대규모 언어 모델은 공학에서의 유체 시뮬레이션을 혁명화할 수 있는가?

유체 흐름 시뮬레이션은 항공, 화학 또는 환경과 같은 분야에서 주요 과제입니다. 전통적인 방법은 효과적이지만 산업 문제의 증가하는 복잡성 앞에 한계를 겪고 있습니다. 이 방법들은 종종 무거운 계산과 전문 지식을 요구하며, 난류나 다상 상호작용과 같은 현상을 모델링하는 데 어려움을 겪습니다. 인공지능, 특히 대규모 언어 모델은 오늘날 이러한 시뮬레이션을 자동화하고 최적화하기 위한 새로운 가능성을 열고 있습니다.

이 모델들은 복잡한 데이터를 분석하고 실시간 예측을 생성할 수 있습니다. 예를 들어, 이들은 파이프 내 유체의 동작을 예측하거나 상세 시뮬레이션에서 나온 데이터를 기반으로 난류 모델의 정확성을 향상시킬 수 있습니다. 이들의 강점은 자연어 명령이나 설계 기록과 같은 다양한 정보를 처리할 수 있는 능력에 있으며, 이는 더 직관적이고 접근 가능한 접근 방식을 가능하게 합니다.

최적화 분야에서 대규모 언어 모델은 시뮬레이션 매개변수의 조정, 최적의 기하학적 형태 설계 또는 운영 조건의 조정을 용이하게 합니다. 이들은 비용을 줄이고 프로세스를 가속화하며, 유전 알고리즘과 같은 전통적인 방법들이 많은 시간과 전문 지식을 요구하는 것과 대조적입니다. 이러한 모델들을 기계 학습 기술과 결합함으로써 항공기 날개나 화학 반응기와 같은 장비를 최적화하고, 여러 모순된 목표들 사이에서 타협점을 찾을 수 있게 됩니다.

시뮬레이션의 자동화는 또 다른 주요 장점입니다. 자연어 인터페이스 덕분에 이러한 모델들은 시작 매개변수를 자동으로 구성하고, 메시를 생성하거나 적합한 솔버를 선택하는 데 도움을 줍니다. OpenFOAMGPT나 MetaOpenFOAM과 같은 프레임워크는 인간의 개입을 줄이면서 완전한 시뮬레이션 실행을 가능하게 함으로써 이러한 진보를 보여줍니다. 그러나 그들의 채택은 여전히 물리적 신뢰성과 엔지니어들의 실제 제약 조건에의 적응과 같은 도전 과제를 안고 있습니다.

이러한 장애물을 극복하기 위해 연구원들은 모델에 물리적 지식을 통합하거나 전문 데이터베이스를 개발하는 등의 방법을 탐구하고 있습니다. 목표는 이러한 도구들을 더 견고하고 투명하게 만들어 산업 표준으로 자리매김하는 것입니다. 장기적으로 이 접근 방식은 고성능 유체 시뮬레이션에의 접근을 민주화하고, 요구 사항이 많은 분야에서의 혁신을 촉진할 수 있습니다.

Ressources et références

Référence officielle

DOI : https://doi.org/10.53941/sce.2026.100003

Titre : Large Language Models for Automating Computational Fluid Dynamics (CFD): From Predictive Modeling and Optimization to Execution Scheduling

Revue : Smart Chemical Engineering

Éditeur : Scilight Press Pty Ltd

Auteurs : Guodong Gai; Pei-Zhong Ma; Jiankun Li; Zheng-Hong Luo; Li-Tao Zhu