Systematic Analysis of Penalty-Optimised Illumination Design for Tomographic Volumetric Additive Manufacturing via the Extendable Framework TVAM AID Using the Core Imaging Library

논문 요약: TVAM AID 를 통한 투과형 체적 적층 제조 (TVAM) 의 조명 설계 최적화 분석

1. 문제 정의 (Problem)

• 배경: 투과형 체적 적층 제조 (Tomographic Volumetric Additive Manufacturing, TVAM) 는 레이어 없이 복잡한 형상의 물체를 광경화성 수지 (photopolymer) 를 동시에 경화시켜 빠르게 제작하는 차세대 제조 기술입니다.
• 핵심 과제: 원하는 형상 (경화 영역, $\Omega_{in}$) 은 경화시키고, 나머지 영역 (액체 상태 유지, $\Omega_{out}$) 은 경화되지 않도록 하려면 정밀한 '조명 계획 (illumination plan)'이 필요합니다. 이는 빛이 물체 내부의 모든 경로를 통과하기 때문에, 특정 부위만 선택적으로 조사하는 것이 물리적으로 어렵다는 제약이 따릅니다.
• 현재의 한계: 기존 방법들은 주로 역투영 (back-projection) 기반의 최적화 문제를 해결하지만, 빛의 세기는 음수가 될 수 없다는 **비음수 제약 (non-negativity constraint)**과 이진 (binary) 목표 형상 사이의 괴리를 해결하는 데 어려움이 있습니다. 또한, 경화 임계값 ($\tau$) 을 기준으로 한 '상한'과 '하한' 임계값 설정이 인쇄 품질 (경화 균일성, 액체 영역의 잔류 등) 에 미치는 영향에 대한 체계적인 분석이 부족했습니다.

2. 방법론 (Methodology)

저자들은 **TVAM AID (Adaptive Illumination Design)**라는 재현 가능하고 확장 가능한 프레임워크를 개발하여 Core Imaging Library (CIL) 를 기반으로 다양한 페널티 함수 (penalty functions) 를 비교 분석했습니다.

• 수학적 모델:

  • TVAM 문제를 비음수 제약이 있는 최소제곱법 (Least-squares problem) 으로 공식화했습니다.
  • 목표: 조명 계획 ($g$) 을 통해 얻어진 에너지 선량 분포 ($f = A^T g$) 가 원하는 목표 형상 ($t$) 에 최대한 가깝도록 하는 $g^*$를 찾는 것.
  • 제약 조건: $g \ge 0$ (빛의 세기는 0 이상이어야 함).

• 페널티 함수 분석 (4 가지 접근법):

  1. L2N (L2-norm penalties): 이진 목표 (0 또는 1) 를 임계값 ($\tau_{lower}, \tau_{upper}$) 으로 조정하여 L2-norm 을 적용. 모든 편차를 페널티로 부과.
  2. OSP (One-Sided Penalties): 한쪽 방향의 페널티만 적용. (예: $\Omega_{out}$은 $\tau_{lower}$ 이하면 페널티 없음, $\Omega_{in}$은 $\tau_{upper}$ 이상이면 페널티 없음). 탐색 범위를 넓혀 더 넓은 프로세스 윈도우 (Process Window, PW) 를 확보.
  3. OSPW (OSP with High Dose Penalty): OSP 에 고선량 페널티를 추가하여 $\Omega_{in}$의 최대 선량을 제한. IPDR(In-Part Dose-Range) 을 줄이는 데 초점.
  4. OSPW(w=0.0) (최종 제안): $\Omega_{out}$에는 OSP(한쪽 방향) 를, $\Omega_{in}$에는 L2-norm 을 적용한 혼합 형태. 넓은 PW 와 좁은 IPDR 을 동시에 달성하는 것을 목표로 함.

• 해법: FISTA(Fast Iterative Shrinkage-Thresholding Algorithm) 를 사용하여 최적화 문제를 해결.

• 성능 지표 (Metrics):

  • PW (Process Window): 경화 영역 최소 선량과 비경화 영역 최대 선량의 차이 (클수록 좋음).
  • IPDR (In-Part Dose-Range): 경화 영역 내 선량 편차 (작을수록 균일함).
  • VER (Voxel Error Rate): 임계값으로 분리 불가능한 보셀 비율 (0 이어야 함).

3. 주요 기여 (Key Contributions)

1. 페널티 함수의 체계적 분석: 다양한 페널티 함수가 인쇄 메트릭 (PW, IPDR 등) 에 미치는 영향을 정량적으로 분석하고, 각 함수의 장단점을 규명했습니다.
2. 임계값을 설계 파라미터로 취급: 기존에 고정값으로 사용되던 $\tau_{lower}$와 $\tau_{upper}$를 설계 변수로 간주하고 체계적인 파라미터 스윕 (parameter sweep) 을 수행하여 최적의 값을 도출했습니다.
3. 확장 가능한 프레임워크 (TVAM AID) 개발: 오픈소스 라이브러리인 CIL 을 활용하여 재현성을 높이고, 기존 CT 재구성 기술 (정규화, 가중치 등) 을 TVAM 조명 설계에 쉽게 적용할 수 있는 기반을 마련했습니다.

4. 결과 (Results)

• 페널티 함수 비교:

  • **OSPW(w=0.0)**이 가장 우수한 성능을 보였습니다. L2-norm 을 인-파트에 적용하여 선량 균일성 (낮은 IPDR) 을 확보하고, OSP 를 아웃-파트에 적용하여 넓은 프로세스 윈도우 (높은 PW) 를 동시에 달성했습니다.
  • 기존 방법인 OSMO(Object Space Model Optimisation) 와 비교했을 때, OSPW(w=0.0) 는 모든 테스트 기하학적 형상 (DTU 로고, 원형 디스크, 해상도 테스트) 에서 PW 와 IPDR 측면에서 일관되게 우월한 성능을 보였습니다.

• 임계값 최적화:

  • 임계값의 조합에 따라 메트릭이 크게 변하는 것을 확인했습니다.
  • 기본값 제안: $\tau_{lower} = 0.70, \tau_{upper} = 0.90$이 대부분의 경우 최적의 결과에 근접하는 기본값으로 제안되었습니다.
  • OSMO 는 임계값 최적화를 통해 PW 를 개선할 수 있었으나, IPDR(균일성) 이 저하되는 트레이드오프가 발생했습니다. 반면 OSPW(w=0.0) 는 기본값만으로도 OSMO 의 최적값보다 우수한 성능을 보였습니다.

• 3D 검증:

  • 3D 기어 (Gyroid) 형상에 대한 검증에서 OSPW(w=0.0) 는 OSMO 대비 더 높은 PW 와 낮은 IPDR 을 보였습니다.
  • 또한, 페널티 함수의 유연성 (예: $w=0.1$로 조정) 을 통해 특정 형상에 맞춰 성능을 추가로 최적화할 수 있음을 입증했습니다.

• 이상치 (Outlier) 민감도:

  • 기존 메트릭은 이상치에 민감하나, 데이터의 최상위/최하위 소수% 를 제거하여 계산하는 방식을 도입하면 OSPW(w=0.0) 의 성능이 더욱 안정적으로 평가됨을 확인했습니다.

5. 의의 및 결론 (Significance)

• 기술적 진보: TVAM 의 조명 설계 문제를 단순한 이진 분할이 아닌, 임계값 기반의 유연한 최적화 문제로 재정의하고, 이를 통해 인쇄 품질과 공정 안정성 (Process Robustness) 을 동시에 향상시켰습니다.
• 실용성: 제안된 프레임워크 (TVAM AID) 는 연구자들이 새로운 조명 전략을 쉽게 개발하고 검증할 수 있는 표준화된 도구를 제공합니다.
• 미래 전망: 이 프레임워크는 회색조 (greyscale) 프린팅을 위한 연속 재료 모델로 확장 가능하며, CIL 의 정규화 (regularization) 기능을 통해 비경화 영역의 균일성을 더욱 개선할 수 있는 잠재력을 가지고 있습니다.

요약하자면, 이 논문은 TVAM AID 프레임워크를 통해 **OSPW(w=0.0)**라는 새로운 페널티 전략을 제안하고, 이를 통해 기존 방법 (OSMO) 보다 더 넓은 공정 윈도우와 더 높은 선량 균일성을 달성할 수 있음을 체계적으로 증명했습니다.