ChatCFD: 대규모 언어모델 기반 전자동 CFD 플랫폼

초록

ChatCFD는 DeepSeek‑R1/V3 기반 다중 에이전트 시스템으로, OpenFOAM 지식베이스와 오류 탐지·반복 반성을 결합해 CFD 전 과정을 자동화한다. 315개 벤치마크에서 실행 성공률 82.1%, 물리적 충실도 68.12%를 달성했으며, 기존 MetaOpenFOAM(6.2%)·Foam‑Agent(42.3%)를 크게 앞선다. 비용은 평균 0.208 $로 효율적이며, Solver Template DB와 Error Locator가 핵심 성능 요인으로 확인되었다.

상세 분석

본 논문은 CFD 자동화의 핵심 난제인 “전문 지식의 결핍”과 “코드 오류·물리적 부정합”을 LLM 기반 다중 에이전트 구조로 해결한다는 점에서 혁신적이다. 먼저 Stage 0에서 OpenFOAM 매뉴얼·튜토리얼을 정형화된 JSON·벡터 DB로 전처리한다. 파일 의존성, 경계조건, 물리량 차원, Solver 템플릿을 각각 db1~db4에 저장함으로써, LLM이 컨텍스트 한계에 부딪히지 않고 정확한 설정을 추론하도록 설계했다. 특히 차원 일관성 DB는 물리적 충실도(Physical Fidelity) 판단에 직접 활용돼, 단순 실행 가능 여부를 넘어 시뮬레이션 결과가 과학적으로 의미 있는지를 정량화한다.

Stage 1에서는 사용자와의 멀티모달 대화를 통해 케이스를 추출하고, Mesh 파일을 자동 변환(fluentMeshToFoam)한다. 여기서 DeepSeek‑R1이 초기 질의·요약을 담당하고, DeepSeek‑V3가 복잡한 파일 생성·코드 작성에 투입된다.

Stage 2와 Stage 3에서 핵심은 “Error Locator”와 “Iterative Reflection”이다. 시뮬레이션 실행 후 로그를 RAG 기반 ReferenceRetriever·ContextRetriever가 분석해, 파일 누락·차원 불일치·수치 발산 등 오류를 정확히 식별한다. 이후 에이전트가 자체적으로 프롬프트를 재구성해 오류를 수정하고 재실행한다. 이 루프는 평균 2.3회의 재시도를 거쳐 성공률을 크게 끌어올린다.

실험 결과는 315개 다양한 물리·기하학 케이스(압축성·비압축성, 정상·과도 흐름, 다양한 난류 모델)에서 82.1% 실행 성공, 68.12% 물리적 충실도를 기록한다. 기존 시스템은 실행 자체가 6~42%에 불과했으며, 물리적 충실도 평가는 거의 이루어지지 않았다. Ablation study에서는 Solver Template DB를 제거하면 정확도가 48%로 급락하고, Error Locator를 제외하면 성공률이 30% 이하로 감소한다는 점에서 두 모듈의 절대적 중요성을 입증한다.

자원 측면에서는 평균 192.1k 토큰, 0.208 $ 비용으로, Foam‑Agent 대비 토큰 수는 절반, MetaOpenFOAM 대비 1.5배 저렴하다. 다중 물리(예: 열‑유체 연계) 케이스에서는 자원 소모가 상승하지만, 여전히 실용적인 수준을 유지한다.

한계점으로는 외부 복합 메쉬(예: CAD 기반 복잡 형상) 지원이 제한적이며, LLM이 복잡한 물리적 상호작용을 과소평가하는 편향이 존재한다. 또한 현재는 OpenFOAM 내부 솔버와 전처리·후처리만을 다루며, CFD 후처리·시각화 단계는 별도 도구에 의존한다. 향후 멀티‑MCP(모듈형 협업 프로토콜)와 연계해 다른 물리 엔진·최적화 도구와의 통합이 기대된다.

전반적으로 ChatCFD는 구조화된 도메인 지식과 오류 기반 자기 교정 메커니즘을 LLM에 결합함으로써, “코드 생성 → 실행 → 검증 → 재생성”의 완전 순환을 자동화한 최초 사례라 할 수 있다. 이는 CFD뿐 아니라 복잡한 과학·공학 시뮬레이션 전반에 AI 자동화 적용 가능성을 크게 확장한다.