CP 시뮬레이션 워크플로우 자동화 LLM 에이전트 개발
CP-Agent: A Harness-Engineered Agent for Crystal Plasticity Simulation Workflows
arXiv복잡한 다결정 금속의 기계적 거동을 예측하는 CP 시뮬레이션 과정을 자연어 명령만으로 자동화하는 LLM 기반 에이전트 'CP-Agent'가 개발되었습니다.
- 이 에이전트는 '하네스 엔지니어링'을 적용하여 도구 선택과 순서를 스스로 추론하며, 물리적 해석 가능성을 유지하는 것이 핵심입니다.
- 기존의 수동 설정 및 복잡한 데이터 파이프라인 구축 어려움을 해소하여, 금속 재료 연구의 생산성을 획기적으로 높일 전망입니다.
- 본 연구는 CP 모델링 워크플로우 자동화에 '하네스 엔지니어링'이라는 체계적인 접근법을 제시하며 높은 신뢰성과 검증 가능성을 입증했습니다.
다결정 금속의 기계적 거동을 예측하는 CP(Crystal Plasticity) 시뮬레이션은 복잡한 과정으로, 도구 설정, 다단계 데이터 파이프라인 구성, 물성치 보정 등 수작업이 많아 연구 생산성을 저해하는 병목 현상이 있었습니다. 본 연구는 이러한 문제를 해결하기 위해 기반 인 CP-Agent를 개발했습니다. 이 에이전트는 자연어 명령만으로 전체 CP 모델링 워크플로우를 자율적으로 실행할 수 있도록 설계되었습니다.
CP-Agent는 ReAct 패러다임을 활용하여 작동하며, 사용자의 요청에 따라 필요한 도구를 선택하고 그 순서를 추론합니다. 시스템은 최소한의 와 타입 정의된 도구들로 구성되어 있으며, 디스패처와 안전 경계 반복 루프를 통해 도메인 지식을 인코딩합니다. 이 구조는 수치 검색을 기존 최적화기에게 위임하며, 물리적으로 해석 가능하고 감사 가능한 추론 과정을 제공하는 것이 특징입니다.
개발된 에이전트는 여러 사례 연구에서 그 성능을 입증했습니다. 예를 들어, 적층 제조된 스테인리스강 316L의 네 가지 슬립 보정이나 구리(Cu)의 초기 결정 방위 추론 등 다양한 작업에 적용되었습니다. 특히 Mg-Zn-Ca 합금의 다중 통과 압연 과정에서는 에이전트가 다섯 번의 변형 과정을 연결하여, 실험적으로 관찰된 약화되고 분할된 기저면 구조를 성공적으로 복원하는 높은 신뢰성을 보여주었습니다.
용어 풀이
- LLM
- 방대한 글을 학습해 문장을 이해하고 만들어 내는 AI 모델. ChatGPT, Claude, Gemini가 여기에 속해요.
- 에이전트
- 목표를 받으면 스스로 계획을 세우고 도구를 써서 여러 단계의 작업을 해내는 AI.
- 프롬프트
- AI에게 주는 지시나 질문 글.
- 파라미터
- 모델이 학습하면서 조정한 내부 숫자. 개수가 많을수록 대체로 모델이 크고 무거워요.