기술 요약: 최적화만으로는 부족하다: 문제 정식화가 동등한 주의를 기울여야 하는 이유

1. 문제 정의

본 논문은 블랙박스 최적화(BBO) 분야의 핵심적인 간극, 즉 맥락이 결여된 설정에서의 알고리즘 성능에만 집중하고 문제 정식화 및 도메인 지식의 영향력을 간과하는 경향을 다룬다. 공학 설계, 특히 적층 복합재 구조의 경우, 최적화 문제는 그래디언트(gradient)를 사용할 수 없는 고비용의 비미분 시뮬레이션을 포함하는 경우가 많다.

저자들은 최적화 알고리즘이 아무리 정교하더라도, 적절한 물리적 모델링을 통해 문제가 신중하게 정식화되지 않는다면 유효하거나 실질적으로 유용한 해를 생성할 수 없다고 주장한다. 구체적으로, 본 연구는 적층 복합재 구조의 위상(topology) 및 섬유 경로 최적화를 조사한다. 목표는 부피 제약 조건 하에서 캔틸레버 보(cantilever beam)의 구조적 컴플라이언스(compliance)를 최소화(강성 최대화)하는 것이며, 동시에 구조적 위상과 섬로 배향(fiber orientation)의 공간적 분포를 최적화하는 것이다.

2. 방법론

2.1 문제 정식화 및 파라미터화

본 연구는 집중 하중을 받는 선형 탄성 캔틸레버 보를 기반으로 한 벤치마크 문제를 도입한다. 설계 공간은 두 가지 구별된 방법을 사용하여 파라미터화된다:

• 위상 (MMC): 구조적 레이아웃은 이동 변형 가능한 구성 요소(Moving Morphable Components, MMC) 방식을 사용하여 정의된다. 이 접근 방식은 변형 가능한 빔 형태 구성 요소의 기하학적 파라미터(중심 좌표, 길이, 두께 및 방향)를 사용하여 구조를 구축하며, 이는 압축적이고 명시적인 기하학적 표현을 제공한다.
• 재료 강성 (LPs): 복합재의 이방성 특성은 **라미네이션 파라미터(Lamination Parameters, LPs)**를 사용하여 모델링된다. 구체적으로, 연속적이고 공간적으로 가변적인 섬유 배향을 가능하게 하기 위해 **라미네이션 파라미터 보간법(Lamination Parameter Interpolation Method, LPIM)**이 채택되었다. 이 방법은 Miki의 도표 상의 설계 지점들을 보간함으로써 결과적인 강성 변화가 물리적으로 실현 가능하고 제조 가능하도록 보장한다.

전체 설계 벡터는 18개의 변수로 구성된다: 위상을 정의하는 15개 변수(대칭 가정을 적용한 3개의 MMC)와 LP를 정의하는 3개 변수(마스터 노드에서의 체적 비율 및 두 개의 $V_3$ 값).

2.2 최적화 전략

문제 정식화의 영향을 평가하기 위해, 저자들은 고정된 함수 평가 예산($B=1000$) 하에서 두 가지 구별된 전략을 비교한다:

1. 동시 최적화 (Concurrent Optimization): 모든 18개의 설계 변수(위상 및 재료)를 단일 18차원 탐색 공간에서 동시에 최적화한다. 이 접근 방식은 변수 간의 분리에 관한 물리적 통찰을 활용하지 않고 문제를 순수한 블랙박스로 취급한다.
2. 순차 최적화 (Sequential Optimization): 문제를 두 단계로 분해한다:
   • 1단계: 재료를 준등방성(quasi-isotropic) 상태로 고정한 상태에서 15개의 위상 변수를 최적화한다. 예산은 위상 변수의 차원에 비례하여 할당된다.
   • 2단계: 1단계의 최적 위상을 고정한 후, 남은 예산을 사용하여 3개의 LP 변수를 최적화한다. 이 접근 방식은 구조적 레이아웃과 재료의 이방성을 분리함으로써 도메인 지식을 활용한다.

2.3 알고리즘 및 평가

7가지 블랙박스 최적화 알고리즘이 두 가지 전략 하에서 테스트되었다:

• 인구 기반 (Population-based): CMA-ES (active variant), 차분 진화 (Differential Evolution, DE).
• 대리 모델 기반 (Surrogate-based, Bayesian Optimization): Vanilla BO, TuRBO-1, TuRBO-m, HEBO, BAxUS.

목적 함수는 솔버의 충돌 없이 불가능한 설계를 처리하기 위해 부피 제약 위반 및 구조적 단절에 대해 페널티를 부여하는 수정된 컴플라이언스(modified compliance)를 사용한다(연결성 페널티 함수 $\Psi(x)$ 사용).

3. 주요 결과

3.1 성능 비교

• 순차적 vs. 동시적: 순차적 전략은 대부분의 알고리즘에서 동시적 전략에 비해 일관되게 더 우수한 성능의 해(더 낮은 수정된 컴플라이언스)를 산출했다. 윌콕슨 부호 순위 검정(Wilcoxon signed-rank test) 통계 분석 결과, 순차적 접근 방식의 중앙값이 TuRBO-1, TuRBO-m, vanilla BO에 대해 유의미하게 더 나은 것으로 확인되었다.
• 알고리즘 민감도: 동시적 전략은 (초기에 섬유 배향을 조정할 수 있기 때문에) 초기 수렴 속도는 더 빨랐으나, 종종 차선책(suboptimal)이거나 비물리적인 설계로 수렴했다. 반면, 순차적 접근 방식은 위상이 확립된 후 알고리즘이 LP 변수에 효과적으로 탐색 역량을 집중할 수 있게 하여, 볼록한 LP 하위 문제(convex LP sub-problem)에 대한 더 강력한 활용을 이끌어냈다.
• 최고 성능 알고리즘: 순차적 설정에서의 TuRBO-1과 TuRBO-m이 더 큰 예산에서 가장 좋은 평균 성능을 달ien했다. HEBO는 초기 단계(첫 400회 평가)에서 좋은 성능을 보였으나, 예산이 증가함에 따라 상대적 성능이 감소하는 모습을 보였다.

3.2 솔루션의 질적 분석

• 물리적 현실성: 동시적 전략은 종종 저응력 영역에 "과잉 재료"를 생성하고 주응력 방향과 일치하지 않는 일관성 없는 섬유 배향을 생성했다. 이와 대조적으로, 순차적 전략은 더 해석 가능하고 물리적으로 일관된 섬유 경로(예: 클램프 근처에서는 수직으로 정렬되고 하중 근처에서는 $\pm 60^\circ$로 이동하는 섬유)를 생성했다.
• 탐색 동작: 동시적 정식화에서 획득 함수(acquisition functions)는 위상 변수(목적 함수 지형에 더 강력한 영향을 미치는 변수)의 변화를 우선시하는 경고한 경향이 있었으며, 이는 탐색을 최적의 LP 구성으로부터 멀어지게 하는 편향을 초래했다. 순차적 접근 방식은 이러한 불균형을 제거하여 재료 설계 공간에 대한 표적 탐색을 가능하게 했다.

4. 의의 및 주장

본 논문은 최적화만으로는 충분하지 않으며, 문제의 정식화가 동일하게 중요하다는 점을 시사한다. 저자들의 주장은 다음과 같다:

• 도메인 지식은 필수적이다: 물리적 통찰(예: 위상 변수와 재료 변수의 뚜렷한 성격)을 최적화 파이프라인에 통합하는 것은 "맥락 불가지론적(context-agnostic)" 블랙박스 접근 방식보다 훨씬 뛰어난 성능을 낼 수 있다.
• 순차적 분해: 구조화된 변수를 가진 복잡한 공학 문제의 경우, 변수를 물리적 성격에 따라 분리하는 순차적 접근 방식이 동시 최적화보다 더 우수하고, 해석 가능하며, 물리적으로 유효한 설계를 도출할 수 있다.
• 벤치마킹의 한계: 현재의 블랙박스 벤치마크(예: BBOB)는 물리적으로 정보가 풍부한 전략에 보상을 주는 데 실패하는 경우가 많다. 저자들은 알고리즘의 효율성뿐만 아니라, 도메인 지식을 활용하고 현실적인 공학 솔루션을 생성하는 능력을 평가하는 새로운 벤치마크의 개발을 촉구한다.

본 연구는 성공적인 공학 최적화가 알고리즘 선택과 문제 정식화 사이의 시너지에 달려 있음을 결론지으며, 변수를 순수 블랙박스 지형 내의 임의적인 입력값으로 취급하는 것을 넘어설 것을 학계에 권고한다.