Scale-invariant projection optimization in tomographic volumetric additive manufacturing

이 논문은 **토모그래픽 볼륨 적층 제조 (Tomographic Volumetric Additive Manufacturing, TVAM)**의 핵심 과제를 해결하기 위해 제안된 **스케일 불변 투영 최적화 프레임워크 (Scale-Invariant Projection Optimization, SiPO)**에 대한 연구입니다. TVAM 은 3D 물체를 층층이 쌓는 것이 아니라, 투과된 빛의 집적을 통해 전체 부피를 한 번에 형성하는 기술로, 정밀한 내부 구조와 외부 불필요한 경화 (spill) 억제가 동시에 요구됩니다.

다음은 논문의 문제 정의, 방법론, 주요 기여, 결과 및 의의에 대한 상세 기술 요약입니다.

1. 문제 정의 (Problem Statement)

기존 TVAM 최적화 연구들은 다음과 같은 한계를 가지고 있었습니다:

• 절대 도스 (Absolute Dose) 의존성: 최적화 과정이 절대적인 에너지 도스 스케일에 종속되어 있어, 공정 파라미터 (노출 시간, 재료 반응 등) 가 변할 때마다 재설계가 필요하거나 수동 임계값 탐색이 필요했습니다.
• 비선형성 처리의 어려움: 재료의 경화 반응 (광중합 등) 은 비선형적이지만, 이를 최적화 목표에 직접 포함하면 선형 프로그래밍 (LP) 의 이점 (전역 최적성 보장, 계산 효율성) 을 잃게 됩니다.
• 정량적 지표의 부재: 이진 (Binary) 타겟 위주로 개발된 기존 지표들은 그레이스케일 (Grayscale) 타겟이나 공간적으로 변하는 도스 분포에 대해 목표 부합도 (Conformity) 와 외부 누출 (Spillage) 을 동시에 평가하기 어렵습니다.
• 물리적 모델의 복잡성: 확산 (Diffusion) 이나 광점확산함수 (PSF) 와 같은 물리적 블러 효과를 고려할수록 계산 비용이 급증하고 해석이 어려워졌습니다.

2. 방법론 (Methodology)

저자들은 **SiPO (Scale-Invariant Projection Optimization)**라는 새로운 프레임워크를 제안했습니다. 핵심 아이디어는 투영 패턴의 **형상 (Shape)**과 **절대적인 물리적 스케일 (Scaling)**을 분리하는 것입니다.

2.1. 프레임워크 개요

1. 영역 정의: 계산 영역을 '젤화 영역 (Gelation region, $\Omega_{gel}$)', '스플리 (Spill) 가 발생하는 밴드 영역 ($\Omega_{band}$)', '외부 영역 ($\Omega_{ext}$)'으로 세분화합니다.
2. 반응 - 도스 매핑: 비선형적인 재료 반응 ($\mathbf{m}$) 을 역함수 ($\mathcal{M}^{-1}$) 를 통해 선형 도스 영역 ($\mathbf{f}$) 으로 변환합니다. 이를 통해 최적화 핵심 엔진은 선형 모델을 유지합니다.
3. 스케일 불변 최적화: 투영 패턴의 절대 크기를 무시하고, 목표 도스 대비 상대적인 비율을 기반으로 최적화합니다.
4. 사후 스케일링 (Post-scaling): 최적화된 형상 ($\mathbf{y}^*$) 을 구한 후, 물리적 요구사항에 맞는 단일 스칼라 인자 ($\alpha^*$) 를 계산하여 절대 도스로 변환합니다.

2.2. 수학적 formulation

• 지표 정의:
  • DTVR (Dose-to-Target Value Ratio): 젤화 영역 내 도스 균일성 측정.
  • DSR (Dose Spillage Ratio): 밴드 영역의 최대 누출 도스를 젤화 영역의 최소 상대 도스로 나눈 값.
  • 두 지표 모두 투영 벡터 $\mathbf{g}$에 대해 0 차 동차 (Zeroth-order homogeneity) 를 가지며, 분모가 동일하여 **선형 분수 계획법 (Linear-Fractional Program, LFP)**으로 통합 가능합니다.
• Charnes-Cooper 변환: LFP 문제를 표준 **선형 계획법 (Linear Program, LP)**으로 정확히 변환하여 전역 최적해를 보장합니다.
• 계산 구현: 대규모 3D 문제에서 메모리 제약을 극복하기 위해 행렬이 없는 (Matrix-free) 원 - 쌍대 혼합 기울기 (Primal-Dual Hybrid Gradient, PDHG) 알고리즘을 PyTorch 기반으로 구현했습니다.

2.3. 실용적 공정 제어 사례

일반적인 가중치 기반 최적화 외에 두 가지 결정론적 (Deterministic) 경우를 제시하여 실제 공정에 적용성을 높였습니다:

1. Case 1 (엄격한 재료 허용오차 하에서 도스 누출 최소화): 젤화 영역의 도스를 재료 허용 오차 범위 내에 강제로 제한하고, 밴드 영역의 누출을 최소화합니다. (공정 창 확보)
2. Case 2 (강제 억제 제약 하에서 목표 부합도 최대화): 밴드 영역의 도스를 특정 임계값 (예: 억제 임계값) 이하로 강제로 제한하고, 젤화 영역의 목표 형상 복원도를 최대화합니다. (고정밀도 요구)

3. 주요 기여 (Key Contributions)

1. 통합된 스케일 불변 프레임워크: 이진 및 그레이스케일 타겟을 동일한 수학적 구조로 처리하며, 재료 비선형성을 전처리/후처리 단계로 격리하여 최적화 핵심을 선형으로 유지합니다.
2. 투영 형상과 스케일의 분리: 수동 임계값 탐색을 제거하고, 기하학적 최적화와 물리적 보정을 분리하여 공정 설계의 해석 가능성을 높였습니다.
3. 밴드 영역 (Band Region) 의 설계 변수화: 단순히 외부 영역을 모니터링하는 것을 넘어, '희생적 스플리 (Sacrificial Spillage)'를 할당하는 설계 변수로 활용하여 공정 분리도를 조절합니다.
4. 물리 모델 확장성: 확산 (Diffusion) 이나 PSF 와 같은 물리적 블러 효과를 포함하는 일반 선형 연산자 관점에서 프레임워크가 확장 가능함을 증명했습니다.

4. 실험 결과 (Results)

• 이진 타겟 (Binary Target):
  • 일반 LP: 목표 부합도가 가장 높았으나 (DTVR $\approx$ 1.002), 외부 누출이 상대적으로 많았습니다.
  • Case 1: 외부 누출을 가장 강력하게 억제하여 공정 분리도 (PSR) 를 높였으나, 목표 형상의 균일성은 다소 떨어졌습니다.
  • Case 2: 두 가지의 중간 성향을 보이며, 강한 분리도를 유지하면서도 목표 부합도를 상당히 회복했습니다.
• 그레이스케일 타겟 (Grayscale Target):
  • 공간적으로 변하는 도스 분포에서도 동일한 경향성이 관찰되었습니다. 일반 LP 는 높은 정밀도를, Case 1 은 높은 분리도를 제공했습니다.
• 밴드 영역 정의의 영향:
  • 단순한 타겟 (UC Berkeley 로고) 에서는 밴드 영역을 명시하지 않아도 분리도가 크게 변하지 않았으나, Case 2의 경우 밴드 영역을 좁게 정의하는 것이 목표 부합도 유지에 도움이 됨을 확인했습니다. 이는 밴드 영역이 단순한 모니터링 영역이 아니라 최적화 자유도를 할당하는 설계 변수임을 시사합니다.
• 3D 물리 모델 (Diffusion 포함):
  • 3D Thinker 타겟을 대상으로 확산 (Blur) 이 포함된 물리 모델을 적용한 결과, 물리적 블러로 인해 공정 창 (Process Window) 이 크게 축소됨을 확인했습니다.
  • 그럼에도 불구하고 제안된 프레임워크는 물리적 블러 하에서도 공정 가능 (Process-feasible) 한 해를 찾을 수 있었으며, 외부 영역의 스플리가 확산되어 오히려 좁은 밴드 영역으로도 충분할 수 있음을 보였습니다.

5. 의의 및 결론 (Significance)

이 연구는 TVAM 의 역설계 (Inverse Design) 문제를 해석 가능하고 확장 가능한 선형 최적화 문제로 체계화했습니다.

• 공정 설계의 명확성: 최적화 결과가 단순히 "가중치"에 의존하는 것이 아니라, 명확한 공정 제약 (재료 허용오차, 억제 임계값) 하에서 해석 가능해졌습니다.
• 실용적 전략: "Case 1 로 공정 가능 여부를 먼저 확인한 후, Case 2 로 정밀도를 높이는" 2 단계 최적화 전략을 제안하여, 복잡한 파라미터 탐색 없이도 효율적인 공정 설계를 가능하게 합니다.
• 미래 전망: 이 프레임워크는 생체 조직 프린팅, 우주 공간 제조, 기능성 폼 등 다양한 TVAM 응용 분야에서 물리 기반 모델과 결합하여 고품질 3D 프린팅을 실현하는 데 중요한 기반이 될 것입니다.

요약하자면, SiPO 는 TVAM 의 핵심 난제인 '정밀한 형상 구현'과 '불필요한 경화 억제' 사이의 트레이드오프를 스케일 불변의 수학적 틀로 해결하며, 물리적 현실 (블러, 비선형성) 을 고려한 실용적인 공정 제어 솔루션을 제시합니다.