IBM·Dallara, AI 공기역학 모델과 양자 시뮬레이션으로 모터스포츠 설계 혁신 협력

협력의 배경: CFD의 한계를 AI로 보완

자동차 레이싱 분야에서 공기역학 최적화는 경쟁력의 핵심이지만, 이를 위한 전산유체역학(CFD) 시뮬레이션은 복잡한 형상 변경을 반복할 때마다 수 시간의 계산 시간과 막대한 컴퓨팅 자원을 소모한다. IBM과 Dallara는 이 병목 구간을 AI 대리 모델(surrogate model)로 대체해 설계 탐색 단계를 대폭 앞당기는 것을 목표로 설정했다.

GIST: 차량 위상 구조를 인식하는 그래프 신경 연산자

이번 협력의 핵심 기술 성과는 IBM Research가 설계한 그래프 기반 신경 연산자 GIST(Gauge-Invariant Spectral Transformer)다. 기존 AI 대리 모델들이 차량 메시를 단순한 점군(point cloud)으로 처리한 것과 달리, GIST는 리어 디퓨저·프런트 윙 같은 복잡한 공기역학 부품의 연결 관계와 표면 위상 구조를 그대로 인코딩한다. LMP2(Le Mans Prototype 2) 개념 모델 초기 시험에서 GIST는 기존 CFD가 수 시간 걸리는 최적 설계 도출을 약 10초 만에 완료했다. 이를 통해 엔지니어들은 수백 가지 설계 구성을 몇 분 내에 평가할 수 있게 됐고, Dallara는 최종 CFD나 풍동 실험 투입 전에 수천 가지 설계 변수를 AI로 사전 필터링하는 방식으로 개발 흐름을 재편할 수 있다. AI 모델의 공기역학 예측 — 압력장·전단응력 포함 — 의 오차 범위는 기존 물리 기반 시뮬레이션에 근접한 수준으로 보고됐다.

양자-고전 하이브리드 접근: 장기 연구 과제

양자컴퓨팅은 현재 협력의 즉각적인 초점이 아닌 중장기 연구 방향으로 자리매김하고 있다. 양사는 유체 역학에서 가장 계산 집약적인 '다체(many-body)' 물리 문제를 양자 프로세서에 분산 처리하는 하이브리드 양자-고전 접근법을 탐색하기 시작했다. 목표는 현재 기술로는 도달하기 어려운 기류 난류의 세부 수준까지 시뮬레이션 충실도를 높이는 것이다. 다만 이 경로는 여전히 초기 연구 단계에 머물러 있으며, 실용화 일정은 공개되지 않았다.

파급 효과와 산업적 함의

레이싱 분야에서 개발된 이 기술은 더 넓은 산업적 잠재력을 지닌다. 양사는 이 도구들을 통해 항력을 1~2% 줄일 수 있다면, 상용 자동차와 항공우주 분야에 적용 시 상당한 연료 효율 개선으로 이어질 수 있다고 전망했다. 기술 세부 내용은 arXiv에 공개된 '빠른 설계(Faster by Design)' 백서에 수록됐다.