HPC 시뮬레이션 출력 로그의 자동 사후 처리를 위한 LLM 활용

제임스 임리 - 선임 솔루션 설계자

엔지니어링 팀이 생성하고 있습니다. 수 테라바이트의 CAE 및 HPC 시뮬레이션 데이터 매일 발생하는 데이터이지만, 솔버 로그에서 신뢰할 수 있고 실행 가능한 인사이트를 추출하는 것은 여전히 ​​수동적이고 오류 발생 가능성이 높은 병목 현상입니다. 이번 세션에서는 이러한 문제를 해결하는 방법을 자세히 살펴봅니다. 대형 언어 모델(LLM) 시뮬레이션 워크플로우에 직접 통합되어 사후 처리 및 분석을 위한 "보조 조종사" 역할을 할 수 있습니다.

현지 기업 수준의 LLM이 어떻게 도움이 될 수 있는지 확인해 보세요.

• 다양한 도구에서 복잡한 솔버 로그를 분석하고 해석합니다. 지멘스 스타-CCM+, 아바쿠스, 앤시스 플루언트
• 자동적으로 오류 및 고장 모드를 분류합니다. (메시 품질, 발산, 메모리, 라이선스, 수렴 문제)
• 추출 및 정규화 주요 시뮬레이션 결과 신뢰할 수 있는 실행 결과를 기반으로 AI에 바로 사용할 수 있는 데이터 세트를 구축합니다.
• 지원 부담을 줄이고 사용자 자율성을 높이는 자동화된 문제 해결 프로세스를 지원합니다.
• 운영 고립된, 사적인 환경 CI/CD, 벤치마킹 및 회귀 테스트를 통해 실제 운영 환경에 적용 가능

본 세션에서는 시뮬레이션 후처리용 LLM 배포의 전체 수명주기를 살펴봅니다. 여기에는 모델 선택 및 벤치마킹, 데이터 파이프라인, 프롬프트 설계, CI/CD 통합, 그리고 고객별 사용 사례에 대한 검증이 포함됩니다.

이 세션을 시청하여 실제 운영 환경의 솔버 로그에 적용된 LLM 배포 사례를 살펴보고, 그 기반이 되는 참조 아키텍처를 이해하며, 오류 처리 자동화, 근본 원인 분석 속도 향상, 시뮬레이션 결과를 AI에서 활용 가능한 데이터 자산으로 전환하는 데 즉시 적용할 수 있는 패턴을 습득하세요.