AI 기반 시뮬레이션을 설명할 때 가장 먼저 받는 질문은 정확도입니다. 당연한 질문입니다. 공학 해석은 보기 좋은 이미지를 만드는 일이 아니라 설계 판단의 근거를 만드는 일이기 때문입니다. 하지만 “정확도 95%” 같은 표현만으로는 충분하지 않습니다. 어떤 형상에서, 어떤 물리 조건에서, 어떤 기준 솔버와 비교했는지 설명되지 않은 정확도는 산업 현장에서 거의 쓸모가 없습니다.
AI 모델은 평균적으로 좋은 성능을 보여도 특정 조건에서 크게 실패할 수 있습니다. 단순한 빔, 브래킷, 판재에서는 오차가 작지만 얇은 리브, 급격한 곡률, 복잡한 접촉, 재료 비선형, 열-구조 결합이 들어가면 전혀 다른 문제가 됩니다. 따라서 AI 시뮬레이션의 정확도를 말하려면 숫자 하나가 아니라 사용 범위와 실패 방식을 함께 말해야 합니다.
평균 오차보다 중요한 것은 오차의 위치
구조 해석에서 평균 오차가 낮다는 것은 좋은 출발점입니다. 그러나 설계자가 실제로 걱정하는 것은 평균장이 아니라 위험 지점입니다. 최대 응력이 발생하는 위치를 놓치거나, 응력 집중부를 부드럽게 평균화하거나, 변형 모드를 잘못 예측하면 전체 평균 오차가 낮아도 판단은 잘못될 수 있습니다.
예를 들어 어떤 모델이 전체 응력장 평균 오차 5%를 기록했다고 가정해 보겠습니다. 하지만 볼트 홀 주변의 최대 응력을 25% 낮게 예측한다면 그 모델은 경량화 판단에 위험합니다. 반대로 전체 평균 오차는 조금 높더라도 위험 위치와 상대적 순위를 일관되게 맞춘다면 초기 설계 탐색에서는 더 유용할 수 있습니다.
정확도는 목적별로 다르게 정의해야 한다
AI 해석의 정확도는 사용 목적에 따라 다르게 정의되어야 합니다. 초기 설계 탐색에서는 후보 설계 간 상대 순위가 중요합니다. 최종 검증에서는 절대값과 규격 만족 여부가 중요합니다. 자동 최적화에서는 오차뿐 아니라 모델이 탐색 공간 밖으로 벗어났을 때 이를 감지하는 능력이 중요합니다.
- 탐색 단계: 설계 대안의 상대 비교, 취약부 위치, 변화 방향을 빠르게 확인합니다.
- 상세 설계 단계: 주요 응력, 변형량, 경계 조건 민감도를 정량적으로 점검합니다.
- 검증 단계: 전통적 솔버, 실험, 규격 기준과 연결된 추적 가능한 결과가 필요합니다.
따라서 RHXY 같은 제품은 결과를 보여줄 때 “정확합니다”라고 말하는 대신 “이 결과는 어떤 단계의 판단에 적합한가”를 함께 보여줘야 합니다. 이것이 제품 신뢰의 핵심입니다.
검증은 논문 표가 아니라 제품 기능이어야 한다
AI 시뮬레이션에서 검증은 모델 개발 후 마지막에 붙는 부록이 아닙니다. 사용자가 결과를 보는 화면 안에 들어와야 하는 기능입니다. 결과 이미지 옆에는 입력 조건, 비교 기준, 모델 적용 범위, 신뢰 구간, 추가 검증이 필요한 이유가 함께 표시되어야 합니다. 사용자가 어떤 결과를 믿어도 되는지, 어떤 결과는 조심해야 하는지 알 수 있어야 합니다.
특히 공학에서는 “그럴듯한 그림”이 위험합니다. 컬러맵은 설득력이 강하지만, 그 자체로 검증을 의미하지 않습니다. 모델이 모르는 조건에서 자신 있게 답하면 사용자는 더 큰 위험에 노출됩니다. 그래서 AI 해석 제품은 불확실성을 숨기지 않는 UX를 가져야 합니다.
실패 조건을 데이터로 남기는 이유
좋은 모델은 성공 사례만으로 만들어지지 않습니다. 수렴하지 않은 해석, 부적절한 구속 조건, 비현실적인 하중, 품질이 낮은 메쉬, 잘못 라벨링된 결과도 중요한 데이터입니다. 이런 실패 사례는 모델이 피해야 할 영역을 알려줍니다. 단지 답을 맞히는 모델보다, 자신이 모르는 조건을 감지하는 모델이 산업 현장에서는 더 안전합니다.
AI 시뮬레이션의 신뢰성은 “언제 맞는가”보다 “언제 믿으면 안 되는가”를 얼마나 잘 드러내는지에서 결정됩니다.
RHX.LAB이 보는 정확도의 기준
RHX.LAB은 AI 해석을 기존 CAE의 단순 대체재로 보지 않습니다. 우리는 빠른 탐색, 후보 압축, 설계 의사결정 지원에서 AI가 큰 가치를 만들 수 있다고 봅니다. 동시에 최종 인증, 고위험 구조물, 복잡한 비선형 문제에서는 전통적인 솔버와 실험 검증이 여전히 중요하다고 봅니다.
따라서 우리가 추구하는 정확도는 제품 문맥을 포함합니다. 사용자가 어떤 질문을 했고, 어떤 조건에서 답을 받았으며, 그 답이 어느 수준의 판단에 적합한지까지 설명할 수 있어야 합니다. 정확도는 모델의 성능 지표이면서 동시에 사용자와 시스템 사이의 신뢰 계약입니다.