NVIDIA가 에이전트 AI를 활용해 지하층(subsurface) 공학의 저류층 시뮬레이션 워크플로를 자동화하는 시스템을 공개했다. 전통적인 시뮬레이션 작업은 엔지니어가 데이터를 수동으로 수집·합성·번역하는 과정이 필요해 병목이 발생했으며, 시뮬레이션 작업이 업무 시간 외에 완료되거나 실패해도 다음 단계로 넘어가지 못하는 이른바 ‘죽은 시간(dead time)’이 누적됐다. 그 결과 표준 24시간 처리 사이클이 수 일짜리 지연으로 늘어나는 일이 반복됐다. NVIDIA의 접근 방식은 중앙 오케스트레이션 에이전트와 시뮬레이터 상호작용 전담 에이전트를 결합한 다중 에이전트 구조로 이 문제를 해결한다.
핵심은 두 가지 에이전트 계층으로 구성된다. 첫 번째는 단일 저류층 시뮬레이션 어시스턴트로, 엔지니어가 채팅 인터페이스를 통해 시뮬레이션 덱을 드래그해 실행을 시작하거나, “X 우물의 표피 계수가 무엇인가” 같은 질문을 자연어로 던지면 즉시 결과를 반환한다. 두 번째는 히스토리 매칭이나 유전 개발 최적화 같은 복잡한 연구를 위한 다중 에이전트 팀이다. 제안자 에이전트가 최적화 전략을 제시하면 검토자 에이전트가 논쟁 루프를 통해 이를 다듬고, 작업 관리자 에이전트가 예상치 못한 장애를 처리하며, 결과 분석 에이전트가 고차원 데이터를 실행 가능한 인사이트로 변환한다. 브뤼헤(Brugge) 벤치마크 모델에 이 시스템을 적용해 30개 유정의 최적 위치를 결정하는 실증 사례가 공개됐다.
추론 엔진으로는 NVIDIA 추론 마이크로서비스(NIM, NVIDIA Inference Microservices)가 활용됐다. 복잡한 추론과 다단계 에이전트 워크플로에는 Llama-3.3-Nemotron-Super-49B-v1.5 모델이, 기술 문서 기반 검색 증강 생성(RAG, Retrieval-Augmented Generation)에는 Llama-3.2-NeMo-Retriever-300M-Embed-v2 모델이 사용됐다. 이 시스템은 저류층 시뮬레이션에 국한되지 않고 지질학적 이산화탄소 격리, 지열 에너지 등 복잡한 반복 시뮬레이션을 필요로 하는 모든 산업 분야에 적용할 수 있는 범용 프레임워크로 설계됐다. NVIDIA는 오픈소스 저장소를 공개해 실제 다중 에이전트 워크플로를 직접 실행해볼 수 있도록 했다.
