Homotopy surrogate model assisted double-loop approach for efficient structural reliability-based design optimization

엔지니어들은 교량, 항공기, 고층 빌딩을 설계할 때 오랫동안 어려운 절충 과제에 직면해 왔습니다. 한편으로는 재료가 미세하게 변하거나, 하중이 예상치 못하게 이동하거나, 치수가 결코 완벽하게 정확하지 않은 실제 세계의 예측 불가능한 성질을 견뎌낼 수 있을 만큼 구조물을 안전하게 만들어야 합니다. 다른 한편으로는 이러한 구조물이 너무 무겁고 비용이 많이 들어서 비실용적이 되지 않도록 해야 합니다. 안전을 위해 설계하는 전통적인 방식은 이러한 작은 불확실성들을 무시하는 경우가 많았으며, 이는 설계를 위험할 정도로 취약하게 만들거나 불필요하게 육중하게 만들었습니다. 이를 해결하기 위해 신뢰성 기반 설계 최적화(reliability-based design optimization)라는 분야가 등장했습니다. 이 접근 방식은 불확실성을 무시해야 할 골칫거리로 취급하는 대신, 계산 가능한 핵심 요소로 다루며, 최악의 시나리오에서도 생존할 수 있다는 수학적으로 증명된 확률을 유지하면서도 가장 가벼운 구조물을 찾는 것을 목표로 합니다.

이 방법의 문제는 안전성을 계산하는 데 컴퓨터 시간이 엄청나게 많이 소요된다는 점입니다. 설계가 안전한지 알기 위해 엔지니어들은 수천 가지의 서로 다른 가능한 현실을 시뮬레이션하여, 모든 미세한 변화의 조합 속에서 구조물이 어떻게 작동하는지 확인해야 합니다. 최적화 과정 중 매번 이러한 설계를 수행하는 것은 몇 주 또는 몇 달의 컴퓨팅 파워를 소모할 수 있어, 이 방법을 복잡한 실제 프로젝트에 적용하기에는 너무 느리게 만듭니다. 무한대학교(Wuhan University of Technology)의 연구진은 정확도를 희생하지 않으면서 이를 가속화할 수 있는 새로운 방법을 개발했습니다. 그들은 엔지니어가 매번 전체의 무거운 시뮬레이션을 실행하지 않고도 불확실성 하에서 구조물이 어떻게 작동할지 예측할 수 있게 해주는, 매우 숙련된 지름길과 같은 역할을 하는 방법을 만들어냈습니다.

그들의 새로운 방법의 핵심은 정적 호모토피 대리 모델(static homotopy surrogate model)이라는 수학적 도구입니다. 과거에 계산 속도를 높이려던 엔지니어들은 몇 장의 과거 사진을 보고 날씨를 추측하는 것과 같은 데이터 기반 모델에 의존하곤 했습니다. 이러한 모델은 패턴을 학습하기 위해 방대한 양의 훈련 데이터가 필요하며, 데이터가 지저도 있거나 불완전하면 예측이 틀릴 수 있습니다. 새로운 도구는 다른 길을 택합니다. 이 도구는 사례로부터 학습하는 대신, 특정 수학적 전개를 사용하여 불확별한 입력값과 구조적 응답 사이의 직접적이고 명시적인 지도를 구축합니다. 이는 초기 설정이 완료되면 방대한 과거 데이터 라이브러리를 학습할 필요 없이 거의 즉각적으로 정확한 예측을 생성할 수 있음을 의미합니다. 이는 단순히 결과를 암기하는 것이 아니라 문제의 물리학을 직접 이해하는 더 근본적인 접근 방식입니다.

이 도구를 더욱 효율적으로 만들기 위해 연구진은 영리한 재사용 전략을 추가했습니다. 엔지니어가 새로운 교량을 설계한다고 상상해 보십시오. 컴퓨터가 다양한 버전의 교량을 테스트할 때, 이미 분석했던 설계와 매우 유사한 설계를 자주 마주하게 됩니다. 새로운 예측 모델을 매번 새로 만드는 대신, 이 새로운 방법은 기록을 확인합니다. 만약 새로운 설계가 이전 설계와 충분히 가깝다면, 시스템은 기존의 예측 모델을 단순히 재사용합니다. 이는 복잡한 수학적 지도를 처음부터 다시 구축하는 것을 피하여 엄청난 시간을 절약해 줍니다. 연구진은 이 재사용이 허용되는 기준을 엄격하게 설정하여, 기존의 지도가 여전히 정확할 만큼 설계가 유사할 때만 지름길을 택하도록 보장했습니다.

연구팀은 단순한 수학적 퍼즐부터 복잡한 실제 구조물에 이르기까지 네 가지 문제에 대해 이 접근 방식을 테스트했습니다. 그들은 먼저 작은 변화가 거대하고 예측 불가능한 결과로 이어질 수 있는 유형의 어려운 방정식인 고비선형(highly nonlinear) 문제를 다루었습니다. 또한 교량과 타워에 흔히 사용되는 프레임워크인 10개의 바(bar)를 가진 트러스 구조와 72개의 바를 가진 트러스 구조, 두 가지 다른 트러스 구조에 대해서도 테스트했습니다. 마지막으로, 수천 개의 개별 부품으로 구성된 구조물인 전투기 날개 박스(wing box)의 상세 모델에 이 방법을 적용했습니다. 모든 경우에서, 새로운 방법은 기존의 느린 방법들이 찾아낸 것만큼이나 안전하고 효율적인 설계를 찾아냈습니다.

결과는 최적의 설계를 찾는 데 필요한 시간을 극적으로 단축했음을 보여주었습니다. 10개 바 트러스의 경우, 새로운 방법은 기존 기술들과 비교했을 때 무거운 컴퓨터 시뮬레이션 횟수를 99% 이상 줄였습니다. 20가지의 불확실한 요인이 포함된 72개 바 트러스의 경우, 절감 효과는 더욱 두드러졌으며 계산 작업을 거의 99% 절감했습니다. 수많은 부품이 포함된 복잡한 날개 박스의 경우에도, 이 방법은 통상적으로 요구되는 컴퓨팅 파워의 아주 적은 부분만을 사용하여 더 가볍고 안전한 설계를 찾아냈습니다. 연구진은 예측 모델을 재사용함으로써 수백 번의 설계 반복 과정 동안 새로운 모델을 구축하는 과정을 건너뛸 수 있었으며, 이는 훨씬 더 큰 팀의 업무를 아주 짧은 시간 안에 수행한 것과 같았습니다.

이 연구는 안전이 중요한 설계에서 높은 계산 비용이 발생하는 병목 현상이 해결 불가능한 문제가 아님을 시사합니다. 물리학 기반의 예측 도구와 과거의 작업을 재사용하는 스마트한 전략을 결다면, 엔지니어들은 이제 훨씬 더 넓은 범위의 설계 가능성을 탐색할 수 있습니다. 이는 미래에 구조물이 끝없는 컴퓨터 시뮬레이션을 실행해야 하는 과도한 비용 없이도 더 가볍고, 효율적이며, 안전하게 설계될 수 있음을 의미합니다. 이 방법은 엄격한 안전 점검의 필요성을 대체하는 것이 아니라, 이러한 고급 기술들을 많은 복잡한 공학적 과제들에 적용하는 데 있어 걸림돌이 되었던 장벽을 제거해 줍니다.