대안모델(메타모델)

대안모델과 메타모델은 무엇이고, 느린 CFD를 어떻게 실시간 예측으로 바꿉니까?

대안모델(surrogate model)은 계산이 오래 걸리는 시뮬레이션의 입력과 출력의 관계를 미리 계산한 결과로 학습해 빠르게 근사하는 모델이고, 메타모델(metamodel)은 같은 것을 가리키는 다른 이름입니다. 조건을 바꿔 가며 CFD를 미리 여러 번 계산하고 그 결과로 모델을 학습해 두면, 운영 중에는 CFD를 다시 돌리지 않고 학습된 모델만으로 새 조건의 결과를 실시간으로 예측합니다. 대안모델은 필드솔루션 피지컬 AI 엔진의 구성요소로, 무거운 시뮬레이션을 빠르게 대신합니다.

작성 김대천 대표 작성일 수정일

촘촘한 격자 정육면체가 한 칸씩 천천히 채워지는 동안 옆의 매끈한 곡면은 입력이 들어오자마자 결과를 내보내는 움직이는 개념 그림
개념 그림. 격자를 하나하나 계산하는 시뮬레이션(왼쪽)과, 그 결과를 학습해 곧바로 답하는 대안모델(오른쪽)입니다.

비교

CFD 직접 계산, 대안모델, 단순 통계 모델은 쓰는 자리가 다릅니다

대안모델은 CFD를 없애는 방법이 아닙니다. CFD로 미리 계산한 결과를 학습해 운영 중의 예측에 쓰는 방법입니다. 현장 측정값만으로 만드는 단순 통계 모델까지 세 가지를 나란히 놓았습니다.

비교 항목CFD 직접 계산대안모델(메타모델)단순 통계 모델
계산 속도 조건 하나를 계산하는 데 긴 시간이 걸립니다. 제어 주기 안에 답하기 어렵습니다. 학습을 마치면 새 조건의 결과를 제어 주기 안에 계산합니다. 계산이 가벼워 실시간으로 쓸 수 있습니다.
물리 반영 기류·열·농도의 보존 방정식을 직접 풉니다. 시뮬레이션 결과를 배워 간접으로 반영합니다. 반영하지 않습니다. 측정값 사이의 상관관계만 씁니다.
미리 필요한 것 시설의 3D 형상, 경계 조건, 해석 격자, 계산 장비 조건 범위를 덮는 시뮬레이션 표본과 검증용 표본 충분한 기간의 현장 측정 이력
한계 조건이 바뀔 때마다 다시 계산해야 합니다. 학습한 조건 범위 밖에서는 믿을 수 없습니다. 시뮬레이션이 틀리면 같이 틀립니다. 겪어 보지 않은 조건과 센서가 없는 위치는 알 수 없습니다.
맞는 쓰임 설계 검토, 구조·설비 변경 검토, 표본 계산 같은 시설에서 조건만 바뀌는 반복 예측, 실시간 제어, 최적화 계산 측정 이력이 충분한 운전 범위의 추세 예측

표는 옆으로 밀어 볼 수 있습니다 →

대안모델을 가리키는 여러 이름

대안모델 (surrogate model)
무거운 시뮬레이션의 입력과 출력의 관계를 빠르게 근사하는 모델입니다. 대리모델, 대체모델, 근사모델, 서로게이트 모델이라고도 옮깁니다.
메타모델 (metamodel)
같은 뜻입니다. 시뮬레이션이라는 모델을 다시 모델로 만들었다는 데서 온 이름입니다.
에뮬레이터 (emulator)
통계 분야에서 대안모델을 부르는 이름입니다.
반응표면 모델 (response surface model)
다항식으로 근사하는 대안모델입니다. 대안모델 전체를 가리키는 말로 쓰기도 합니다.
차수축소모델 (reduced-order model)
시뮬레이션 결과에서 주된 패턴만 남겨 계산 규모를 줄인 모델입니다. 대안모델의 한 갈래로 봅니다.

엔진이 사용하는 방법

시뮬레이션은 미리 계산하고, 운영 중에는 학습된 모델이 예측합니다

대안모델은 필드솔루션 피지컬 AI 엔진이 사용하는 방법입니다. 시뮬레이션을 대신하는 이 모델은 다섯 단계로 만들고, 시간이 오래 걸리는 계산은 운영 전에 끝냅니다.

대안모델을 만드는 순서 조건 범위를 정해 여러 번 계산한 시뮬레이션 표본으로 대안모델을 학습하고, 따로 남긴 시뮬레이션과 현장 실측으로 검증한 뒤 현장 시설의 실시간 예측에 쓰는 흐름. 조건 범위 시뮬레이션 표본 대안모델 실시간 예측 1 2 3 4 5
  1. 조건 범위 정하기 예측에 쓸 입력과 출력을 고르고, 입력이 움직이는 범위를 정합니다. 온실이라면 외기 온도, 일사, 환기창 열림 정도, 난방 출력이 입력입니다.
  2. 시뮬레이션 표본 만들기 범위 안에서 조건을 고르게 뽑아 CFD를 여러 번 계산하고, 조건과 결과를 짝지어 모읍니다.
  3. 모델 학습 표본으로 입력과 출력의 관계를 학습합니다. 다항식 반응표면, 가우시안 프로세스(크리깅), 신경망을 많이 씁니다.
  4. 검증 학습에 쓰지 않고 따로 남긴 시뮬레이션 결과, 그리고 현장 실측과 예측을 비교해 오차를 확인합니다.
  5. 제어에 연결 오차를 확인한 범위 안에서, 대안모델의 실시간 예측을 관제 화면과 설비 제어에 연결합니다. 연결한 뒤에도 예측을 현장 실측과 계속 비교합니다.
도식: 대안모델을 만들고 쓰는 흐름. 번호는 대안모델을 만들고 쓰는 순서입니다.

CFD가 느린 이유

CFD는 온실이나 저장시설 같은 시설 안의 공간을 수많은 격자로 나누고, 격자마다 질량·운동량·에너지의 보존 방정식을 반복해서 풉니다. 격자가 촘촘할수록 정확해지지만 계산은 길어집니다. 3차원 시설 해석에서는 조건 하나를 계산하는 시간이 제어 주기보다 긴 것이 보통입니다.

대안모델이 빠른 이유

대안모델은 격자마다 방정식을 다시 풀지 않습니다. 미리 계산한 표본에서 배운 입력과 출력의 관계에 새 조건을 넣어 값을 계산합니다. 시간이 오래 걸리는 시뮬레이션 계산과 학습은 운영 전에 끝내 둡니다. 그래서 운영 중에는 제어 주기 안에 예측이 나오고, 이 글에서는 이것을 실시간이라고 부릅니다.

한계

학습한 조건 범위 밖에서는 대안모델을 믿을 수 없습니다

대안모델은 물리 방정식을 직접 푸는 계산이 아니라, 미리 계산한 표본 사이를 메우는 근사입니다. 그래서 쓰기 전과 쓰는 동안 네 가지를 확인해야 합니다.

현장 데이터로 보정하는 방법 보기

  • 입력이 학습한 범위 안에 있는가 표본을 만든 조건 범위를 벗어나면 오차가 얼마나 커질지 알 수 없습니다. 범위를 벗어난 조건은 시뮬레이션으로 다시 계산해야 합니다.
  • 기준 시뮬레이션이 현장과 맞는가 대안모델은 시뮬레이션을 따라 배우므로, 시뮬레이션이 틀리면 같이 틀립니다. 시뮬레이션을 현장 실측과 먼저 맞춰야 합니다.
  • 시설이 표본을 만들 때와 같은가 구조나 설비 배치처럼 표본을 만들 때 고정한 것이 바뀌면 표본부터 다시 만들어야 합니다.
  • 필요한 값이 학습한 출력에 들어 있는가 대안모델은 학습할 때 고른 출력만 예측합니다. 다른 위치나 다른 값이 필요하면 그 출력으로 다시 학습해야 합니다.

근거

엔진 안에서의 역할과 공개된 사실을 나눠 적습니다

대안모델이 엔진 안에서 맡는 역할을 먼저 적고, 필드솔루션이 공개한 관련 사실을 따로 적었습니다. 공개된 사실은 원문을 확인할 수 있습니다.

엔진 안에서의 역할

엔진 구성요소
구분
필드솔루션 피지컬 AI 엔진의 구성요소
역할
무거운 시뮬레이션을 빠르게 대신하는 모델
엔진 안의 자리
현장 측정 → 3D 시뮬레이션 → 합성데이터·대안모델 → 현장 제어의 네 단계 가운데 세 번째 단계
함께 쓰는 것
3D 시뮬레이션, 합성데이터, Real2Sim2Real, 물리 기반 AI(PINN)·강화학습

피지컬 AI 서비스

지원 범위
방법
물리 기반 AI(PINN)에 3D 시뮬레이션과 강화학습을 결합합니다.
판단 근거
센서와 PLC 데이터를 바탕으로 제어를 판단합니다.
농업 대상
시설 재배와 저장 시설 환경의 최적화 제어
자세히
필드솔루션 피지컬 AI 엔진 소개

앤시스와 3D CFD 기반 기술 개발

개발 착수
착수
2025년 12월 15일 글로벌 기업 협업 프로그램을 통해 앤시스(Ansys)와 3세대 스마트팜 기술 개발에 착수했습니다.
시뮬레이션 대상
가상 재배 환경의 공기 흐름, 열 전달, CO2 농도
목표
AI 학습을 위한 초기 데이터 부족과 과도한 에너지 비용의 극복
재배 현장
전북도 농업기술원 자원식물연구소와 협력해 실제 재배 현장 확보와 솔루션 검증·상용화를 추진하고 있습니다.
원문
보도자료 · 에이빙뉴스 기사
'천마 디지털팜 연중생산 시스템' 현수막이 걸린 컨테이너형 재배 시설이 여러 동 줄지어 서 있는 외관.
앤시스 협력 보도자료에 실린 재배 시설 사진(사진 제공 필드솔루션)

자주 묻는 질문

대안모델(메타모델)에 대해 자주 묻는 질문

대안모델과 메타모델은 서로 다른 것입니까?

같은 것을 가리키는 이름입니다. 대안모델은 영어 surrogate model을, 메타모델은 metamodel을 옮긴 말이고, 둘 다 무거운 시뮬레이션의 입력과 출력의 관계를 빠르게 근사하는 모델을 뜻합니다. 대리모델, 대체모델, 근사모델, 서로게이트 모델도 같은 뜻으로 씁니다. 소프트웨어 공학에서 모델링 언어의 구조를 정의하는 모델을 메타모델이라고 부르는 것과는 다른 뜻입니다.

대안모델은 디지털 트윈과 무엇이 다릅니까?

디지털 트윈은 실제 시설의 상태를 현장 데이터로 계속 갱신하면서 가상 공간에 재현하는 체계 전체를 가리킵니다. 대안모델은 그 안에서 무거운 시뮬레이션을 대신해 빠르게 예측하는 계산 모델 하나를 가리킵니다. 디지털 트윈이 운영 중에 예측까지 하려면 빠른 계산이 필요하므로, 대안모델을 디지털 트윈의 부품으로 넣어 쓰는 경우가 많습니다.

3D 시뮬레이션 답변 보기

대안모델과 물리 기반 AI(PINN)는 어떤 관계입니까?

가리키는 것이 다릅니다. 대안모델은 무거운 계산을 빠르게 대신한다는 역할을 가리키는 말입니다. PINN은 신경망을 학습할 때 물리 방정식을 어긴 정도를 손실에 넣는 학습 방법을 가리키는 말입니다. 그래서 둘은 함께 쓸 수 있고, PINN으로 학습한 신경망을 대안모델로 쓰기도 합니다. 필드솔루션은 피지컬 AI 서비스에서 물리 기반 AI(PINN)에 3D 시뮬레이션과 강화학습을 결합한다고 소개하고 있습니다.

대안모델을 만들려면 어떤 데이터가 필요합니까?

입력 조건과 그 조건에서 계산한 시뮬레이션 결과를 짝지은 표본이 필요합니다. 온실이라면 입력은 외기 온도, 일사, 풍속, 환기창 열림 정도, 난방 출력 같은 값이고, 출력은 관심 위치의 온도·습도·CO2 농도 같은 값입니다. 표본은 조건 범위를 고르게 덮도록 실험계획법으로 뽑고, 일부는 학습에 쓰지 않고 검증용으로 남깁니다. 현장 실측 데이터는 기준이 되는 시뮬레이션이 실제와 맞는지 확인하는 데 씁니다.

합성데이터 답변 보기

대안모델의 예측이 틀렸는지는 어떻게 알 수 있습니까?

세 가지로 확인합니다. 첫째, 학습에 쓰지 않은 시뮬레이션 결과와 예측을 비교해 오차를 잽니다. 둘째, 운영 중에 들어오는 조건이 학습한 범위 안에 있는지 감시하고, 벗어나면 그 예측은 쓰지 않습니다. 셋째, 현장 센서의 실측값과 예측을 계속 비교하고, 차이가 커지면 시뮬레이션을 보정해 다시 학습합니다.

Real2Sim2Real 답변 보기

출처

이 글의 근거

  1. 필드솔루션 피지컬 AI 엔진 소개 필드솔루션 · 엔진 구성요소 설명
  2. 3D 시뮬레이션 솔루션 필드솔루션 · 솔루션 설명
  3. [보도자료] 앤시스(Ansys)와 3세대 스마트팜 기술 개발을 위한 파트너십 체결 필드솔루션 블로그 · 2025-12-23
  4. 앤시스 협력 보도 원문 기사 외부 기사 · 에이빙뉴스

대안모델, CFD, PINN의 개념 설명은 시뮬레이션과 최적설계 분야에서 널리 쓰는 정의를 따랐습니다. 필드솔루션에 관한 사실은 위 원문에서 확인할 수 있습니다.

예측하고 싶은 시설과 조건을 알려 주시면 무엇부터 볼지 답해 드립니다

시설의 규모, 지금 쓰는 제어 장비, 미리 알고 싶은 값(온도·습도·CO2 등)을 적어 주십시오.

필드솔루션은 온실·저장시설 같은 농업 시설을 3D 시뮬레이션으로 재현하고, 자체 엔진으로 피지컬 AI를 만들어 현장 제어까지 연결하는 기업이다.

전화 010-5163-5138 이메일 info@fieldsol.com

현장 진단 신청