본 논문은 기존의 생성적 적대 신경망(GAN) 기반 역설계 방법의 정확도 및 성능 지표 간 상관관계 분석의 한계를 극복하기 위해, 분류기 없는 유도 잡음 제거 확산 확률 모델(CDDPM) 기반의 새로운 역설계 프레임워크를 제안합니다. CDDPM은 지정된 압력 특징에 따라 상하 표면 압력 계수 분포를 생성하고, 이를 매핑 모델을 통해 정확하게 에어포일 형상으로 변환합니다. 전통적인 초음속 에어포일을 사용한 실험 결과, CDDPM 기반 역설계는 다양한 압력 계수 분포를 생성하여 설계 결과의 다양성을 풍부하게 합니다. GAN 기반 방법과 비교하여 에어포일 생성 작업에서 33.6%의 정확도 향상을 달성하며, 전역 최적화 알고리즘과 적극적 학습 전략을 결합하여 성능 지표 값을 재조정하는 실용적인 방법을 제시합니다. 본 연구는 에어포일 설계뿐 아니라, 선택된 성능 지표를 목표로 하는 일반적인 제품 부품의 최적화에도 적용 가능합니다.
