딥러닝 & 머신러닝

OPENFOAM (0)

El_Pong 2025. 4. 3. 23:44
728x90

우선 새로운 시작에 앞서 ML & DL 관련글이라면 AI가 글을 써야 카테고리의 취지에 맞는게 아닐까 생각이 들었다. 

따라서 딥리서치 기능을 최대한 활용할 예정이다.  

목표는 

OpenFOAM을 배우기 전에 필요한 기초 개념

OpenFOAM은 CFD(전산유체역학, Computational Fluid Dynamics)를 위한 강력한 오픈소스 도구이므로, 이를 다루기 위해서는 몇 가지 필수적인 사전 지식이 필요합니다. 초보자가 OpenFOAM을 효과적으로 배우기 위해 단계적으로 익혀야 할 개념을 정리해 보겠습니다.

1. 기본적인 유체역학 (Fluid Mechanics)

OpenFOAM은 유체의 흐름을 수치적으로 해석하는 프로그램이므로, 기본적인 유체역학 개념을 알아야 합니다.

1.1 유체의 성질

  • 밀도 (Density, ρ): 단위 부피당 질량 (kg/m³)
  • 점성 (Viscosity, μ): 유체 내부 마찰을 결정하는 성질 (Pa·s)
  • 압력 (Pressure, P): 유체 내에서 작용하는 힘 (Pa)
  • 속도장 (Velocity Field, u): 유체가 특정 위치에서 가지는 속도 (m/s)

1.2 유체 운동의 기본 방정식

  • 연속 방정식 (Continuity Equation): 질량 보존 법칙을 의미하며, 다음과 같은 형태로 표현됨 ∂ρ∂t+∇⋅(ρu)=0\frac{\partial \rho}{\partial t} + \nabla \cdot (\rho \mathbf{u}) = 0
  • 나비에-스토크스 방정식 (Navier-Stokes Equations): 운동량 보존 법칙을 나타내며, 뉴턴 유체의 기본 방정식 ρ(∂u∂t+u⋅∇u)=−∇P+μ∇2u+F\rho \left( \frac{\partial \mathbf{u}}{\partial t} + \mathbf{u} \cdot \nabla \mathbf{u} \right) = -\nabla P + \mu \nabla^2 \mathbf{u} + \mathbf{F} 여기서 F\mathbf{F}는 외부 힘(예: 중력)이며, 이 방정식은 CFD의 핵심이 됨

1.3 난류 (Turbulence)

  • 난류 (Turbulence): 높은 레이놀즈 수(Reynolds number)에서 유동이 불규칙하게 흐르는 상태
  • 난류 모델 (Turbulence Models): OpenFOAM에서 다양한 난류 모델을 사용하여 난류 해석을 수행
    • RANS (Reynolds-Averaged Navier-Stokes)
    • LES (Large Eddy Simulation)
    • DNS (Direct Numerical Simulation)

2. 수치해석 (Numerical Methods)

CFD는 물리적 유동 방정식을 컴퓨터에서 계산 가능한 형태로 변환하여 푸는 과정이므로, 수치해석 기법을 이해하는 것이 중요함.

2.1 이산화 (Discretization) 기법

연속적인 방정식을 컴퓨터가 계산할 수 있도록 변환하는 과정

  • 유한 차분법 (Finite Difference Method, FDM): 미분 방정식을 차분 방정식으로 변환
  • 유한 체적법 (Finite Volume Method, FVM): 유체의 보존법칙을 이용하여 공간을 나누고 적분 (OpenFOAM이 사용하는 방법)
  • 유한 요소법 (Finite Element Method, FEM): 요소를 정의하여 근사적인 해를 구함

2.2 선형대수학 (Linear Algebra)

OpenFOAM 내부에서는 수많은 선형 방정식을 풀어야 하므로, 기본적인 선형대수 개념을 알아두면 도움이 됨

  • 행렬과 벡터 연산
  • 희소 행렬 (Sparse Matrix)
  • 반복법 (Iterative Methods): Gauss-Seidel, SOR, CG(Conjugate Gradient), BiCGStab 등

3. 컴퓨터 및 프로그래밍 기본 지식

OpenFOAM은 C++로 작성된 프로그램이며, 이를 실행하고 수정하려면 기본적인 프로그래밍과 리눅스 명령어를 익혀야 함.

3.1 리눅스 기본 명령어

OpenFOAM은 주로 리눅스 환경에서 실행되므로, 다음과 같은 리눅스 명령어에 익숙해지는 것이 중요함.

  • ls, cd, pwd: 파일 및 디렉토리 탐색
  • cp, mv, rm: 파일 및 폴더 조작
  • cat, less, nano, vim: 파일 내용 확인 및 편집
  • grep, awk, sed: 텍스트 처리
  • tar -xvf, gzip -d: 압축 해제

3.2 C++ 기본 문법

OpenFOAM의 코드를 수정하거나 새로운 기능을 추가하려면 C++을 다룰 수 있어야 함.

  • 변수 및 데이터 타입
  • 조건문과 반복문 (if, for, while)
  • 함수 정의
  • 클래스와 객체 지향 프로그래밍 (OOP)

4. 격자 생성 (Meshing)

CFD에서 물리적인 도메인을 작은 요소로 나누어 계산을 수행하는 과정이 격자화(Meshing) 이며, OpenFOAM에서 중요한 역할을 함.

4.1 격자의 종류

  • 구조형 격자 (Structured Mesh): 규칙적인 사각형 또는 육면체 격자
  • 비구조형 격자 (Unstructured Mesh): 삼각형 또는 사면체 기반의 자유로운 형태
  • 혼합형 격자 (Hybrid Mesh): 두 가지 격자를 혼합하여 사용

4.2 OpenFOAM에서 사용되는 격자 생성 도구

  • blockMesh: 구조형 격자 생성
  • snappyHexMesh: 복잡한 형상의 비구조형 격자 생성
  • cfMesh, gmsh: 외부 메싱 도구

5. OpenFOAM 기본 구조 및 실행 흐름

OpenFOAM을 효과적으로 사용하려면, 기본적인 실행 흐름과 폴더 구조를 이해해야 함.

5.1 OpenFOAM 폴더 구조

OpenFOAM에서 실행되는 시뮬레이션은 보통 특정한 폴더 구조를 가짐:

case_directory/
├── 0/          # 초기 조건 (Initial Conditions)
├── constant/   # 물리 모델 및 격자 정보 (Physics, Mesh)
├── system/     # Solver 설정 파일 (Numerical Settings)

5.2 실행 단계

  1. 격자 생성 
    blockMesh
  2. 격자 검사 
    checkMesh
  3. 시뮬레이션 실행 
    simpleFoam  # 특정 솔버 실행
  4. 결과 후처리 
    paraFoam  # ParaView를 이용한 시각화

6. 후처리 (Post-Processing)

해석이 끝난 후 결과를 분석하는 과정이 필요하며, OpenFOAM에서는 주로 ParaView를 사용하여 데이터를 시각화함.

6.1 주요 후처리 툴

  • paraFoam: ParaView에서 OpenFOAM 데이터를 분석하는 명령어
  • foamToVTK: VTK 형식으로 변환하여 다른 CFD 툴에서 활용 가능
  • postProcess: 기본적인 통계 데이터 및 유동장 정보를 분석하는 도구

7. 실습을 위한 기본 튜토리얼

OpenFOAM에는 초보자가 따라할 수 있는 기본 튜토리얼이 제공됨.

7.1 기본적인 OpenFOAM 튜토리얼

  1. Cavity Flow (공동 유동) 
    cp -r $FOAM_TUTORIALS/incompressible/icoFoam/cavity .
cd cavity
blockMesh
icoFoam
paraFoam
  2. Pipe Flow (배관 내부 유동) 
    cp -r $FOAM_TUTORIALS/incompressible/simpleFoam/pitzDaily .
cd pitzDaily
blockMesh
simpleFoam
paraFoam

마무리

OpenFOAM을 배우기 위해서는 기본적인 유체역학, 수치해석, 프로그래밍, 격자 생성, 시뮬레이션 실행 과정 등을 익혀야 합니다. 기초를 탄탄하게 다진 후, 점진적으로 OpenFOAM의 고급 기능을 학습하면 실전에서 활용하는 데 큰 도움이 될 것입니다.

 

 

OpenFOAM의 GPU 지원 현황 및 최신 개발 동향

OpenFOAM은 전통적으로 CPU 기반으로 개발된 CFD 소프트웨어이지만, 최근 HPC(고성능 컴퓨팅) 트렌드에 맞추어 GPU 가속 지원을 활발히 모색하고 있습니다. GPU를 활용하면 대규모 CFD 계산을 가속할 수 있지만, CPU용으로 작성된 방대한 OpenFOAM 코드를 GPU에 맞게 변경하는 것이 큰 과제입니다 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone). 이를 위해 기존 코드를 최소한 수정하면서 GPU를 활용하는 방안과, GPU 아키텍처에 맞게 코드를 대폭 재작성하는 방안이 모두 연구되고 있습니다 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone) (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone). 아래에서는 OpenFOAM의 공식 GPU 가속 지원 현황과 최신 개발 동향을 5가지 측면에서 정리합니다.

1. GPU 가속이 적용된 OpenFOAM 솔버 목록

  • 선형 해법(Linear Solver) 가속을 통한 기존 솔버 가속: 대부분의 OpenFOAM 솔버는 지배방정식을 풀기 위해 대형 희소행렬 선형계(Sparse linear system)를 반복해법으로 풉니다. 이 선형 해법 단계가 계산 시간의 상당 부분을 차지하므로, 이를 GPU로 가속하는 접근이 널리 활용됩니다 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone). 예를 들어 simpleFoam, pisoFoam, pimpleFoam 등의 표준 압력기반(solenoid) 솔버에서 압력푸아송 방정식이나 속도 보정 단계의 연립방정식을 GPU로 풀어 속도를 높일 수 있습니다. 실제로 Symscape사가 개발한 ofgpu 라이브러리는 OpenFOAM v2.2에 NVIDIA GPU용 PCG, BiCGstab 등의 선형해법을 제공하여, pisoFoam 등의 솔버에 쉽게 적용할 수 있었습니다 (Performance tests of OpenFOAM with CUDA – High Performance Computing) (GPU v1.1 Linear Solver Library for OpenFOAM - Symscape). 이러한 접근은 기존 솔버 코드를 그대로 두고도, 외부 선형해법 라이브러리를 교체하여 GPU 가속을 달성한다는 장점이 있습니다 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone). OpenFOAM HPC 기술위원회(HPC Technical Committee)에서도 2020년경 PETSc4FOAM이라는 모듈을 개발하여 OpenFOAM의 선형계 풀이를 외부 라이브러리 PETSc로 위임했고 ([PDF] GPU-Based HPC and AI Developments for CFD), PETSc가 지원하는 NVIDIA CUDA, AMD HIP, OpenCL 등의 GPU 백엔드를 통해 거의 모든 OpenFOAM 솔버에 GPU 가속을 적용할 수 있도록 했습니다 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone). 더 나아가 NVIDIA의 다중격자 해법 라이브러리인 AmgX를 OpenFOAM에서 활용하기 위한 AmgXWrapper도 개발되어, PETSc4FOAM이나 별도의 인터페이스를 통해 GAMG(Geometric AMG) 등 OpenFOAM 기본 해법 대신 AmgX GPU 해법을 사용할 수 있습니다 (Missing header file for amgxwrapper (#25) · Issues · Modules / external-solver · GitLab). 최근 보고에 따르면 800만 셀 규모 격자에서 AmgX를 활용한 GPU 압력해석이 OpenFOAM 기본 GAMG-PCG 대비 4~8배 이상 빠른 성능을 보였으며, 최신 NVIDIA A100 GPU 사용 시 최대 10배 이상 속도 향상도 확인되었습니다 () ([PDF] AMGX GPU SOLVER DEVELOPMENTS FOR OPENFOAM).
  • 솔버 전체를 GPU 상주로 재구성한 사례: 일부 연구 그룹은 단순히 선형해법뿐만 아니라 비선형 해석 및 이산화(discretization) 단계 전체를 GPU에서 수행하는 솔버를 개발하고 있습니다. 예를 들어, Politecnico di Milano 연구진은 OpenFOAM의 밀도기반 및 압력기반 **암시적 결합 해법(coupled solver)**을 GPU로 구현한 프로토타입을 발표했습니다 (GPU-accelerated Linear Algebra for Coupled Solvers in Industrial CFD Applications with OpenFOAM). 이 접근에서는 격자에 대한 행렬 조립은 CPU에서 하되, 구성된 희소행렬을 GPU로 보내 연립방정식을 풀고 해를 업데이트하는 전체 루프를 구현합니다 (GPU-accelerated Linear Algebra for Coupled Solvers in Industrial CFD Applications with OpenFOAM). 해당 GPU 결합솔버를 NASA CRM(항공기 익형) 사례에 적용한 결과 CPU만으로 풀 때보다 전체 계산 시간이 4배 이상 단축되었고, 자동차 외형 모델(DriAer)에 대해서도 수렴 안정성이 향상되고 계산 시간이 크게 감소했다고 보고되었습니다 (GPU-accelerated Linear Algebra for Coupled Solvers in Industrial CFD Applications with OpenFOAM). 이러한 GPU 전용 솔버 개발은 OpenFOAM 코드 구조를 상당 부분 손봐야 하지만, 최대 성능 향상을 위해 추진되고 있습니다 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone). 과거에도 RapidCFD 등의 프로젝트에서 OpenFOAM의 계산 커널을 CUDA로 직접 포팅한 사례가 있었고, foam-extend 버전에서도 CUDA 솔버가 실험되었으나 (), 장기간 메인 코드와 분리되어 유지보수 어려움이 있었습니다 (). 현재는 이러한 경험을 바탕으로, exaFOAM 등 프로젝트를 통해 OpenFOAM 최신 버전에 호환되는 GPU 솔버를 공식 코드와 연동하려는 노력이 진행 중입니다 ().
  • 다중물리 및 화학 반응 솔버의 GPU 가속: OpenFOAM은 연소나 반응 흐름 계산 시 다수의 ODE(화학 반응 속도 방정식)를 풀어야 하는데, 이 역시 병렬화에 따라 CPU에 큰 부하가 됩니다. 이에 화학 반응 적분기를 GPU로 오프로드하는 시도가 이루어져, 반응계산을 보조 프로세서처럼 GPU가 처리하도록 함으로써 전체 연소 솔버의 성능을 높이고 있습니다 (GPU Acceleration of CFD Simulations in OpenFOAM). 예를 들어 Polimi 연구진은 finite-rate 화학 반응 계산을 GPU로 옮긴 프로토타입을 개발하여, **반응성 유동 솔버(reactingFoam 계열)**에서 CPU+GPU 협업을 구현했습니다 (GPU Acceleration of CFD Simulations in OpenFOAM). 또한 앞서 언급한 PETSc4FOAM이나 amgx4Foam 같은 모듈을 활용하면 비압축성, 압축성, 다상유동, 연소 등 모든 유형의 OpenFOAM 솔버에서 희소 선형계 풀이 부분을 GPU로 가속할 수 있으므로 (GPU Acceleration of CFD Simulations in OpenFOAM), 다양한 물리 분야의 솔버에 GPU 가속을 적용하는 기반이 마련되고 있습니다. 현재 OpenFOAM 공식 배포본 자체에 완전한 GPU 솔버가 포함되어 있지는 않지만, 외부 모듈과 플러그인 형태로 이러한 GPU 솔버 지원이 추가되고 있으며, ESI-OpenCFD (OpenFOAM+, 기업판) 쪽에서 개발된 PETSc4FOAM, AmgX 통합 해법이 향후 표준 OpenFOAM에도 지속적으로 반영될 전망입니다 (Missing header file for amgxwrapper (#25) · Issues · Modules / external-solver · GitLab) ().

2. CPU vs. GPU 성능 비교 (벤치마크)

GPU 가속의 효과는 계산 사례와 하드웨어에 따라 다르지만, 대체로 충분히 큰 문제에서 GPU 한 장이 수십~수백 개의 CPU 코어 성능에 필적하는 것으로 나타납니다. 예를 들어 NVIDIA V100 GPU 1장은 인텔 듀얼소켓 40코어(Broadwell) CPU 노드보다 압력 풀이 속도가 약 7배 빠른 것으로 보고되었습니다 (). 이후 출시된 A100 GPU는 메모리 대역폭 등이 향상되어 V100 대비 1.6배 이상의 성능을 내므로, 동일 CPU 대비 10배 이상의 속도 향상도 가능하다는 결과가 있습니다 ([PDF] AMGX GPU SOLVER DEVELOPMENTS FOR OPENFOAM). 실제 OpenFOAM lid-driven cavity (3차원 공동 유동, 8백만 셀) 테스트에서 V100 한 장으로 OpenFOAM 기본 GAMG-PCG 해법을 7배 가속했고, A100으로는 이보다 더 향상된 결과를 얻었습니다 (). 또한 Intel의 최신 GPU 아키텍처(Xe HPC)를 활용한 연구에서는, 인텔 데이터센터 GPU Max 1550 한 장의 성능이 최신 Xeon CPU 54코어와 맞먹었고 OpenFOAM 테스트 케이스(300^3 공동유동)에서 한 노드에 6장의 Intel GPU를 투입하면 동일 54코어 CPU 대비 5배 이상의 속도 향상을 달성했습니다 (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI). 이는 GPU 다중 사용으로 선형해법을 병렬화한 결과로, OpenFOAM가 Intel Sapphire Rapids 54코어 CPU 대비 GPU로 5배 이상 빨라질 수 있음을 보인 사례입니다 (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI).

산업적 복잡 사례에서도 GPU 이점이 확인되고 있습니다. 앞서 언급한 NASA CRM 항공기 공력해석에서는 GPU 가속 결합솔버가 CPU만 사용한 경우보다 전체 시뮬레이션 시간을 4배 이상 단축했고 (GPU-accelerated Linear Algebra for Coupled Solvers in Industrial CFD Applications with OpenFOAM), 500만 셀 규모 자동차 외형(DrivAer) 계산도 GPU 활용으로 안정성과 성능이 개선되었습니다 (GPU-accelerated Linear Algebra for Coupled Solvers in Industrial CFD Applications with OpenFOAM). 한편, GPU의 효과는 계산 규모와 사용 알고리즘에 따라 상이합니다. 작은 규모 격자나 GPU 메모리를 초과하는 경우에는 CPU가 오히려 빠르거나 유리할 수 있습니다. 예를 들어 AMD Radeon VII(16GB VRAM)로 520만 셀 자동차(Aachen Motorbike) 사례를 돌린 한 실험에서는, GPU 가속(OpenFOAM+PETSc GPU 해법 사용)이 CPU의 최적화 해법(GAMG 등) 대비 오히려 2배 정도 느린 결과가 보고되었습니다 ( OpenFOAM on AMD GPUs. Container from Infinity Hub: user experiences and performance -- CFD Online Discussion Forums) ( OpenFOAM on AMD GPUs. Container from Infinity Hub: user experiences and performance -- CFD Online Discussion Forums). 이 실험에서 GPU는 간헐적으로만 40% 정도 활용되고 CPU 대비 이점이 없었는데, 이는 해당 GPU 솔버가 다중격자와 같은 고성능 알고리즘을 사용하지 못했기 때문으로 분석됩니다 ( OpenFOAM on AMD GPUs. Container from Infinity Hub: user experiences and performance -- CFD Online Discussion Forums). 즉, GPU를 효율적으로 활용하려면 **GPU 친화적 알고리즘(예: 병렬성이 높은 AMG, 적합한 전처 konditioner 등)**이 필요하며, 충분히 큰 문제에서 그 강점이 발휘됩니다 ( OpenFOAM on AMD GPUs. Container from Infinity Hub: user experiences and performance -- CFD Online Discussion Forums) (Performance tests of OpenFOAM with CUDA – High Performance Computing). 전반적으로 최신 GPU (예: NVIDIA A100, H100 등)는 수백 개의 CPU 코어에 맞먹는 성능을 CFD에 보여줄 수 있으나, 병목이 되는 코드 부분을 얼마나 GPU화했는지에 따라 실측 성능은 결정됩니다 (Opening the floodgates for supercomputing fluid simulations | exaFOAM Project | Results in brief | H2020 | CORDIS | European Commission). 현 시점에서 OpenFOAM의 GPU 가속은 주로 선형연립방정식 풀이에 국한되므로, 이 부분에서 최대 5~10배 속도 개선을 이끌어 내고 전체 시뮬레이션에서는 2~5배 수준의 가속을 달성하는 사례들이 보고되고 있습니다 (GPU-accelerated Linear Algebra for Coupled Solvers in Industrial CFD Applications with OpenFOAM) (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI).

3. NVIDIA, AMD, Intel GPU와의 호환성 및 최적화 기술

OpenFOAM GPU 가속 개발은 특정 벤더에 종속되지 않고 멀티플랫폼을 지향하고 있습니다. NVIDIA GPU의 경우 CUDA 생태계가 성숙하여 비교적 이른 시기부터 AmgX, cuSPARSE 같은 라이브러리를 통해 가속이 진행되었고 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone), 현재도 NVIDIA의 CUDA 코어에서 최상의 성능을 내도록 최적화하는 연구가 많습니다. 예를 들어 AmgX 통합 시 다양한 Krylov 솔버(PCG, BiCGStab, GMRES 등)와 다중격자 프리컨디셔너를 GPU에서 효율적으로 사용할 수 있으며 () (), OpenFOAM 행렬구조(CSR 등)에 맞춘 데이터 변환 최적화, permutation 재사용 등의 기법으로 오버헤드를 최소화하는 개선이 이루어졌습니다 (Missing header file for amgxwrapper (#25) · Issues · Modules / external-solver · GitLab) (). AMD GPU의 경우 CUDA를 직접 사용할 수 없으므로, ROCm(HIP) 플랫폼을 통해 GPU 가속을 구현합니다. 다행히 PETSc, Kokkos, Ginkgo 같은 HPC 라이브러리들이 AMD의 HIP을 backend로 지원하므로, OpenFOAM도 이러한 라이브러리를 경유하여 AMD GPU를 활용할 수 있습니다 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone) (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI). 실제로 AMD에서는 2023년 초 자사의 ROCm 환경에서 동작하는 OpenFOAM-Docker 컨테이너를 공개하여, OpenFOAM을 AMD Instinct GPU에서 실행할 수 있도록 했습니다 ( OpenFOAM on AMD GPUs. Container from Infinity Hub: user experiences and performance -- CFD Online Discussion Forums). 이 컨테이너는 PETSc4FOAM을 통해 OpenFOAM 해석시 선형 솔버를 HIP 기반 PETSc 구현으로 대체한 것으로 추정되며, AMD MI100/MI200 등의 GPU에서 OpenFOAM 성능 시험이 진행되었습니다. 다만 한 사용 사례에서는 AMD Radeon VII에서 PETSc GPU 솔버 성능이 기대만큼 나오지 않아 추가 튜닝이 필요한 것으로 보고되었는데 ( OpenFOAM on AMD GPUs. Container from Infinity Hub: user experiences and performance -- CFD Online Discussion Forums) ( OpenFOAM on AMD GPUs. Container from Infinity Hub: user experiences and performance -- CFD Online Discussion Forums), 이는 드라이버 성능, 메모리 최적화 등에서 개선 여지가 있음을 시사합니다. AMD 측도 차세대 APU(MI300A) 등에서 CPU-GPU 통합 메모리를 활용해 OpenFOAM 같은 코드의 가속을 용이하게 하는 연구를 진행 중입니다 (presentation2ndWorkshopExaFOAM.pptx).

Intel GPU(예: Ponte Vecchio 기반 Data Center GPU Max 시리즈)에 대해서는 SYCL(oneAPI) 기반으로 접근하는 것이 일반적입니다. Intel의 oneAPI는 이종 플랫폼용 통합 언어로, CUDA나 HIP과 달리 표준 C++ SYCL을 통해 GPU 코드를 작성하게 합니다. HPC 선형대수 라이브러리인 Ginkgo는 CUDA, HIP, OpenMP뿐만 아니라 SYCL까지 지원하여, 동일 코드로 NVIDIA, AMD, Intel GPU를 모두 지원하는 방향을 제시했습니다 (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI) (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI). 실제로 Ginkgo 개발자들은 OpenFOAM과 연동한 Ginkgo 솔버를 통해 Intel GPU에서 OpenFOAM을 실행하고 가속하는 데 성공했고 (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI), Intel GPU 6개로 멀티GPU OpenFOAM 실행 시 Sapphire Rapids CPU 대비 5배 성능, NVIDIA 최신 GPU 대비 2~3배 성능을 달성했다고 보고했습니다 (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI). 이는 Intel의 고대역폭 메모리(HBM)와 최적화된 batched solver 덕분에 얻은 결과로, 상용 GPU 못지않은 CFD 성능을 인텔 플랫폼에서도 구현할 수 있음을 보여줍니다 (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI).

이처럼 CUDA, HIP, SYCL 등 다양한 GPU 프로그래밍 모델을 OpenFOAM에 적용하는 시도가 병렬로 이뤄지고 있습니다. 각 벤더별로 최적의 기술 스택이 다르기 때문에, OpenFOAM HPC 기술위원회에서는 “한 가지 접근에 종속되지 않는 포팅전략”을 강조합니다. 예를 들어 OpenMP 5.x 표준의 GPU 오프로딩을 이용하면 소스 코드를 공통으로 유지하면서 NVIDIA, AMD, Intel을 지원할 수 있을 것으로 기대하지만, 현재 NVIDIA 컴파일러가 OpenMP GPU 오프로딩을 완전 지원하지 않거나 성능 상의 이슈(페이지 이동 병목)가 보고되는 등 한계도 존재합니다 (presentation2ndWorkshopExaFOAM.pptx). 반면 NVIDIA의 OpenACC나 AMD의 HIP gibi 벤더 주도 기술은 해당 플랫폼에서 완성도는 높지만 타 벤더와 호환이 어려워, 다중 하드웨어를 아우르는 데 한계가 있습니다 (presentation2ndWorkshopExaFOAM.pptx). 이에 따라 OpenFOAM 커뮤니티는 PETSc4FOAM+AmgX와 같은 혼합 접근(NVIDIA 최적화), OpenMP/OpenACC 지시자 기반 포팅(코드 이식성 중시), Kokkos/Ginkgo와 같은 이식성 라이브러리 활용(성능과 이식성 절충) 등을 모두 실험하며 최적 해법을 모색하고 있습니다 (presentation2ndWorkshopExaFOAM.pptx) (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI). 요약하면, NVIDIA GPU에서는 CUDA/AmgX 기반 최적화가 가장 성숙하고 (), AMD GPU에서는 HIP/OpenMP 기반 지원이 시작 단계이며 ( OpenFOAM on AMD GPUs. Container from Infinity Hub: user experiences and performance -- CFD Online Discussion Forums), Intel GPU에서는 SYCL(oneAPI) 기반 해법이 검증되고 있습니다 (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI). 모두 OpenFOAM에 적용 가능하며, 향후에는 이러한 기술들이 하나의 추상 레이어로 통합되어 사용자 입장에서는 투명하게 GPU를 활용할 수 있도록 개발이 진행될 것입니다.

4. 공식 지원 GPU 가속 프레임워크 및 관련 프로젝트

OpenFOAM 재단과 개발 커뮤니티는 여러 GPU 가속 프레임워크를 공식적으로 지원하거나 연계하는 프로젝트를 추진 중입니다:

  • CUDA 및 NVIDIA 생태계: NVIDIA와 OpenFOAM HPC 위원회의 협력으로 AmgX 라이브러리를 OpenFOAM에 통합하는 작업이 진행되었습니다. AmgX는 NVIDIA가 제공하는 CUDA 기반 선형해법 라이브러리로, 앞서 언급한 바와 같이 OpenFOAM의 선형솔버 부분을 GPU로 오프로드하기에 적합합니다 (). 2019년경부터 ESI-OpenCFD는 OpenFOAM용 external solver 모듈에 AmgX 지원을 추가하고자 했으며, 2020~2021년 OpenFOAM HPC 기술위원회 활동을 통해 AmgXWrapper (Chuang & Barba가 PETSc용으로 만든 래퍼)를 OpenFOAM에 적용하는 시도가 이뤄졌습니다 ([PDF] GPU-accelerated OpenFOAM simulations using PETSc4FOAM) (). 그 결과 현재 OpenFOAM v8 이후 버전에서는 PETSc4FOAM 모듈을 통해 AmgX를 사용할 수 있고, 별도로 foamToAmgX와 같은 인터페이스도 개발되고 있습니다 (Missing header file for amgxwrapper (#25) · Issues · Modules / external-solver · GitLab). 요약하면, CUDA는 OpenFOAM에서 공식 코드에 통합되어 있지는 않아도 AmgX, cuSPARSE 등의 라이브러리 형태로 지원되고 있으며, 이는 NVIDIA GPU 가속의 사실상 표준 경로로 활용됩니다.
  • OpenACC 및 OpenMP: 지시자 기반의 GPU 프로그래밍인 OpenACC는 CUDA보다 상위 레벨의 표준으로, 코드에 프라그마(#pragma)를 추가해 GPU 병렬화를 유도합니다. OpenFOAM 자체에 OpenACC 지시자를 삽입하려는 시도는 과거 몇 차례 있었으나, 공식적으로 채택되지는 않았습니다. 대신 최근 exaFOAM 프로젝트에서는 OpenMP 5.0 표준의 target offloading 기능을 활용하여 OpenFOAM 코드를 GPU로 포팅하는 방안을 연구했습니다 (presentation2ndWorkshopExaFOAM.pptx). OpenMP는 OpenACC와 유사하게 지시자를 사용하는데, Intel, AMD 등 여러 컴파일러가 지원하므로 이식성이 높은 GPU 가속 방법입니다. exaFOAM 팀은 OpenFOAM 코드에 수십 줄의 OpenMP 프라그마만 추가하여 AMD MI250같은 GPU에서 동작시키는 실험을 했고, AMD의 MI300 APU에서는 CPU와 GPU가 HBM 메모리를 공유하므로 성능 상 이점도 확인했습니다 (presentation2ndWorkshopExaFOAM.pptx). 다만 이 접근은 앞서 언급한 대로 컴파일러 제약과 atomic 연산 등의 성능 이슈가 있어 아직 연구단계에 있습니다 (presentation2ndWorkshopExaFOAM.pptx). 요약하면, OpenACC는 현재 OpenFOAM에 공식 적용 사례는 없지만 개념적으로 가능하며, OpenMP GPU 오프로딩은 exaFOAM 등의 R&D를 통해 미래에 OpenFOAM에 적용될 잠재적 기술입니다.
  • HIP (AMD ROCm): AMD GPU 지원을 위해 AMD가 주도하는 HIP 프레임워크가 활용됩니다. AMD는 2022년 자사 Infinity Hub에 OpenFOAM HIP 컨테이너를 올려, 사용자가 ROCm 플랫폼에서 OpenFOAM을 돌릴 수 있게 했습니다 ( OpenFOAM on AMD GPUs. Container from Infinity Hub: user experiences and performance -- CFD Online Discussion Forums). 이 컨테이너는 OpenFOAM 최신버전에 PETSc4FOAM과 HIP으로 빌드된 PETSc, 그리고 AMD GPU용 Blas/FFT 라이브러리 등을 포함한 것으로 보입니다. 공식 OpenFOAM 코드는 HIP을 직접 인식하지 못하지만, PETSc/Hypre 등의 외부 라이브러리가 HIP을 통해 GPU를 활용하도록 구성됩니다 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone). AMD 측도 OpenFOAM 같은 CFD 코드의 GPU 최적화를 위해 OpenMP offload와 HIP을 혼용한 사례를 블로그를 통해 공유하고 있으며 (예: MI300A APU 프로그래밍) (presentation2ndWorkshopExaFOAM.pptx) (MI300A - Exploring the APU advantage — ROCm Blogs), 앞으로 AMD GPU에서도 OpenFOAM을 원활히 구동하기 위한 공식 지원이 늘어날 것으로 보입니다.
  • SYCL 및 oneAPI: Intel이 추진하는 SYCL(oneAPI)은 GPU 가속의 새로운 표준 중 하나로, 앞서 언급한 Ginkgo 같은 수치해법 라이브러리가 대표적인 사례입니다. Ginkgo 개발팀은 OpenFOAM과 Ginkgo를 연동하는 OpenFOAM-Ginkgo 인터페이스를 구현하여, OpenFOAM이 CUDA, HIP, SYCL 중 어느 환경에서든 동일한 Ginkgo API를 통해 GPU 가속 선형해법을 사용할 수 있음을 입증했습니다 (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI) (Ginkgo and oneAPI accelerate numerical simulations on Intel GPUs - oneAPI). 이는 특정 벤더 종속성을 낮추는 방향으로, vendor-agnostic GPU 가속의 좋은 예시입니다. 다만 SYCL 자체는 OpenFOAM 본체에 아직 통합되지 않았고, Ginkgo 같은 외부 모듈로 활용되는 형태입니다. Intel oneAPI 툴킷을 이용해 OpenFOAM을 빌드하고 SYCL로 GPU를 쓰는 실험들도 진행되고 있으나, 공식 문서 차원에서의 지원은 초기 단계입니다.
  • 관련 프로젝트 및 커뮤니티: OpenFOAM의 GPU 가속을 위한 관련 프로젝트로는 유럽 EuroHPC의 exaFOAM 프로젝트가 가장 두드러집니다. exaFOAM은 Exploitation of Exascale Systems for Open-source CFD by Mainstream Industry의 약자로, 주류 산업 분야에 OpenFOAM을 활용해 엑사스케일 HPC를 구현하는 것이 목표입니다 (Opening the floodgates for supercomputing fluid simulations | exaFOAM Project | Results in brief | H2020 | CORDIS | European Commission). 이 프로젝트를 통해 앞서 언급한 I/O 병목 개선(ADIOS2 통합), 선형해법 GPU 오프로딩, OpenMP 기반 GPU 코드 리팩토링 등이 연구되어 OpenFOAM의 HPC 성능을 대폭 끌어올렸습니다 (Opening the floodgates for supercomputing fluid simulations | exaFOAM Project | Results in brief | H2020 | CORDIS | European Commission). exaFOAM에는 ESI 그룹, CINECA, KIT, Upstream CFD 등 여러 기관이 참여하여 솔버 리팩토링(WP3), 알고리즘 개선(WP4), 성능 분석(WP5) 등을 진행하고 있으며 (WP3 – Code Refactoring - exaFOAM), 2024년 현재 워크숍 등을 통해 성과를 공개하고 있습니다. 이외에도 과거 Symscape의 ofgpu 프로젝트(OpenFOAM 2.x용 CUDA 솔버), Vratis사의 SpeedIT 플러그인(OpenFOAM용 GPU 가속 AMG 솔버), Barba 연구실의 AmgXWrapper(PETSc를 통한 AmgX 사용) 등 많은 시도가 있었고 () (), 이러한 성과들이 축적되어 현재의 PETSc4FOAM, amgx4Foam 등에 반영되고 있습니다. OpenFOAM HPC 기술위원회는 이러한 전세계 개발을 모아 협업하는 허브 역할을 하며, OpenFOAM 공식 위키나 OpenFOAM+ 버전에 GPU 관련 모듈(예: external-solver 모듈)이 함께 제공되고 있습니다 (Missing header file for amgxwrapper (#25) · Issues · Modules / external-solver · GitLab).

요약하면, OpenFOAM 자체의 공식 GPU 가속 지원은 아직 제한적이지만, CUDA, OpenACC, OpenMP, HIP, SYCL 등의 프레임워크를 통한 가속 구현이 병행되고 있습니다. 사용자들은 현재 **공식 모듈(PETSc4FOAM 등)이나 특별 빌드(AMD HIP 컨테이너 등)**를 이용해 GPU 가속 OpenFOAM을 활용하고 있으며, 향후 이러한 기능이 보다 공식 배포본에 통합될 것으로 기대됩니다.

5. GPU 기반 OpenFOAM 활용 사례 (산업/연구 응용)

GPU 가속 OpenFOAM은 연구기관과 산업 현장에서 대규모 시뮬레이션을 수행하는 데 점차 응용되고 있습니다. 몇 가지 대표적인 활용 사례를 들어보면:

요약하면, 산업계에서는 자동차/항공우주/에너지 분야를 중심으로 GPU 기반 OpenFOAM 활용이 시작되었고, 학계에서는 연소/난류 등 계산집약적 문제에 GPU를 적극 도입하고 있습니다. 아직 상용 CFD 소프트웨어(예: Fluent)의 GPU 솔버만큼 성숙하진 않았으나, 오픈소스 OpenFOAM도 실제 사례를 통해 GPU 가속의 유용성을 입증해가고 있습니다 (GPU accelerated OpenFOAM with petsc4Foam – NEXTFOAM, CFD for Everyone). 앞으로 더 많은 성공 사례가 축적됨에 따라, OpenFOAM의 GPU 지원은 더욱 공식화되고 범용적으로 발전할 것으로 전망됩니다.

참고 자료: 최신 OpenFOAM HPC 기술위원회 보고서, NVIDIA/AMD/Intel 공식 문서, OpenFOAM 위키 및 사용자 포럼, 관련 연구 논문 등을 종합하여 작성하였습니다. 주요 출처는 아래 인용된 내용을 통해 확인할 수 있습니다.

 

OpenFOAM 주요 솔버별 특징과 사용법 총정리 (v10 기준)

OpenFOAM에는 유동 특성(압축성/비압축성), 난류/층류, 다상, 열전달, 화학 반응 등 다양한 물리 모델에 맞춘 많은 솔버들이 포함되어 있습니다. 여기서는 OpenFOAM v10을 기준으로 대표적인 솔버들의 기능/특징, 응용 분야, 실행 방법(케이스 디렉토리 구조), 그리고 관련 예제 튜토리얼 경로를 정리합니다.

1. 비압축성 유동 솔버 (Incompressible Flow Solvers)

icoFoam – 비압축성 층류 유동 (시간 종속)

특징: icoFoam은 비압축성 뉴턴 유체의 층류 흐름에 대한 시간 종속 솔버입니다 (OpenFOAM v10 User Guide - 3.5 Standard solvers). PISO 알고리즘 기반으로 Navier-Stokes 방정식을 풀며, 기본적으로 난류 모델 없이(즉 층류로) 사용합니다. (난류 모델을 추가하면 난류 해석도 가능하나, 주로 학습/검증용으로 층류에 사용됩니다.)
응용 분야: 낮은 레이놀즈수의 기본 유동 문제에 사용되며, 학술적으로 자주 등장하는 검증 사례나 기본 CFD 교육용으로 활용됩니다. 예를 들어 Lid-driven Cavity (뚜껑 구동 공동) 문제 등이 icoFoam으로 해석되며, OpenFOAM 기본 튜토리얼로 제공됩니다.
실행 및 설정: icoFoam으로 시뮬레이션하려면 비압축성 유동에 필요한 파일들을 준비해야 합니다. 0/ 디렉토리에는 초기 속도장 U와 압력장 p 파일이 있으며, 경계조건과 초기값을 정의합니다 (Understanding the OpenFOAM Case Structure – Maple Key Labs). constant/ 디렉토리에는 유체 물성(transportProperties)과 메쉬(polyMesh 폴더) 등이 있고, 난류 모델은 기본적으로 laminar로 설정됩니다(constant/turbulenceProperties 파일) (Understanding the OpenFOAM Case Structure – Maple Key Labs). system/ 폴더에는 시간 단계와 해석 제어를 위한 controlDict, 수치해석 스킴 설정 fvSchemes, 선형해법 및 PISO 반복 설정 fvSolution 파일이 포함됩니다 (OpenFOAM v12 User Guide - 4.1 File structure of OpenFOAM cases).
예제 튜토리얼: OpenFOAM 설치 경로의 tutorials/incompressible/icoFoam/cavity 사례가 대표적인 예제입니다. 이 뚜껑 공동(cavity) 예제에서 0초 시점(0/ 폴더)에 유속 U=0으로 초기화하고 상부 벽에 속도 경계조건을 주어 흐름을 발생시킵니다. icoFoam 솔버를 실행하면 시간이 진행되면서 공동 내부의 층류 순환유동이 계산됩니다. (OpenFOAM 사용자 가이드 2.1장 예제) (OpenFOAM v10 User Guide).

simpleFoam – 비압축성 정상상태 난류 유동 (SIMPLE 알고리즘)

특징: simpleFoam은 비압축성 유동의 정상상태 해를 구하는 솔버로, 압력-속도 연성에 SIMPLE 알고리즘을 사용합니다 (OpenFOAM v10 User Guide - 3.5 Standard solvers). 난류 모델(RAS)을 적용하여 난류 유동 해석에 주로 사용되지만, 필요에 따라 constant/turbulenceProperties에서 laminar로 설정하여 층류로도 사용할 수 있습니다. 정상 상태 해를 구하는 만큼 시간에 대한 항은 고려하지 않고 수렴할 때까지 반복(iteration) 계산합니다.
응용 분야: 자동차 외부 공력해석, 항공기 날개 주위 흐름 등 외부 유동 해석, 배관이나 밸브 내부의 배관 유동 등 내부 유동 해석에 널리 쓰입니다. 예를 들어, 자동차나 오토바이 형상의 외부 공기 흐름을 simpleFoam으로 해석하여 항력/양력을 계산할 수 있습니다 (OpenFOAM v10 User Guide). 또한 에너지 설비(펌프, 열교환기 등)나 환경 분야(건물 주변 바람장)에서도 비압축성 가정이 유효한 한 steady-state 난류해석에 활용됩니다.
실행 및 설정: steady-state 해석이므로 controlDict에서 종료 시간과 잔차 기반 종료조건(stopAt/endTime) 등을 설정합니다. 0/ 디렉토리에는 기본 필드인 속도 U와 압력 p가 필요하고, 난류해석이라면 난류 운동에너지 k, 난류 소산률 ε (또는 ω 등 모델에 따라) 등의 초기조건 파일도 포함됩니다. constant/에는 점성계수 등의 물성치(transportProperties)와 난류 모델 설정(RASProperties) 파일이 있어 난류 모델 종류(k–ε, k–ω 등)를 지정합니다. simpleFoam 실행 전에는 보통 초기장을 마련하기 위해 potentialFoam(잠재유동 솔버)를 한 번 실행하여 초기 유동장을 생성하기도 합니다.
예제 튜토리얼: tutorials/incompressible/simpleFoam/motorBike 케이스가 유명한 예시입니다. 이 튜토리얼에서는 오토바이 모델 주위의 외부 유동을 steady-state RANS로 계산하며, 메쉬 생성을 위한 snappyHexMesh 단계와 함께 제공됩니다. 또한 디퓨저가 있는 덕트 내부 유동 예제인 pitzDaily (인트레인먼트 확산 덕트)도 simpleFoam 튜토리얼로 포함되어 있습니다.

pisoFoam / pimpleFoam – 비압축성 비정상 유동 (PISO/PIMPLE 알고리즘)

특징: 두 솔버 모두 비압축성 비정상(transient) 흐름 해석에 사용됩니다. pisoFoam은 엄밀한 PISO 알고리즘으로 시간 적분을 수행하며, pimpleFoam은 PISO와 SIMPLE를 결합한 PIMPLE 알고리즘을 사용합니다 (