우리는 자체 개발한 AI 엔지니어링 엔진 두 종 — AETHER(형상 탐색·최적화)와 Morpheus(AI 생성 형상의 CAD 복원) — 를 실제 하드웨어 개발 프로젝트에 투입하고, 실증을 시작했습니다.
실험실 벤치마크가 아니라, 실제로 만들어지고 물에 들어가야 하는 제품의 설계에 엔진을 직접 쓰고 있습니다. 그 과정에서 무엇이 되고, 어디까지 지원할 수 있는지를 이 글에 정직하게 공유합니다.
무엇을 풀고 있나
이번 실증의 무대는 수상 환경에서 미세한 진동을 감지해야 하는 센서 장비입니다. 핵심 질문은 단순하지만 까다롭습니다.
"어떤 형태가, 작은 수면 진동을 가장 잘 감지하면서도 안정적으로 떠 있을 수 있는가?"
이 질문에는 본질적인 긴장이 있습니다. 민감하게 만들면 불안정해지고, 안정적으로 만들면 둔감해집니다. 형태 하나로 이 둘을 동시에 잡아야 합니다. 사람의 직관만으로는 수백 가지 형태 후보를 다 검토할 수 없습니다. 바로 여기에 AETHER가 들어갑니다.
AETHER — 수천 개의 형상을 탐색하고 좁힌다
AETHER는 설계 변수(직경, 높이, 무게 배분, 형태 종류 등)를 바꿔가며 수천 개의 형상 후보를 자동으로 생성하고, 물리 기준으로 순위를 매깁니다.
이번 실증에서 AETHER가 실제로 한 일:
- 부력·무게중심·복원 안정성을 후보마다 계산해, 가라앉거나 뒤집히는 형태를 자동으로 걸러냈습니다.
- 단일 형태에 갇히지 않고, 여러 형태 계열(매끄러운 방추형, 원판형, 접시형 등)을 같은 잣대로 비교했습니다.
- 사람이 놓치기 쉬운 트레이드오프를 정량적으로 드러냈습니다 — 어떤 형태가 안정성에서 앞서고, 어떤 형태가 감지 성능에서 앞서는지를.
수백~수천 개 후보를 몇 분 만에 좁혀, 엔지니어가 집중해야 할 소수의 유력 후보를 제시합니다. 이것이 AETHER의 1차 역할입니다.
실증의 진짜 가치 — 검증 루프가 돈다
엔진을 실제 개발에 쓰면, 통제된 실험에서는 보이지 않던 것들이 드러납니다. 우리는 이걸 숨기지 않고, 오히려 엔진을 더 정교하게 만드는 동력으로 씁니다.
이번 실증에서 우리는 형상 평가 지표 하나를 더 정밀하게 다듬을 지점을 발견했습니다. 초기 평가 방식은 형태의 안정성과 감지 민감도를 충분히 분리하지 못하고 있었습니다. 우리는 이를 확인한 즉시:
- 감지 성능 지표를 물리적으로 더 정확한 정의(입력 대비 응답 전달률)로 재정의하고,
- 형태의 비선형적 특성을 평가에 반영하고,
- 안정성과 민감도를 독립된 두 축으로 분리해, 형태별 트레이드오프가 명확히 보이도록 고도화했습니다.
수정 후 회귀 테스트를 모두 통과했고, 평가 결과는 훨씬 정직하고 해석 가능해졌습니다. 발견에서 고도화, 재검증까지가 하나의 사이클로 돌아갑니다.
이것이 우리가 실증을 강조하는 이유입니다. AETHER는 "완성된 정답기"가 아니라, 실제 문제에 부딪히며 빠르게 정밀해지는, 살아있는 엔진입니다. 그리고 그 정밀화 과정 자체를 우리는 통제하고 있습니다.
AETHER가 특히 강한 영역은 명확합니다. 기하·정역학(부력, 무게중심, 안정성, 무게 배분)처럼 물리 법칙이 명확한 부분에서는, 독립적인 손계산과 정확히 일치하는 신뢰도를 보입니다.
Morpheus — AI가 만든 형상을 "쓸 수 있는 설계"로
AETHER가 형상을 탐색하면, 그 결과는 메시(표면 데이터) 형태입니다. 이걸 실제로 제조하려면 편집 가능한 CAD 모델로 바꿔야 합니다. 여기에 Morpheus가 들어갑니다.
Morpheus는 AI가 생성한 형상을 검증 가능한 CAD(STEP) 모델로 복원합니다. 이번 실증에서:
- 평면·원통 같은 정형 기하로 이루어진 부품은 사실상 오차 없이 복원했습니다.
- 유기적인 곡면이 포함된 형상도 CAD로 변환에 성공했으며, 곡면 정밀도는 현재 추가 고도화를 진행하고 있습니다.
즉 "AI가 형상을 생성한다 → 검증 가능한 CAD로 복원한다"는 흐름이 실제로 한 번 완결됐습니다. 이는 AI 생성 설계가 아이디어에 머물지 않고, 실제 제조로 이어지는 다리를 우리가 갖췄다는 의미입니다.
그래서, 무엇까지 지원할 수 있나
이번 실증을 통해 확인한 우리의 현재 역량을 정리하면:
- 형상 탐색·최적화 — 수천 개 설계 후보를 자동 생성하고, 물리 기준으로 순위화해 유력 후보로 좁힘
- 다중 형태 비교 — 서로 다른 형태 계열을 같은 잣대로 정량 비교
- 안정성·성능 트레이드오프 분석 — 사람이 놓치기 쉬운 설계 긴장을 수치로 노출
- AI 생성 → CAD 복원 — 탐색 결과를 제조 가능한 CAD로 변환
- 정밀도 고도화 루프 — 실증에서 발견한 지점을 즉시 모델에 반영, 재검증까지 자동화
그리고 우리는 여기서 멈추지 않습니다. 유체력처럼 더 높은 정밀도가 필요한 영역을 위해, 자체 유동 해석 엔진의 고도화와 학습 기반 정밀화 경로를 함께 진행하고 있습니다. 이 방향은 최신 과학 머신러닝 연구 흐름과 맞닿아 있으며, 우리 엔진 구조가 그 흐름에 자연스럽게 연결되도록 설계돼 있습니다.
닫는 말
우리는 "AI가 알아서 최적의 설계를 내놓는다"고 말하지 않습니다. 그렇게 말하는 도구는 많지만, 실제 하드웨어는 그렇게 만들어지지 않습니다.
우리가 만드는 것은 다릅니다. AI가 방대한 가능성을 빠르게 좁히고, 검증이 그것을 확정하며, 실증에서 발견한 것이 다시 엔진을 정밀하게 만드는 — 닫힌 개선 루프입니다.
AETHER와 Morpheus는 지금 실제 제품 위에서 그 루프를 돌리고 있습니다. 그리고 우리는, 이 엔진들이 다음 분기마다 눈에 띄게 더 정교해지는 것을 직접 보고 있습니다.
함께 풀고 싶은 설계 문제가 있다면, 연락 주십시오.
본 글은 진행 중인 실증의 경과를 공유하기 위한 것으로, 구체적 프로젝트·고객 정보는 포함하지 않습니다.