Localized Generative Design of Ship Hulls with Diffusion Models and High-Fidelity Assessment

선박을 설계하는 것은 느리고 신중한 타협의 춤입니다. 엔지니어들은 무거운 하중을 견디고, 거친 바다에서도 직립 상태를 유지하며, 가능한 한 적은 노력으로 물을 가르고 나아가는 선체를 만들어내야 합니다. 목표는 선박의 속도를 늦추는 항력, 즉 저항을 줄이는 것인데, 항력이 적을수록 연료가 적게 들고 비용도 낮아지기 때문입니다. 수십 년 동안 이것은 인간 전문가들이 복잡한 컴퓨터 시뮬레이션으로 각 새로운 아이디어를 테스트하며 손으로 직접 형상을 수정하는 작업이었습니다. 하지만 가능한 형상의 수가 너무나 방대하여 완벽한 하나를 찾는 것은 마치 건더미 속에서 바늘을 찾는 것과 같습니다. 최근에는 기존의 수천 가지 선박 설계를 학습하여 스스로 새로운 설계를 창조할 수 있는 새로운 종류의 컴퓨터 프로그램이 등장했습니다. 생성 모델(generative models)이라고 불리는 이 프로그램들은 창의적인 과정의 자동화 방법을 제시합니다. 그러나 여기에는 함정이 있습니다. 이러한 디지털 발명가들은 종-종 종이 위에서는 훌는 것처럼 보이지만, 복잡하고 예측 불가능한 물리 법칙 앞에서는 실패하는 형상을 만들어내곤 합니다.

브리티시 컬럼비아 대학교의 연구진은 산업 파트너들과 협력하여 이 디지털 발명가들을 실제 선박 설계에 유용하게 만들 수 있을지 알아보기 위해 연구를 진행했습니다. 그들은 선박의 특정 부분, 즉 구형 선수(bulbous bow)가 위치한 앞부분에 집중했습니다. 이 벌브는 선수 아래에 돌출된 부분으로, 제대로 설계되면 파도를 상쇄하고 연료를 절감해 줍니다. 연구진은 컴퓨터가 선박의 나머지 부분을 망가뜨리지 않으면서도 이 전방 섹션만을 미세하게 조정하여 선박을 더 빠르게 만들 수 있는지 알고 싶었습니다. 그들은 새로운 선형을 생성한 후 즉시 그 형상이 얼마나 잘 작동하는지 확인할 수 있는 시스템을 구축했습니다. 하지만 그들은 단순히 빠른 컴퓨터 추측에 그치지 않았습니다. 그들은 가장 우수한 디지털 후보들을 골라내어, 선박 주변을 흐르는 물을 극도로 정밀하게 시뮬레이션하는 고충실도(high-fidelity) 테스트를 거쳤습니다. 그들이 발견한 것은 약속과 한계의 이야기였으며, 컴퓨터가 새로운 아이디어를 생성할 수는 있지만, 배를 진정으로 효율적으로 만드는 미묘한 물리학을 이해하는 데는 여전히 어려움을 겪고 있다는 사실을 드러냈습니다.

연구진은 먼저 컴퓨터 모델에게 유명한 컨테이너선인 KRISO 컨테이너선의 기하학적 구조를 이해하도록 가르쳤습니다. 그들은 컴퓨터에게 선박 전체를 처음부터 다시 설계하라고 요구하지 않았습니다. 대신, 선박의 나머지 부분은 똑같이 유지하면서 오직 앞부분에만 집중하라고 지시했습니다. '국부적 설계(localized design)'라고 불리는 이 방식은 실제 해군 건축가들이 일하는 방식이기도 합니다. 그들은 선박 전체를 바꾸기보다는 특정 부분을 다듬는 것을 선호하기 때문입니다. 컴퓨터는 선박의 앞부분을 조금씩 변형한 수천 개의 버전을 학습하며, 형상을 매끄럽고 연속적으로 만드는 패턴을 익혔습니다. 컴퓨터가 이러한 패턴을 익히자, 연구진은 저항을 줄이는 형상을 찾도록 컴퓨터를 유도했습니다. 그들은 빠른 간이 계산을 바탕으로 물을 더 쉽게 가르는 듯한 형상을 찾았을 때 컴퓨터에게 보상을 주는 방식을 사용했습니다.

컴퓨터가 생성한 형상들이 실제로 더 나은지 확인하기 위해, 팀은 선체 주변을 흐르는 물을 시뮬레이션하는 자동화된 파이프라인을 실행했습니다. 이 시뮬레이션은 컴퓨터를 유도하는 데 사용된 빠른 계산보다 훨씬 더 상세했습니다. 이는 물의 점성, 선박에 의해 생성되는 파도, 그리고 선체를 밀어내는 압력을 모두 고려했습니다. 그들은 컴퓨터의 창작물 중 하나인 '모델 1(Model 1)'을 원래의 선박과 비교 테스트했습니다. 낮은 속도에서는 새로운 형상이 원래의 선박만큼 성능이 좋았습니다. 하지만 속도가 증가함에 따라 새로운 형상은 고전하기 시작했습니다. 선박의 일반적인 순항 속도에서 저항은 원래 선박보다 거의 50%나 높았습니다. 컴퓨터를 유도했던 빠른 계산은 이 극적인 저항 증가를 놓쳤던 것입니다. 그것은 좁은 범위의 조건에서는 유망해 보이는 형상을 포착했지만, 물의 속도가 빨라질 때 그 형상이 어떻게 행동할지는 예측하는 데 실패했습니다.

연구진은 더 깊은 질문을 던졌습니다. 문제가 컴퓨터의 학습 능력에 있는 것인가, 아니면 형상을 컴퓨터에게 설명하는 방식에 있는 것인가? 이를 알아내기 위해 그들은 다른 접근 방식을 취했습니다. 컴퓨터에게 새로운 형상을 발명하게 하는 대신, 인간 해군 건축가에게 컴퓨터가 따라야 했던 것과 동일한 규칙을 사용하여 원래의 선박을 개선하도록 요청했습니다. 인간 전문가는 컴퓨터의 설명 체계 내에서 최대한 원래의 선박과 일치하도록 선수를 조정했습니다. 'GenHull E'라고 불리는 이 새로운 형상에는 구형 선수(bulbous bow)가 전혀 없었습니다. 연구진이 사용한 시스템은 매끄럽고 둥근 벌브를 묘-사할 수 없었으며, 오직 평평한 원통처럼 보이는 형상만을 만들 수 있었습니다. 연구진이 이 인간이 개선한 형상을 테스트했을 때, 결과는 놀라웠습니다. 낮은 속도에서 이 형상은 원래의 선박보다 6~8% 더 효율적이었습니다. 물에 닿는 표면적이 적어 마찰이 줄어들었기 때문입니다. 하지만 특정 속도를 넘어서자, 벌브가 없는 것이 약점이 되었습니다. 선수의 전방에서 발생하는 파도가 강해졌고, 저항이 급증했습니다. 테스트한 최고 속도에서 인간이 개선한 형상은 원래의 선박보다 현저히 나쁜 성능을 보였습니다.

새로운 형상이 더 좋아졌다가 다시 나빠지는 이 교차점은 특정 속도에서 발생했습니다. 그 속도 미만에서는 벌브가 없는 것에 대한 페널티보다 젖은 표면적(wetted surface)이 줄어드는 이득이 더 컸습니다. 그 속도 이상에서는 벌브가 없는 것에 대한 페널티가 이득을 압도했습니다. 연구진은 컴퓨터의 보상 체계가 이러한 트레이드오프(trade-off)를 포착하는 데 실패했음을 발견했습니다. 컴퓨터는 넓은 범위의 속도에 걸친 평균적인 성능을 나타내는 단 하나의 숫자를 찾는 데 훈련되어 있었습니다. 선박은 대부분의 시간을 높은 속도에서 보내기 때문에, 컴퓨터는 높은 속도에서 잘 작동하는 형상에 편향되었지만, 물리학이 변하는 급격한 전환점을 놓쳤습니다. 동일한 엄격한 설명 체계에 갇혀 있었던 인간 전문가 역시 특정 조건에서는 더 낫고 다른 조건에서는 더 나쁜 형상을 만들어냈지만, 컴퓨터의 단순한 보상 함수는 이러한 미묘한 차이를 포착할 수 없었습니다.

이 연구는 또한 새로운 형상에 숨겨진 비용을 드러냈습니다. 인간이 개선한 선체는 원래의 선체보다 안정성이 떨어졌습니다. 이는 거친 바다에서 직립 상태를 유지하는 능력, 즉 모든 선박의 핵심적인 안전 요구 사항입니다. 컴퓨터의 시스템은 이 안정성을 점검하지 않았고, 오직 저항만을 살펴보았습니다. 인간 전문가의 개선안에는 안정성 항목이 포함되지 않았고, 그 결과 새로운 선체는 기준 선박에 비해 허용 가능한 수직 무게 중심이 1.04미터 감소했습니다. 이는 기술적 격차를 강조했습니다. 컴퓨터는 단일 지표상으로는 좋아 보이는 형상을 생성할 수 있지만, 실제 선박이 충족해야 하는 복잡한 요구 사항의 그물망을 이해하지는 못했습니다.

연구진은 생성 모델이 새로운 설계를 탐색하는 강력한 도구이기는 하지만, 아직 인간의 판단을 대체할 준비는 되지 않았다고 결론지었습니다. 컴퓨터는 수천 가지 변형을 빠르게 생성할 수 있지만, 훨씬 더 나은 평가 방식이 필요합니다. 성능을 짐작하는 데 사용된 단순한 공식들은 파도 저항과 안정성의 미묘한 변화를 포착하기에 충분히 정확하지 않았습니다. 이러한 도구들을 진정으로 유용하게 만들기 위해서는, 컴퓨터가 생성하는 각각의 후보에 대해 고정밀도 유체 흐름 시뮬레이션을 수행할 수 있는 시스템을 구축해야 합니다. 또한, 컴퓨터에게 어떤 형상이 특정 속도에서는 좋을 수 있고 다른 속도에서는 나쁠 수 있다는 점, 그리고 안전이 속도만큼 중요하다는 점을 가르쳐야 합니다. 앞으로의 길은 컴퓨터의 속도와 고충실도 물리 시뮬레이션의 깊이를 결합하여, 디지털 설계가 단순히 수학적으로 흥미로운 것을 넘어 물리적으로 실재하며 안전하도록 보장하는 데 있습니다.

이 팀의 연구는 공학에서 디테일이 얼마나 중요한지를 상기시켜 줍니다. 단순화된 모델에서는 완벽해 보이는 형상이 실제 세계가 고려될 때 처참하게 실패할 수 있습니다. 연구진은 하룻밤 사이에 선박 설계를 해결할 마법의 탄환을 찾아낸 것이 아닙니다. 대신, 현재의 기술이 어디에서 부족하며 이를 완성하기 위해 무엇이 필요한지에 대한 명확한 지도를 찾아냈습니다. 그들은 복잡한 기계를 진정으로 자동화하려면, 컴퓨터에게 측정하기 쉬운 부분만이 아니라 전체 그림을 보는 법을 가르쳐야 한다는 것을 보여주었습니다. 선박 설계의 미래는 컴퓨터가 아이디어를 생성하는 무거운 작업을 처리하고, 더 나은 도구로 무장한 인간 전문가가 그 아이디어들을 효율적이고 안전하며 견고한 현실로 인도하는 파트너십에 달려 있습니다.