본 논문은 대규모 언어 모델(LLM)을 활용하여 비정형 지식을 통합하는 문제를 해결하고, 복잡한 인프라 시스템 관리에 효과적인 디지털 트윈(DT)을 구축하는 LSDTs(LLM-Augmented Semantic Digital Twins) 프레임워크를 제안한다. LSDTs는 환경 규제 및 기술 지침과 같은 비정형 문서에서 계획 지식을 추출하여 형식적 온톨로지로 구성하는데 LLM을 활용한다. 이 온톨로지는 물리적 시스템의 가상 모델인 디지털 트윈을 구동하는 의미론적 계층을 형성하여 현실적이고 규정을 준수하는 계획 시나리오를 시뮬레이션할 수 있게 한다. 메릴랜드 해상 풍력 발전소 계획 및 허리케인 샌디 적용 사례 연구를 통해 LSDTs의 효과를 평가하였으며, 해석 가능하고 규정을 준수하는 레이아웃 최적화, 고충실도 시뮬레이션, 인프라 계획의 적응성 향상을 지원함을 보여준다. 결론적으로, 생성형 AI와 디지털 트윈을 결합하여 복잡하고 지식 기반의 계획 작업을 지원할 수 있는 잠재력을 제시한다.
