3D 프레임 시스템의 자동 구조 해석을 위한 에이전트형 거대 언어 모델 (Agentic LLMs)

거대 언어 모델 (LLMs)은 다양한 도메인에서 강력한 추론 능력을 갖춘 강력한 파운데이션 모델 (foundation models)로 부상했습니다. 반응적인 텍스트 생성(reactive text generation)을 넘어, 에이전트형 LLM (agentic LLMs)은 모듈식 작업 분해 (modular task decomposition)와 조정된 도구 사용 (coordinated tool use)을 통해 자율적인 워크플로우 실행을 가능하게 합니다. 구조 공학 분야에서는 최근 평면 프레임 (plane frames)의 자동 해석을 위한 에이전트형 LLM을 개발하려는 노력이 있었습니다. 그러나 불규칙한 기하학적 표현 (geometric representation), 위상적 일관성 (topological consistency), 그리고 장기적 추론 (long-horizon reasoning)의 문제로 인해 3D 프레임으로의 확장은 여전히 미개척 분야로 남아 있습니다. 본 논문은 자연어 입력을 통해 3D 프레임의 자동 구조 해석을 수행하는 에이전트형 LLM 프레임워크를 제안합니다. 불규칙한 3D 프레임은 2D 평면으로의 투영 (projection)을 통해 표현되며, 여기서 직교 그리드라인 (orthogonal gridlines)이 공간 좌표를 정의하고 층수 행렬 (matrix of number of stories)이 각 그리드 셀의 수직 압출 (vertical extrusion)을 인코딩합니다. 이러한 표현을 바탕으로, 본 프레임워크는 멀티 에이전트 파이프라인 (multi-agent pipeline)을 구축합니다: 문제 분석 에이전트 (problem analysis agent)는 입력을 구조화된 JSON으로 파싱하고, 층 분해 에이전트 (floor decomposition agent)는 각 층의 공간 레이아웃을 도출하며, 3D 기하 구조는 노드 (node), 거더 (girder), 슬래브 (slab), 그리고 컬럼 (column) 에이전트에 의해 조립됩니다. 지지 및 하중 에이전트 (support and load agents)는 경계 조건 (boundary conditions)과 하중 조건 (loading conditions)을 할당하며, 코드 변환 에이전트 (code translation agents)는 실행 가능한 SAP2000 스크립트를 생성합니다. 10개의 대표적인 3D 프레임을 대상으로 평가한 결과, 제안된 프레임워크는 반복 실험에서 평균 90%의 정확도를 달성하여 일관되고 신뢰할 수 있는 성능을 입증했습니다.