산업 월드 모델이 데이터와 구조, 물리 시뮬레이션으로 Physical AI를 지원하는 방법
FactVerse는 산업 데이터, 자산 관계, 물리 기반 시뮬레이션을 재현 가능한 AI 환경으로 통합해 데이터 센터, 반도체 클린룸, 생산 라인을 지원합니다.
AI가 산업 시설에서 일하려면 문서와 센서 표 이상의 정보를 이해해야 합니다. 공기는 공간을 따라 흐르고, 열은 설비 사이에서 전달되며, 가스는 환기 시스템을 통해 확산되고, 물리적 객체는 기계와 상호작용합니다. 현장의 의사결정은 이러한 시스템이 시간에 따라 어떻게 변하는지 이해하는 데서 시작됩니다.
산업 월드 모델은 시설의 데이터, 구조, 작동 메커니즘을 AI가 조회하고 계산하며 가능한 조치의 결과를 평가할 수 있는 환경으로 구성합니다. DataMesh는 FactVerse에서 이 역량을 개발해 산업 AI가 단절된 데이터와 도구 대신 재현 가능한 운영 맥락을 활용할 수 있도록 하고 있습니다.
현재 세 가지 적용 영역이 그 가치를 보여 줍니다. 데이터 센터의 열과 공기 흐름, 반도체 클린룸의 다성분 가스 이동, 생산 라인의 유체와 객체 상호작용입니다.
언어 모델에서 산업 월드 모델로
언어 모델은 일반적인 냉각 원리를 설명할 수 있습니다. 특정 현장의 결정을 위해서는 장비 위치, 형상, 급기 및 환기 조건, 현재 부하, 경계 조건, 적합한 열유동 모델이 함께 필요합니다. 이 맥락을 갖춰야 랙의 뜨거운 배기가 어디로 이동하는지, 풍량 변경이 실내 전체에 어떤 영향을 주는지, 재순환이 다른 열로 이동하는지를 계산할 수 있습니다.
산업 월드 모델의 세 계층
산업 데이터
실시간 텔레메트리, 과거 추세, 알람, 작업 지시, 유지보수 기록, 공정 변수, 시뮬레이션 결과가 시설의 현재와 과거 상태를 설명합니다.
산업 구조
공간 좌표, 자산 계층, 배관 및 전기 토폴로지, 상하류 관계, 생산 흐름은 각 값이 어느 객체에 속하는지와 객체들이 서로 어떻게 영향을 주는지를 정의합니다.
산업 메커니즘
질량, 운동량, 에너지 보존이 물리적 기반을 제공합니다. 설비 로직, 제어 전략, 공정 제약, 안전 규칙은 특정 시설에 필요한 운영 메커니즘을 더합니다.
각 객체에 정체성, 속성, 관계, 상태, 물리적 거동이 부여되면 3D 장면이 이 정보를 담을 수 있습니다. 이를 통해 현재 상태를 이해하고 제안된 변경이 미래 조건에 미치는 영향을 계산할 수 있습니다.
산업 AI 실행 환경으로서의 FactVerse
AI Agent는 기반 모델을 데이터베이스, API, 스크립트, 시뮬레이션 도구와 연결합니다. 산업 업무에는 단위, 버전, 권한, 경계 조건, 실행 순서, 결과 검증에 대한 관리가 추가로 필요합니다.
FactVerse는 일관된 월드 상태와 재현 가능한 실행 경로를 구성합니다. 질문을 관련 시설과 시간 범위에 연결하고, 데이터와 모델 변수를 불러오며, 분석 및 시뮬레이션 도구를 순서대로 실행하고, 단위와 솔버 상태를 확인한 뒤 입력, 과정, 결과를 기록합니다. 엔지니어는 문제의 원인이 데이터, 모델 설정, 도구 실행 중 어디에 있는지 추적할 수 있습니다.
물리는 AI가 결과를 검증할 수 있게 합니다
데이터 기반 모델은 영상과 센서 이력으로부터 후보 결과를 빠르게 예측할 수 있습니다. 산업 의사결정은 물리 및 운영 제약도 충족해야 합니다. DataMesh는 중요 시나리오를 계산하는 물리 솔버, 매개변수와 경계 조건을 보정하는 운영 데이터, 더 많은 대안을 선별하는 대리 모델, 도구 실행과 결과 비교를 담당하는 AI Agent를 결합합니다.
가스 및 열 전달을 위해 DataMesh는 공기 흐름, 열전달, 다성분 물질 이동을 지원하는 Lattice Boltzmann Method(LBM) 기반 기능을 개발했습니다. 이 솔버는 산업 워크플로에서 호출할 수 있는 물리 기능으로 FactVerse 및 NVIDIA Isaac Sim과 연결됩니다.
LBM이 산업 시뮬레이션에 실용적인 이유
LBM은 규칙적인 격자 위에서 이동하고 충돌하는 분포로 유체 거동을 표현합니다. 국소적이고 병렬화하기 쉬운 계산, 예측 가능한 메모리 접근 방식은 현대 GPU에 적합합니다. CAD, BIM, 스캔 데이터, OpenUSD 장면도 복셀 또는 격자 영역으로 준비할 수 있어 복잡한 시설의 설정 과정을 줄일 수 있습니다.
DataMesh의 한 검증 사례에서는 소비자용 GPU로 약 178만 개 격자 셀을 사용해 클린룸 내 55초의 가스 이동을 약 1분 만에 계산했습니다. 실행 시간과 정확도는 형상, 해상도, 물리 설정, 하드웨어, 수렴 조건에 따라 달라지므로 운영 적용 전 엔지니어링 보정과 검증을 수행합니다.
세 가지 산업 시나리오
데이터 센터: 열과 공기 흐름 추적
모니터링 시스템은 흡입 온도가 높은 랙을 찾아낼 수 있습니다. 열 월드 모델은 공간의 공기 흐름과 열전달을 더해 원인을 파악하고 개선안을 비교할 수 있게 합니다. 한 검증 시나리오에서는 상태가 가장 나쁜 랙으로 유입되는 공기의 상당 부분이 해당 랙과 주변 장비의 재순환 배기에서 유래했습니다. 이 분석은 급기 부족과 구분되는 재순환 경로를 보여 주었습니다.
반도체 클린룸: 가스 이동과 감지 범위 모델링
클린룸 안전 분석은 유해 가스가 이동하는 경로, 시간에 따른 농도 변화, 감지기 반응 시점, 환기 조건에 따른 감지 공백을 함께 살펴야 합니다. 농도장, 노출 구역, 감지기 커버리지, 시스템 상태를 통합해 검토할 수 있습니다.
생산 라인: 유체와 움직이는 객체의 결합
고속 생산 설비에서는 제트와 압력장이 부품을 이동시키거나 회전시키고 흐름을 막을 수 있습니다. DataMesh는 유체장이 강체에 힘을 가하고 객체의 위치와 방향이 다시 국소 유동을 변화시키는 결합 워크플로를 검증하고 있습니다. 충돌, 마찰, 재료 특성, 설비 타이밍이 하나의 시나리오에 포함됩니다.
한 번의 솔버 실행에서 재현 가능한 AI 워크플로로
FactVerse는 장면을 준비하고, 현재 시설 데이터를 연결하며, 솔버를 설정하고, 입력 출처를 보존한 뒤 결과를 FactVerse AI Agent로 전달할 수 있습니다. 팀은 랙 배치, 감지기 위치, 환기 설정, 공정 변수를 후보로 생성하고, 시뮬레이션을 일괄 실행하며, 검토 가치가 높은 안을 엔지니어에게 제시할 수 있습니다.
명확한 모델 소유권, 품질이 확보된 형상과 센서 데이터, 버전이 관리되는 경계 조건, 문서화된 가정, 솔버 검증, 불확실성 검토, 사람의 승인이 결과의 이해 가능성과 재사용성을 높입니다.
Physical AI를 위한 계산 기반
데이터는 산업 상태를 설명하고, 구조는 관계를 정의하며, 물리는 변화를 계산합니다. FactVerse는 이 세 계층을 시설 운영, 엔지니어링 시뮬레이션, AI 의사결정 지원, Physical AI 개발을 위한 재현 가능한 환경으로 통합합니다.