본 논문은 복잡한 물리 시스템 시뮬레이션에 널리 사용되는 Modelica 언어를 대상으로, 대규모 언어 모델(LLM)을 이용한 Modelica 모델 및 테스트 케이스 생성의 효율성을 높이는 연구를 다룬다. 현존하는 LLM들이 Modelica 모델 생성에 적용되었을 때 성공적인 시뮬레이션을 수행하는 데 어려움을 겪는다는 점을 밝히고, 이를 해결하기 위해 지도 학습 기반 미세 조정, 그래프 검색 기반 생성, 피드백 최적화를 통합한 특수 워크플로우를 제안한다. 제안된 워크플로우는 구성 요소 생성 작업에서 최대 0.3349, 테스트 케이스 생성 작업에서 최대 0.2457의 pass@1 향상을 보이며 성능 향상을 입증한다. 이는 LLM이 지능형 모델링 도구 발전에 기여할 가능성을 보여주는 연구이다.
