지난 50년 동안 엔지니어링 시뮬레이션 분야는 엔지니어가 3D 물리 문제를 더 빠르고 정확하며 강력한 결과를 얻을 수 있도록 하는 수치 방법을 개발했다. 유한 요소 분석법(FEA), 유한 체적 방법(FVM) 및 유한 차이 시간 영역 도메인(FDTD)은 솔버 효율성을 증가시키면서 동적 시각화 기술은 사용자 친화성을 향상시킨다.
이러한 개선에도 불구하고 특정 과제는 여전히 남아 있다. 특히 시뮬레이션에는 다음과 같은 끊임없는 균형이 필요하다.
1. 결과의 정확성
2. 결과의 속도
3. 워크플로우 사용 용이성
4. 워크플로우의 견고성
예를 들어, 다중 물리 솔루션의 구성요소인 메쉬 생성을 생각해보자. 조밀도가 떨어지는 메쉬를 사용하면 시뮬레이션 속도가 빨라지지만 정확도가 떨어질 수 있다는 것은 이미 잘 알려져있다. 또한, 더 간단한 메쉬를 사용하는 쉬운 워크플로우는 정확도를 떨어뜨리고 시뮬레이션의 견고성이 실패하는 경우 등 여러 다른 문제를 일으킬 수 있습니다.
Ansys는 이러한 문제를 해결하기 위해 인공 지능/기계 학습(AI/ML)을 사용하는 방법을 모색하고 있다.
끊임없는 개선
AI의 상용화는 1970년대에 시작되었지만 실제로 이 분야는 규칙 기반의 전문가 시스템의 개발과 함께 10년 전에 시작되었다. 가장 간단한 형태의 AI 시스템은 입력된 인간의 전문 지식에 의존하여 일반적으로 인간의 지능이 필요한 문제를 해결한다.
우리는 AI/ML 응용 분야가 신약 발견부터 로봇을 이용한 수술에 가지, 그리고 전 세계 어디에서나 공급자가 즉시 접근 가능한 자동화된 의료 기록에 이르기까지 과학 및 의학 분야에서 적극적으로 사용될 것이라 기대하고 있었다. 하지만 AI/ML은 점점 더 광범위한 산업과 사용자에 의해 성공적으로 채택되고 있다. 특정 브랜드가 자신의 제품에 대해 고객이 어떻게 느끼는지(감정 분석) 파악하기 위해 소셜 미디어를 관리하고 투자자에게 주식 거래 기회(금융 알고리즘 거래)를 제공하고 전자 상거래 소유자가 온라인 쇼핑객에게 특정 제품을 광고할 수 있도록 지원한다(추천 엔진).
Ansys에서는 AI/ML 방법을 사용하여 시뮬레이션 매개 변수를 자동으로 찾아 속도와 정확성을 동시에 향상시킬 수 있다.
증강 시뮬레이션을 사용하여 데이터 기반 또는 물리 정보 기반 방법을 통해 신경망을 훈련함으로써 100배의 속도로 시뮬레이션을 할 수 있다.
AI/ML을 적용하면 다음과 같은 이점이 있다.
- 고객 생산성을 더욱 향상시킴
- 칩 열 솔루션 가속화 및 로컬 영역의 고 충실도 솔루션과 엉성한 영역의 ML 방법을 결합하는 유체 솔버 개발을 포함한 시뮬레이션 확장
- 설계 영역의 탐색 최적화
- 버들에 필요한 리소스 예측과 같은 비즈니스 지능 결정 유도
- 데이터 분석 기반과 시뮬레이션 기반의 디지털 트윈을 결합하여 정확하고 빠른 디지털 트윈 하이브리드를 생성
즉, AI/ML이 이상적인 세계(시간, 노력, 효율성 및 결과가 완벽하게 균형을 이루는)와 실제 생활에서 일어나는 일 사이의 격차를 좁히는 데 도움이 될 것이라고 믿는다. 이를 통해 시뮬레이션 생산성, 사용 편의성 및 정확성을 극대화 시킬 수 있다.
출처 : Ansys How AI and ML are Changing Simulation
