문제 정의가 최적화만큼 중요하다: 토폴로지와 섬유 방향 설계의 사례 연구

초록

본 논문은 블랙박스 최적화 환경에서 문제 정의와 도메인 지식 활용이 설계 성능에 미치는 영향을 조사한다. 래미네이트 복합재 캔틸레버 빔을 대상으로 토폴로지와 섬유 방향을 동시에 최적화하는 두 가지 전략(동시 vs. 순차)을 비교한 결과, 물리적 통찰을 반영한 순차적 접근이 더 낮은 변형률(컴플라이언스)과 물리적으로 타당한 설계를 제공한다는 것을 보여준다.

상세 분석

이 연구는 블랙박스 최적화가 실제 엔지니어링 문제에 적용될 때 흔히 간과되는 ‘문제 정의 단계’를 체계적으로 조명한다. 먼저, 저자는 전통적인 블랙박스 최적화 연구가 알고리즘 선택(ASP)과 파라미터 튜닝(ACP)에 집중하면서, 설계 변수 자체가 물리적 의미를 갖는 경우를 충분히 반영하지 못한다는 점을 지적한다. 이를 보완하기 위해, 복합재 라미네이트 구조의 토폴로지와 섬유 경로를 각각 독립적인 설계 변수 집합으로 분리하고, 두 가지 최적화 흐름을 설계하였다.

동시 최적화(concurrent) 방식은 토폴로지 변수(Moving Morphable Components, MMC)와 라미네이션 파라미터(LPs)를 한 번에 탐색한다. 이 접근법은 변수 간 상호작용을 완전하게 포착할 수 있다는 이론적 장점이 있지만, 실제 실험에서는 설계 공간이 고차원·비선형으로 급격히 복잡해져 탐색 효율이 급감한다. 결과적으로, 제한된 평가 예산(수백 회) 내에서는 비물리적 구조(예: 섬유가 재료 내부에 불연속적으로 삽입되는 형태)나 수렴하지 못한 해가 다수 발생한다.

반면 순차 최적화(sequential) 방식은 먼저 MMC를 이용해 물리적으로 실현 가능한 토폴로지를 찾고, 그 다음 고정된 토폴로지 위에 LP를 최적화한다. 이 단계적 접근은 두 가지 핵심 장점을 제공한다. 첫째, 토폴로지 단계에서 레벨셋(Level‑Set) 기반의 명확한 재료‑공극 경계를 확보함으로써 설계 변수의 물리적 제약을 자연스럽게 만족한다. 둘째, 라미네이션 파라미터는 이미 정의된 토폴로지 영역에만 적용되므로 차원 축소와 탐색 효율 향상이 동시에 이루어진다. 실험 결과, 순차 전략은 동일한 평가 예산 하에서도 8~12 % 정도 낮은 컴플라이언스를 달성했으며, 설계된 섬유 경로가 연속적이고 제조 가능함을 확인했다.

또한, 저자는 다양한 블랙박스 최적화 기법(Genetic Algorithm, CMA‑ES, Bayesian Optimization, T‑uRBO 등)을 동일 조건에서 적용했으며, 알고리즘 선택 자체보다는 문제 정의가 성능에 미치는 영향이 훨씬 크다는 결론을 도출했다. 이는 ‘알고리즘이 아니라 문제 자체가 설계 성공을 좌우한다’는 기존 연구와 일맥상통한다.

마지막으로, 논문은 현재 BBOB와 같은 합성 벤치마크가 물리적 제약을 반영하지 못한다는 한계를 지적하고, 도메인 지식을 내재화한 새로운 블랙박스 벤치마크의 필요성을 제안한다. 이러한 벤치마크는 설계 변수의 물리적 의미, 제조 가능성, 그리고 해석 가능한 결과를 동시에 평가함으로써, 실제 산업 현장에서 활용 가능한 최적화 프레임워크 개발을 촉진할 것으로 기대된다.