을 줄이기 위해 점점 늘어나는 요구 사항을 충족해야 합니다. WLTP(Worldwide Harmonized Light Vehicles Test Procedure)와 같은 많은 감축 계획 및 지침에 따라 자동차 제조업체는 신차 모델의 모든 설계 변형에 대한 공기 역학적 성능을 평가해야 합니다.

불행히도 풍동 테스트는 느리고 비용이 많이 드는 솔루션이며, 차세대 전기차를 발전시키기 위해서는 개발 시간을 단축하는 것이 중요합니다. 요구 사항을 충족하고 경쟁력을 유지하며 비용을 절감하려면 공기 역학적 성능에 대한 더 빠른 시뮬레이션 예측이 매우 중요합니다.

스포츠 유틸리티 차량(SUV)의 공기 역학적 성능을 평가하기 위해 SimAI 플랫폼을 Ansys Fluent 전산 유체 역학(CFD) 소프트웨어와 동시에 사용했습니다. 팀은 약 50개의 CFD 결과를 사용하여 백미러, 스키 랙, 스포일러 등 자동차 외부 형태 변형과 위상적 변화를 포함한 AI 모델을 생성했습니다. AI 기반 애플리케이션의 지원으로 새로운 SUV 형상을 예측하는 데 1분도 채 안 걸렸습니다. 또한 CFD 결과와 비교한 애플리케이션의 항력 오차 결과는 0.5% 미만의 차이를 나타냈습니다. 표면 마찰장 및 웨이크 토폴로지를 비롯한 유동 특성에 대한 정확한 예측도 생성되었습니다.

자동차 공기 역학적 평가를 위한 SimAI 플랫폼의 주요 이점으로는 다음이 있습니다.

• 기존 시뮬레이션 방법에 비해 설계 대안 평가가 20배 이상 증가하고 설계 최적화가 더욱 빨라집니다.
• 초기 설계 단계 또는 이전 자동차 세대에 사용된 이전 CFD 시뮬레이션을 활용함으로써 형상 구조가 일관되지 않은 경우에도 설계 변경 전반에 걸쳐 공기 역학적 성능을 10~100배 더 빠르고 일관되게 예측합니다.
• "시뮬레이션을 왼쪽으로 이동" 즉, 프로세스 초기에 시뮬레이션을 통합함으로써 설계 프로세스가 빨라지고 비용이 절감됩니다. 이를 통해 설계자는 모든 설계 단계에서 빠르고 유의미한 공기 역학 예측을 통합할 수 있습니다.

선체 설계 정보 제공 및 가속화

자동차 산업과 마찬가지로, 해운 기업도 배출량을 줄이도록 권장받고 있습니다. 한 가지 예는 IMO(International Maritime Organization)가 국제 해운으로 인한 배출량을 줄이도록 추진하는 것입니다. 이를 달성하기 위한 한 가지 방법은 선체 형태를 최적화하여 선박 저항을 개선하는 것이며, 이러한 개선은 에너지 효율과 연료 절약으로 직접적으로 이어집니다. 그러나 여러 다양한 변수를 사용하여 여러 선체 설계를 한 번에 평가하려면 빠르고 효율적인 시뮬레이션이 필요합니다.

엔지니어들은 SimAI 툴을 사용하여 선체 형태 변형과 견인력 및 보트 속도와 같은 작동 조건이 포함된 288개의 CFD 결과를 사용하여 AI 모델을 생성했습니다. 이 툴은 1분도 채 안 되어 새롭고 최적화된 선체 형상을 예측했습니다. 또한 툴의 저항 오차 결과는 CFD 시뮬레이션 결과와 비교했을 때 5% 미만이었고 파형 예측은 완전히 정확했습니다.

선체 설계에서 SimAI 툴의 주요 이점으로는 다음이 있습니다.

• 며칠이 아닌 몇 분 안에 빠르게 새로운 선체 설계의 성능을 평가합니다.
• 설계 초기 단계에 정보에 입각한 결정을 내립니다.
• 설계 탐색과 같은 부가 가치 작업을 위한 시간을 절약하여 혁신에 더 많은 시간을 할애할 수 있습니다.

자세히 알아보려면 "Ansys SimAI를 사용하여 선체 설계를 개선하는 방법" 백서를 다운로드하십시오.

AI 기반 시뮬레이션 수용

AI 및 머신 러닝(ML) 방법은 반도체 및 항공우주에서 자동차 및 해운에 이르기까지 광범위한 산업의 설계 및 개발에 적용되고 있습니다. AI/ML을 시뮬레이션 및 CAE(Computer-Aided Engineering)와 통합함으로써 다양한 분야의 팀이 다중물리 및 엔지니어링 과제를 더욱 빠르고 정확하게 해결하여 설계 탐색 및 최적화를 향상할 수 있습니다. 이전 시나리오에서 설명한 대로 AI/ML 기반 최적화는 효율성 향상, 비용 절감 그리고 궁극적으로 더 나은 제품으로 이어집니다.

SimAI 애플리케이션을 사용하면 엔지니어와 설계자가 모두 이전 시뮬레이션 및 측정 데이터를 활용하여 대리 AI 모델을 훈련하고 구축할 수 있습니다. 이 AI 모델을 사용함으로써 몇 시간이나 며칠이 아닌 몇 분밖에 걸리지 않는 평가로 설계 프로세스의 속도를 높일 수 있습니다.

플랫폼이 칩에서 선박까지 설계를 어떻게 최적화할 수 있는지 자세히 알아보려면 다가오는 웨비나 시리즈 "AI로 시뮬레이션 가속화"에 등록하십시오.