Large Language Models as Optimization Controllers: Adaptive Continuation for SIMP Topology Optimization

작성자

Haebom

카테고리

Empty

저자

Shaoliang Yang, Jun Wang, Yunsheng Wang

💡 개요

본 논문은 SIMP 위상 최적화 문제를 위한 온라인 적응 제어기로서 대규모 언어 모델(LLM)을 활용하는 새로운 프레임워크를 제안합니다. LLM은 고정된 스케줄 기반의 연속화 방식을 대체하여, 최적화 과정의 실시간 상태를 기반으로 페널티 지수, 투영 날카로움, 필터 반경, 이동 제한 등의 파라미터를 동적으로 조절합니다. 제안된 LLM 기반 제어기는 다양한 2D 및 3D 문제에서 기존 방법론 대비 우수한 성능을 보이며, 최종 컴플라이언스를 현저히 감소시키는 결과를 보여줍니다.

🔑 시사점 및 한계

•

적응적 제어를 통한 성능 향상: LLM이 최적화 상태를 실시간으로 인식하고 파라미터를 동적으로 조정함으로써, 고정된 스케줄 방식보다 훨씬 효과적으로 최적화 과정을 이끌고 더 낮은 최종 컴플라이언스를 달성할 수 있음을 입증했습니다.

•

LLM의 제어 능력 입증: LLM이 단순히 텍스트 생성을 넘어, 복잡한 수치 최적화 문제에서 실시간으로 결정하고 제어하는 능력을 보여주었습니다. 특히, 스케줄 자체보다는 LLM의 실시간 개입이 성능 향상의 핵심 동인임을 확인했습니다.

•

계산 복잡성 및 설명 가능성: LLM 기반 제어기의 계산 복잡성 증가와 제어 결정 과정에 대한 설명 가능성 확보가 향후 연구 과제로 남습니다. 또한, 다양한 최적화 문제 및 스케일에서의 일반화 성능 검증이 필요합니다.

PDF 보기

Made with Slashpage