AI CFD 과학자: 물리학 기반 AI 에이전트를 활용한 개방형 계산 유체 역학 연구의 새로운 지평

AI CFD Scientist: Toward Open-Ended Computational Fluid Dynamics Discovery with Physics-Aware AI Agents

최근 LLM 기반 에이전트는 소프트웨어만을 사용하는 머신러닝 연구, 화학, 그리고 생물학 분야에서 과학적 발견 프로세스의 상당 부분을 자동화했습니다. 그러나 고정밀 물리 시뮬레이션에 동일한 프로세스를 적용하는 것은 어렵습니다. 왜냐하면 솔버의 완성이 반드시 물리적 타당성을 의미하는 것은 아니며, 많은 오류는 솔버 로그가 아닌 실제 시뮬레이션 결과 이미지에서만 나타나기 때문입니다. 본 논문에서는 계산 유체 역학(CFD)을 위한 오픈소스 AI 과학자인 'AI CFD 과학자'를 소개합니다. 저희가 알고 있는 바로는, 이 시스템은 문헌 기반 아이디어 생성, 검증된 실행, 시각 기반 물리 검증, 소스 코드 수정, 그리고 이미지 기반 보고서 작성 기능을 하나의 검토 가능한 워크플로우로 통합한 최초의 시스템입니다. 세 가지 연동된 경로를 통해 고정된 솔버 내의 파라미터 스윕, 새로운 물리 모델을 위한 케이스별 C++ 라이브러리 컴파일, 그리고 참조 비교자를 활용한 개방형 가설 탐색을 수행하며, 모든 과정은 OpenFOAM과 Foam-Agent를 통해 실행됩니다. 이 프레임워크의 핵심은 렌더링된 유동장을 검사하여 결과의 타당성을 확인하는 시각-언어 기반 물리 검증 게이트입니다. 공유된 GPT-5.5 기반 모델을 사용하여, 'AI CFD 과학자'는 Spalart-Allmaras 런타임 보정값을 자동으로 발견하여, 주기적인 힐(periodic hill)에서 Re=5600일 때 DNS에 대한 하벽 마찰 계수(Cf)의 RMSE를 7.89% 감소시켰습니다. 유사한 LLM 비용으로, 두 가지 강력한 일반 AI 과학자 기반 모델(ARIS, DeepScientist)은 부분적인 CFD 워크플로우를 실행하지만, 결과를 과학적으로 뒷받침할 수 있는 도메인 특화된 검증 게이트가 부족합니다. 또한, 의도적으로 오류를 삽입한 실험을 통해, 시각-언어 기반 게이트가 솔버 수준의 검사로는 감지되지 않는 16개의 오류 중 14개를 감지하는 것을 확인했습니다. 코드, 프롬프트, 그리고 실행 결과는 https://github.com/csml-rpi/cfd-scientist 에서 공개됩니다.

Recent LLM-based agents have closed substantial portions of the scientific discovery loop in software-only machine-learning research, in chemistry, and in biology. Extending the same loop to high-fidelity physical simulators is harder, because solver completion does not imply physical validity and many failure modes appear only in field-level imagery rather than in solver logs. We present AI CFD Scientist, an open-source AI scientist for computational fluid dynamics (CFD) that, to our knowledge, is the first to span literature-grounded ideation, validated execution, vision-based physics verification, source-code modification, and figure-grounded writing within a single inspectable workflow. Three coupled pathways cover parameter sweeps within a fixed solver, case-local C++ library compilation for new physical models, and open-ended hypothesis search against a reference comparator, all running on OpenFOAM through Foam-Agent. At the center of the framework is a vision-language physics-verification gate that inspects rendered flow fields before any result is accepted, rerun, or written into a manuscript. On five tasks under a shared GPT-5.5 backbone, AI CFD Scientist autonomously discovers a Spalart-Allmaras runtime correction that reduces lower-wall Cf RMSE against DNS by 7.89% on the periodic hill at Reh=5600; under matched LLM cost, two strong general AI-scientist baselines (ARIS, DeepScientist) execute partial CFD workflows but lack the domain-specific validity gates needed to convert runs into defensible scientific claims; and a controlled planted-failure ablation shows that the vision-language gate detects 14 of 16 silent failures missed by solver-level checks. Code, prompts, and run artifacts are released at https://github.com/csml-rpi/cfd-scientist.