OpenFOAMGPT 2.0: 계산유체역학을 위한 신뢰할 수 있는 자동화 시스템

Motivation

• Known: LLM 기반 다중 에이전트 시스템이 복잡한 태스크 해결에 효과적이며, CFD는 광범위한 응용분야(항공우주, 기상 예측, 바이오 유동)를 가짐
• Gap: CFD 시뮬레이션은 정밀한 수치 사양, 복잡한 기하학 처리, 고도화된 물리 모델링, 전문 지식이 필요하여 접근 장벽이 높음. 기존 OpenFOAMGPT는 단일 사례에 제한적
• Why: CFD의 접근성을 대폭 낮추면서도 수치 엄밀성과 해의 품질을 유지하여, 전문가와 비전문가 모두이 복잡한 유체 동역학 시뮬레이션을 활용하도록 함
• Approach: 사전처리, 프롬프트 생성, 시뮬레이션 실행, 사후처리 4개 전문화된 에이전트로 CFD 워크플로우를 완전 자동화

Achievement

Figure 2: Poiseuille 유동 시뮬레이션의 검증 및 매개변수 연구. (a) 수치해와의 비교

1. 완전 자동화 end-to-end 워크플로우: 자연어 쿼리 → 메시 생성 → CFD 시뮬레이션 → 시각화·분석까지 인간개입 없이 자동 수행. 450건 이상의 다양한 시뮬레이션에서 100% 성공 및 재현성 달성
2. 다중 사례 매개변수 연구 지원: 단순 구조 대비 복잡한 기하학 대응, 단일 사례뿐 아니라 여러 변수의 매개변수 스터디 자동화 (메시 해상도, 물리 특성, 경계조건 등)
3. 신뢰성 검증: 과학 컴퓨팅의 zero-tolerance 기준을 충족하는 안정적 다중 에이전트 아키텍처 입증. Poiseuille 유동, 다공질 매질 유동(단일·다중 상), 오토바이 공력 분석 등 다양한 사례에서 검증

How

Figure 3: 다공질 매질 단일상 유동 시뮬레이션 결과. (a) 격자 독립성 연구

전문화된 4개 에이전트의 협업 체계:

• 사전처리 에이전트: 사용자 쿼리의 시맨틱 분석으로 (1)단일·다중 사례 분류, (2)blockMesh(단순기하) vs snappyHexMesh(복잡기하) 메시 전략 자동 선택. 매개변수 변수 자동 식별
• 프롬프트 생성 에이전트: 단일 사례는 사용자 쿼리 직접 활용, 다중 사례는 각 매개변수 조합별 독립적 프롬프트 생성. 프롬프트 풀(Prompt Pool) 저장소로 순차적 매개변수 연구 오케스트레이션
• OpenFOAMGPT 시뮬레이션 에이전트: 3단계 자기수정 루프
  1. 설정 생성: temperature=0, 구조화된 시스템 프롬프트로 OpenFOAM 설정 파일 정밀 생성
  2. 자동 실행: Docker 환경(OpenFOAM v2406)에서 표준화된 실행, 로그 캡처
  3. 오류 주도 반복 개선: 실패 시 오류 로그 → LLM 피드백 → 재설정 생성의 폐루프
• 사후처리 에이전트: 출력 데이터 자동 분석, NumPy/Matplotlib로 논문 품질 시각화(등고선, 유선, 벡터도), Paraview VTK 파일 생성, 매개변수 민감도 플롯 자동화

Originality

• 다중 상황별 프롬프트 풍화 전략: 기존의 설정 파일 복제·수정 방식의 오류 취약성을 극복하고, 각 사례마다 독립적 완전한 프롬프트 생성으로 OpenFOAM의 엄격한 문법 요구사항 충족
• 폐루프 자기수정 메커니즘: LLM 생성 오류를 실행 결과로 피드백 받아 자동 재생성하는 강건한 시뮬레이션 루프 구현
• 온전한 자동화의 검증: 단순 프로토타입 차원이 아닌 450건 이상의 실제 CFD 사례에서 신뢰성·재현성을 정량 입증
• 접근성과 엄밀성의 동시 달성: 자연어 인터페이스로 비전문가 접근성을 높이면서도 수치 해의 정확성과 안정성을 과학 컴퓨팅 기준에 맞춤

Limitation & Further Study

• 기하학 복잡도 한계: snappyHexMesh 사용에도 매우 복잡한 기하학(다중 스케일 특성, 세밀한 기하학적 세부사항)에 대한 메시 생성의 완전성 미검증
• 물리 모델링 범위 제약: 검증 사례가 주로 단순·중간 복잡도 유동(Poiseuille, 다공질 매질)과 표준 공력 분석에 국한. 난류, 화학 반응, 열전달 등 복잡한 물리 모델의 검증 부재
• 계산 비용 분석 부족: 450건 시뮬레이션의 총 계산 시간, LLM 쿼리 비용, 오류 수정 반복 횟수 등 경제성 평가 미흡
• 설명 가능성(Explainability) 제한: LLM이 생성한 설정이 왜 그 구조인지, 특정 매개변수 선택의 물리적 근거를 추적하기 어려움
• 후속 연구 방향:
  • 매우 복잡한 산업용 기하학과 다중물리 시뮬레이션으로 확장
  • 설정 생성 과정의 투명성 강화 (reasoning trace, physics-informed constraints)
  • 실시간 시뮬레이션 진행 상황 피드백 및 사용자 상호작용 추가
  • 기타 CFD 소프트웨어(ANSYS Fluent, STAR-CCM+) 포팅

Evaluation

총평: OpenFOAMGPT 2.0은 LLM 기반 다중 에이전트 시스템을 CFD 자동화에 성공적으로 적용한 기술 성숙도 높은 논문이다. 자연어 쿼리부터 시각화까지 완전 자동화, 다중 사례 매개변수 연구, 견고한 자기수정 루프 등이 핵심 강점이며, 광범위한 검증(450건, 100% 성공률)이 신뢰성을 뒷받침한다. 다만 산업 규모의 극도로 복잡한 기하학·물리, 설명 가능성 강화, 계산 경제성 상세 분석 등에서 후속 발전 여지가 있다.