OpenUSDのデジタルツインと実世界の物理法則が融合する場所

OpenUSDのアセットは、冷却液分配ユニットが何であるかを定義します。物理モデルは、それがどのように振る舞うかを定義します。これが両者を結びつける架け橋であり、AIエージェントが端から端までその過程をたどります。

ワードローブほどの大きさのスチール製キャビネットを想像してみてください。それはAIサーバーの列の中に収められており、2つの独立した水循環ループが内部を貫通しています。1つは建物のチラーに接続され、もう1つはサーバー自体に接していますが、これら2つのループは決して混ざってはいけません。その唯一の役割は、1メガワットを超える熱を、サーバー側のループから施設側のループへと、薄い金属の壁を介して静かに移動させることです。3Dで見れば、それは単にパイプが通った箱に過ぎません。しかし、そのモデルだけでは、熱収支全体が左右される重要な疑問に答えることはできません。各ループを機器が要求する温度に保ちつつ、1.2 MWの熱をそれらのループ間で移動させることができるのでしょうか？幾何学は、物体が何であるかを記述するものです。それがどのように振る舞うかについては何も語っていません。これは、私たちがそのギャップを自動的に埋める方法を確立した物語です。冷却装置のOpenUSDデータをModelon Impactの物理エンジンに直接取り込み、AIエージェントに翻訳、モデリング、検証を一括して行わせたのです。

OpenUSDとは？

OpenUSD（Universal Scene Description）は、ピクサー社内でアニメーション映画の制作パイプラインを統合する手段として誕生しました。これは、何百人ものアーティストが、互いの作業を妨げることなく、同じ巨大な3Dシーンに取り組めるようにするための仕組みです。2023年、この技術はAlliance for OpenUSD（AOUSD）に引き継がれました。設立メンバーにはピクサー、アドビ、アップル、オートデスク、NVIDIAなどが名を連ねており、それ以来、複雑な3D世界を記述するための事実上のオープンスタンダードとなっています。

最も分かりやすく説明すると、OpenUSDは、HTMLが文書に対して果たす役割を3Dに対して果たすものです。つまり、あらゆるツールが読み書きできる、共通のオープンフォーマットなのです。しかし、USDの真の強みはジオメトリではありません。それは「構成」にあります。シーンは、レイヤー、参照、ペイロードから構成されており、これらは非破壊的に結合されます。そのため、ラック、列、冷却ループ、そして施設全体を、ライトテーブルの上に透明フィルムを積み重ねるように構築できます。それぞれが異なるチームによって管理され、交換可能であり、互いに上書きされることはありません。

エンジニアにとって最も重要な点は、USDがカスタムデータで拡張できることです。カスタムスキーマや属性を通じて、USDアセットは形状や材質以上の情報を保持できます。私たちが扱ったNVIDIAのAIファクトリー用アセットでは、冷却装置の定義に、公称容量、冷却剤の流量、供給温度と戻り温度、アプローチ温度、さらにはポンプの仕様といった、実際のエンジニアリングメタデータが含まれていました。3Dモデルには、その「DNA」に仕様書が組み込まれていたのです。

なぜ世界中がこれに注目しているのでしょうか？

OpenUSDの採用は単なる一過性のブームではありません。これは、コストがかかり、長年にわたる慢性的な問題を解決するものです：

• ロックインのない相互運用性。 CAD、DCC、シミュレーションツールはそれぞれ独自の方言を持っています。USDは中立的な交換フォーマットであり、終わりのない、データ損失を伴うエクスポート／インポートの繰り返しに終止符を打ちます。
• 唯一の信頼できる情報源。 同期がずれていく十数もの異なるコピーではなく、あらゆる場所で参照される単一の構成済みシーンです。
• 産業規模での構成可能性。レイヤリングと参照機能により、チームは単一のファイルでは到底収まりきらないほど巨大なアセットでも共同作業が可能になります。長編映画で実証されたこの特長こそが、ギガワット規模の施設でも機能する理由です。
• デジタルツインの基盤。NVIDIA Omniverseや、より広範な「AIファクトリー」の動きでは、OpenUSDが産業用デジタルツインの結合組織として活用されています。工場、倉庫、そして今や猛烈なペースで建設が進むAIデータセンターにおいても同様です。
• ピクセル以上の情報を運ぶ媒体。 スキーマは拡張可能であるため、USDは静かに「設計意図」を格納するコンテナとなりつつあります。単なる三角形だけでなく、熱、電気、気流の接続点なども含まれるのです。

この最後の点が、モデリングやシミュレーションに携わるすべての人にとって興味深い部分です。仕様が3Dアセット内に組み込まれているのであれば、そのアセットは、物理演算に対応したデジタルツインになるまであと一歩のところにあると言えます。

欠けている半分：幾何学は記述し、物理学は予測する

ここで重要な点があります。USDアセットからは、CDU（冷却水分配ユニット）が、施設給水温度35 °Cの条件下で定格1.2 MWであることを知ることができます。しかし、負荷がかかった状態での各ループの戻り水温度や、指定された10 Kのアプローチ温度が維持されているかどうか、あるいは施設ループと技術ループの間で熱交換器を実際に通過する熱量がどれほどかについては、知ることができません。これらは、動的に現れる物理的挙動であり、動的シミュレーションエンジンの領域です。

Modelon Impactはまさにそのエンジンであり、FMIの真価が発揮される場でもあります。Modelica Associationが管理するオープンなModelica言語とFunctional Mock-up Interface（FMI）に基づいて構築されたImpactでは、物理モデルを作成し、FMIの中核をなすポータブルなシミュレーションユニットであるFMUに直接コンパイルし、同じツール内でネイティブにシミュレーションおよび連成を行うことができます。FMUの作成、パラメータ設定、実行は、Impactの単なる追加機能ではなく、Impactそのものの本質的な機能です。

同様に重要なのは、Impactが標準で提供する、検証済みの業界特化型コンポーネントライブラリです。そのデータセンターライブラリには、ラック、冷却剤分配ユニット（CDU）、CRAH、チラー、冷却ループのキャリブレーション済みモデルが含まれており、Vertiv Liebert XDUシリーズなどのベンダーによるキャリブレーション済みのCDUファミリーも含まれています。このライブラリには、長年にわたる熱流体工学の知見とベンダーの性能データが、すぐに使用可能な物理的に検証済みのコンポーネントとして組み込まれています。これは、信頼性の高いデジタルツインを構築するために不可欠な、確かな基盤となる素材です。つまり、ここでは2つのオープンスタンダードがシームレスに連携する好機が生まれています。OpenUSDは機器そのものを表現し、Modelica/FMIはその挙動を計算します。唯一欠けていたのは、その「架け橋」でした。そして、その架け橋を手作業で構築することは、面倒で、ミスが起きやすい仕様書の転記作業となります。そこで、私たちはその作業をエージェントに任せました。

統合ワークフロー：私たちが構築したもの

私たちは、NVIDIAの実際のアセットである、Omniverse AI-factoryパイプラインのサンプルに含まれる「Generic CDU」（1,200 kWのインロー型冷却剤分配ユニット）を取り上げ、ClaudeがModelon Impactのプログラムインターフェースを通じて操作することで、これを検証済みの物理モデルへと発展させました。誰が何を担当するのかを明確にしておく価値があります。Modelon Impactは物理モデルを提供します。具体的には、検証済みのData Center Library、Modelicaコンパイラ、そしてネイティブのFMUおよびシミュレーションエンジンです。エージェントはオーケストレーションを担当します。仕様書の読み取り、適切なモデルの選択とパラメータ設定、実行、そして結果の確認を行います。どちらか一方だけでは不十分です。検証済みのモデルがないエージェントは物理現象を推測することになり、エージェントのないモデルは依然として、時間がかかり、エラーが発生しやすい手動でのセットアップを必要とします。CDUは理想的な対象です。その存在意義のすべてが「挙動」にあるコンポーネントであり、決して接触することのない2つの水ループ間で熱を移動させます。Impactを通じて、エージェントは一連の処理全体を実行しました：

• USDのエンジニアリングデータをご確認ください。資産のプロパティ定義から、公称運転点を抽出しました：冷却能力1,200 kW、施設用水（FWS）供給温度35 °C、技術用冷却剤（TCS）供給温度45 °C、10 Kのアプローチ； 12.5 kg/sの技術系流量、約18 kg/sのデュアル施設用ポンプ、および30%のプロピレングリコール／水混合冷却液。
• Modelonのライブラリを活用して、実際のモデリング判断を行いました。エージェントはCDUの物理モデルを独自に考案したわけではなく、Modelon Impactのベンダー校正済みCDUモデルカタログから選択しました。そのライブラリには、各モデルの施設用水クラス、キャリブレーション状況、フォームファクタが記載されており、Impactのインターフェースとドキュメントによってそれらが構造化され、クエリ可能な形で公開されているため、エージェントはNVIDIAの35 °C仕様に対して最も近い完全キャリブレーション済みのモデルとしてVertiv Liebert XDU1350 W3（W3は32 °Cで、わずか3 Kの誤差）を選択し、インロー配置で構成することができました。この判断はエージェントによるものでした。検証済みの参照情報と、それらを選択可能にしたメタデータは、Modelonから提供されたものです。
• Modelon Impactの「レコード → モデル → 実験」という構造でモデルを作成しました。USDの公称点をエンコードしたレコード、そのレコードでModelonのデータセンターCDUをラップしたモデル、そして仕様書に基づく両ループの境界条件を適用した実験。これらはすべて、エージェントが独自に考案したものではなく、Impactの標準的な構成要素を埋めたものです。
• FMUへのコンパイル、シミュレーション、検証のすべてがModelon Impact内で行われました。Impactはパラメータ化されたモデルを直接FMUにコンパイルし、同じ環境内で定常状態に達するまで実行しました。その後、担当者はその結果をデータシートと照合しました：

このユニットは1.19 MWを処理し、定格出力の99％を達成しました。サーバー側のループ温度を69 °Cから供給温度である約45 °Cまで下げると同時に、施設内の水温を35 °Cから約52 °Cまで上昇させ、両方の流量は仕様通りに正確に維持されました。データシートが予測可能な物理現象へと変わりました。信頼性の高い数値は、Modelon Impactの検証済みモデルとソルバーから得られ、エージェントが転記、モデル選択、デバッグ、および検証を担当しました。

さらに、レポートを作成し、得られた教訓もまとめました。担当者は、検証結果のブランド入りPDFを作成し、再利用可能なパターンを共有エンジニアリングナレッジベースに記録しました。これにより、次回の資産開発は前回よりも迅速に進めることができます。

なぜこれがモデリングおよびシミュレーションのワークフローを変えるのか？

• 数日から数分へ。「仕様付きの3Dアセットがあります」から「検証済みの物理モデルがあります」に至るまでのプロセスは、従来、エンジニアがデータシートを読み、手作業でモデルを構築することを意味していましたが、これが単一のエージェント駆動型セッションに集約されました。
• デジタルツインが物理現象を認識できるようになります。単に眺めるだけのツインではなく、「全負荷時の戻り温度は？」といった質問を投げかけることができるツインです。
• 転記ミスが減少します。 仕様は手作業ではなく、プログラムによってアセットからモデルへと反映されます。
• 検証済みの物理モデルを、いつでも利用可能。出力されるのは、その場限りのスクリプトではなく、Modelon Impactが維持管理し、ベンダーによって校正された「データセンターライブラリ」に基づいて構築され、FMIネイティブエンジン上で実行されるモデルであり、より大規模な施設シミュレーションに組み込む準備が整っています。信頼性はライブラリから、スピードはエージェントからもたらされます。
• 組織の知見が蓄積されます。 実行のたびに再利用可能なマッピングや注意点（落とし穴）が残されるため、専門知識が社外に流出することなく蓄積されていきます。

より根本的な変化は、分業の進展です。Modelon Impactは、信頼性の高い物理モデル、検証済みのモデル、Modelicaコンパイラ、そしてネイティブのFMUおよびシミュレーションエンジンを提供し、エージェントは、かつては時間がかかり手作業だった調整作業を担います。エンジニアは、信頼できるエンジンの上で、手作業によるモデル構築から、モデリングの指揮や判断の主導へと、バリューチェーンの上流へと移行していきます。

今後の展望

この一見地味なスチール製キャビネットは、3つの融合しつつあるトレンドを予見するものです

1. 実行可能なデジタルツイン。 3D + 物理シミュレーション + AI が融合し、視覚的、予測的、かつインタラクティブな特性を併せ持つ「ツイン」が誕生しつつあります。これが、「AIファクトリー」というビジョンの根幹をなすものです。
2. 標準規格の連携。OpenUSD（ジオメトリ／シーン）とModelica／FMI（物理）は、互いに補完し合うオープンなレイヤーとなりつつあり、ネイティブなFMU作成およびシミュレーション機能を備えたModelon Impactのように、すでに両方の標準に対応しているツールこそが、これら2つの標準が交わる地点となっています。
3. エージェント型エンジニアリング。 構造化されたプロトコルを通じて専門ツールを操作するAIエージェント――標準規格の読み取り、モデルの作成、検証の実行――により、シミュレーションは専門家の手によるボトルネックから、オンデマンドで利用できる機能へと変貌を遂げつつあります。

そして、これはまさに絶好のタイミングで実現しつつあります。AIデータセンターの建設ペースは、電力網が供給できる速度を上回っており、液体冷却は「珍しい技術」から「必須の要件」へと変わりつつあります。さらに、規制当局（EUエネルギー効率指令、ドイツのEnEfG）は、エネルギーおよび水資源の効率性に関する報告を義務付けています。冷却ユニットの3Dアセットを検証済みの熱モデルに変換し、最終的にはPUEや効率の推定値へと導くワークフローは、もはや目新しいものではありません。これは急速に「必須条件」となりつつあります。

問題は、もはやデジタルツインの外観が適切かどうかではありません。建設前に、その動作について真実を明らかにできるかどうかが問われているのです。