기술 요약: 3D 프레임 시스템의 자동 구조 분석을 위한 에이전틱 대규모 언어 모델(Agentic LLM)

문제 정의

유한 요소(Finite Element, FE) 모델의 구축은 특히 복잡한 3차원(3D) 프레임 시스템의 경우 여전히 수동적이고 시간이 많이 소요되며 오류가 발생하기 쉬운 과정으로 남아 있다. 최근 에이전틱 대규모 언어 모델(LLM)을 자동화된 2D 프레임 분석에 적용하는 발전이 있었으나, 이를 3D 시스템으로 확장하는 데에는 세 가지 핵심적인 과제가 존재한다:

1. 불규칙한 기하학적 표현: 3D 프레임은 평면 비대칭, 가변적인 층고, 불연속적인 레이아웃(예: 아트리움)을 특징으로 하는 경우가 많으며, 이는 LLM이 의미론적으로 모호함 없이 해석할 수 있는 표현 방식을 요구한다.
2. 위상적 일관성(Topological Consistency): 여러 층에 걸친 노드, 거더(girder), 슬래브, 기둥 간의 연결성을 유지하는 것은 어렵다. LLM은 공유 노드(shared nodes)와 같은 개념을 다루는 데 어려움을 겪으며, 이로 인해 요소가 중복되거나, 누락되거나, 연결이 유효하지 않은 문제가 발생하곤 한다.
3. 장기 추론(Long-Horizon Reasoning): 완전한 3D 모델을 생성하려면 2D 모델보다 훨씬 긴 추론 체인이 필요하다. 이는 밀집된 모델 공간 내에서 재료 특성, 경계 조건 및 하중을 특정 구성 요소에 매핑할 때 환각(hallucination)과 오류 누적의 위험을 증가시킨다.

기존의 범용 LLM은 이러한 문제를 해결하지 못하며, 종종 구문 오류가 있거나 SAP2000과 같은 엔지니어링 소프트웨어에서 실행할 수 없는 위상적으로 일관되지 않은 기하 구조를 생성한다.

방법론

본 논문은 자연어 설명을 실행 가능한 SAP2000 스크립트로 변환하기 위해 설계된 다중 에이전트 기반의 에이전틱 LLM 프레임워크를 제안한다. 이 방법론은 구조화된 기하학적 표현과 분해된 워크플로우를 기반으로 한다.

1. 구조화된 기하학적 표현

불규칙한 3D 기하 구조의 모호성을 해결하기 위해, 저자들은 3D 프레임을 2D 평면에 투영하는 표현 체계를 도입했다:

• 직교 그리드라인(Orthogonal Gridlines): X-Y 좌표계를 정의한다.
• 층수 행렬(Matrix of Number of Stories, MNS): 각 그리드 셀에 할당된 스칼라 정수 행렬로, 해당 위치의 수직 압출 높이(층수)를 지정한다. 값이 0인 경우 보이드(void)를 의미한다.
• 보충 데이터: 입력 템플릿에는 층고, 경계 조건(예: 고정 지점), 하중 패턴(중력 및 풍하중), 그리고 재료 특성이 포함된다.

2. 다중 에이전트 아키텍처

본 프레임워크는 추론 범위를 제한하고 오류 검사를 가능하게 하기 위해 모델링 작업을 일련의 전문화된 에이전트로 분해한다. 워크플フロー는 세 단계로 진행된다:

• 1단계: 문제 해석

  • 문제 분석 에이전트(Problem Analysis Agent): 자연어 입력을 구조화된 JSON 스키마로 파싱하여 그리드라인 위치, MNS, 층고, 하중 및 재료 특성을 추출한다.

• 2단계: 모델링 정보 추론

  • 층 분해 에이전트(Floor Decomposition Agent): MNS를 층 인덱스와 행렬 값을 비교하여 일련의 적층된 2D 평면(점유 레이아웃)으로 변환한다.
  • 병렬 평면 내 생성(Parallel In-Plane Generation):
    • 노드 에이전트(Node Agent): 점유된 셀의 그리드 교차점에서 노드 식별자와 3D 좌표를 정의한다.
    • 거더 에이전트(Girder Agent): 한 층 내에서 인접한 노드들을 연결하는 수평 요소를 정의한다.
    • 슬래브 에이전트(Slab Agent): 점유된 그리드 셀에 대한 면 요소(area elements)를 정의한다.
    • 체크포인트: 중복이 없는지, 모든 끝점이 유효한 노드를 참조하는지 검증한다.
  • 기둥 에이전트(Column Agent): 인접한 층 간에 동일한 X-Y 좌표를 가진 노드들을 매칭하여 층간 연결성을 확립한다.
  • 지지 조건 에이전트(Support Agent): 베이스 노드에 경계 조건(예: 고정 구속)을 할당한다.
  • 하중 에이전트(Load Agent): JSON 기하 구조를 바탕으로 특정 구성 요소에 분포 면적 하중 및 횡력 점 하중을 할당한다.

• 3단계: 코드 번역

  • 기하 변환 에이전트(Geometry Translation Agent): 검증된 기하 데이터와 재료 특성을 SAP2000 명령 구문(예: JOINT COORDINATES, FRAME SECTION PROPERTIES)으로 변환한다.
  • 코드 컴파일 에이전트(Code Compilation Agent): 기하, 경계, 하중 모듈을 하나의 실행 가능한 .s2k 스크립트로 통합하여 적절한 초기화 및 해석 옵션을 보장한다.

시스템은 복잡한 공간 추론이 필요한 에이전트에는 GPT-OSS 120B를 사용하고, 코드 번역 작업에는 각각의 강점인 추론 능력과 지시 이행 능력을 활용하여 Llama-3.3 70B Instruct Turbo를 사용한다.

주요 기여

1. 3D 프레임을 위한 구조화된 표현: MNS 기반의 투영 방식 도입을 통해 불규칙한 3D 기하 구조를 간결하게 기술하고 LLM이 신뢰성 있게 해석할 수 있도록 하여, 자유 형식의 텍스트 설명에서 오는 모호성을 극복했다.
2. 모듈형 다중 에이전트 파이프라인: 3D 모델링이라는 장기적 과제를 전문화된 병렬 하위 작업으로 분해함으로써, 단일 모델 생성 방식에 비해 위상적 일관성을 크게 개선하고 환각 현상을 줄였다.
3. 자동화된 SAP2000 스크립트 생성: 자연어 의도와 엔지니어링 시뮬레이션 사이의 간극을 메우며, 직접 SAP2000으로 임포트하여 분석할 수 있는 구문적으로 정확하고 실행 가능한 스크립트를 성공적으로 생성한다.
4. 엄격한 벤치마킹: 자동화된 모델링 성능을 평가하기 위해 다양한 복잡성(비대칭, 셋백, 보이드 등)을 가진 10개의 대표적인 3D 프레임 시스템 벤치마크 데이터셋을 구축했다.

결과

프레임워크는 10회의 반복 실험을 통해 10개의 벤치마크 문제에 대해 평가되었다:

• 정확도: 제안된 프레임워크는 평균 **90%**의 정확도를 달いました. 실험은 모니터링된 모든 구조적 응답의 상대 오차가 실제 모델(ground truth) 대비 1% 미만일 경우에만 정확한 것으로 간주되었다.
• SOTA와의 비교: 두 가지 최첨단 범용 LLM(GPT-5.4 및 Gemini-3.1 Pro)은 모든 실험에서 0%의 정확도를 기록했다. 이들은 SAP2000 구문 오류, 잘못된 테이블 이름, 그리고 심각한 기하/위상적 불일치(예: 보이드 오해 또는 구조 부재 누락)로 인해 실패했다.
• 절제 연구(Ablation Studies): 층 분해 에이전트를 제거하면 정확도가 20~50%로 감소했으며, 코드 번역 에이전트를 통합했을 경우 정확도가 0%가 되었다. 이는 작업 분해가 장기적 생성 작업을 처리하는 데 필수적임을 확인시켜 준다.
• 효율성 및 비용: 프레임워크는 케이스당 약 175초가 소요되며 평균 비용은 $0.193로, 높은 정확도를 유지하면서도 Gemini-3.1 Pro보다 속도와 비용 측면에서 우수한 성능을 보였다.

의의 및 주장

본 논문은 이 연구가 구조 공학 워크플로우 자동화의 중요한 진전임을 주장한다. 구조화된 표현과 다중 에이전트 분해를 통해 3D 위상 및 장기 추론의 특정 과제를 해결함으로써, 본 프레임워크는 자연어 입력을 신뢰할 수 있는 자동화된 구조 분석으로 변환할 수 있게 한다.

저자들은 범용 LLM이 강력한 추론 능력을 갖추고 있음에도 불구하고, 전문화된 아키텍처적 제약 없이는 복잡한 도메인 특화 엔지니어링 작업을 수행하기에 불충분하다는 점을 강조한다. 제안된 프레임워크는 에이전틱 시스템이 자연어 설명과 실행 가능한 엔지니어링 워크플로우 사이를 효과적으로 연결할 수 있음을 보여주며, 수동 모델링에 대한 확장 가능하고 비용 효율적이며 정확한 대안을 제시한다.

논문은 현재 프레임워크가 직교 그리드 기반의 기하 구조와 정적 해석에 국한되어 있다는 점을 언급하며 완만한 한계를 명시하며 마무리하였다. 향-후 연구로는 비직교 기하 구조를 위한 시각-언어 모델(vision-language models)의 통합과 동적 해석 및 전단벽 모델링으로의 확장이 필요하다고 밝혔다.