Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
6만 행 규모의 Fortran 기반 물리 엔진을 C++ MPI 기반으로 현대화하기 위한 에이전트형 AI 방법론을 제안합니다. LLM 단독 사용의 한계를 극복하기 위해 구조화된 가이드와 지속적인 빌드 검증을 결합한 2단계 접근 방식을 제시합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기컴퓨팅 자원 생태계의 끊임없이 진화하는 변화에 발맞추기 위해서는 레거시 과학 코드 (legacy scientific codes)의 현대화가 종종 필요합니다. 병렬화 (Parallelization) 및 지원이 미비한 소프트웨어 생태계로부터의 마이그레이션 (migration)은 연구 소프트웨어 엔지니어링 (research software engineering) 분야에서 가장 많은 시간이 소요되는 두 가지 활동입니다. 본 논문은 Reproducing Kernel Particle Method (RKPM)를 기반으로 하는 약 60,000행 규모의 3D 명시적 고체 역학 물리 엔진인 NMAP-RKPM을 성공적으로 2단계에 걸쳐 AI 지원 현대화를 수행한 경험을 제시합니다. 우리는 이 단일 스레드 (single-threaded) 기반의 Fortran 기반 MPI 애플리케이션을 단 몇 개월 만에 OpenMP 병렬화된 C++ 기반 MPI 도구로 전환했습니다. 거대 언어 모델 (Large Language Model, LLM) 기반 도구 자체만으로는 불충분하다는 것이 증명되었으나, 우리는 수동으로 생성된 예시를 제공하고, 지속적인 빌드 가능성 (buildability)을 보장하며, 세션 범위를 제한하는 것과 같이 고도로 구조화된 "핸드 홀딩 (hand-holding)" 에이전트형 AI (agentic AI) 방법론을 개발하였으며, 이는 매우 효과적이었습니다. 본 논문은 선택한 경로 뒤에 숨겨진 논리와 함께, 성공적이었던 AI 지원 단계 및 우리가 극복해야 했던 문제들을 모두 제공합니다.