DTScribe: 로컬 대규모 언어 모델을 활용한 디지털 트윈 보고서 생성 모델

디지털 트윈의 개발은 많은 이해관계자와 기술 구성 요소를 통합합니다. 우리는 이전에 이러한 디지털 트윈의 개념적 아키텍처를 논의를 위한 아티팩트로 보고하는 방안을 조사했습니다. 그러나, 시각화 및 합의 구축을 위해 디지털 트윈을 모델링하는 활동은 상당히 지루하고 시간이 많이 걸리는 작업임을 발견했습니다. 본 논문에서는 디지털 트윈 보고에 필요한 모델을 목표로 대규모 언어 모델(LLM)을 사용한 모델 생성 자동화를 탐구합니다. 우리의 접근 방식은 디지털 트윈 문서를 입력받아 해당 디지털 트윈의 개념적 아키텍처 시각화와 보고 페이지를 모두 출력하도록 설계되었습니다. 먼저, 우리는 입력에서 이전 연구에서 설명된 21가지 특성(characteristic)을 갖춘 '디지털 트윈 기술 프레임워크(Digital Twin Description Framework)'에 부합하는 핵심 세부 정보를 추출합니다. 그런 다음, 디지털 트윈을 모델, 데이터, 활성화 요소(enablers), 서비스의 별자리로 표현하는 온톨로지 모델링 언어(Ontological Modeling Language)의 설명 모델을 생성합니다. 우리는 대규모 언어 모델이 심사위원 역할을 하고 온톨로지 추론을 수행하는 정제 루프(refinement loops)를 활용하여 우리의 측정 지표로 측정한 아티팩트 품질을 높입니다. 우리는 아키텍처 및 매개변수 선택이 아티팩트 품질에 어떻게 영향을 미치는지, 예를 들어 정제 루프가 로컬 대규모 언어 모델이 더 큰 모델과 비교할 수 있는 충분히 높은 품질의 결과를 생성하도록 어떻게 하는지 조사합니다. 또한, 실무자들에게 유용한 통찰력과 교훈을 상세히 설명하여, 그들이 우리의 기술을 통합하여 디지털 트윈 보고 또는 다른 모델 생성 작업을 가속화할 수 있도록 합니다. 이러한 통찰력에는 중간 크기의 로컬 모델(약 200억 개 매개변수) 사용, 특성 추출 시 대규모 언어 모델을 심사위원으로 사용하는 것과 클러스터링 회피, 그리고 온톨로지 모델링 언어 정제에 최소 두 개의 추론기 루프(reasoner loops)를 권장하는 내용이 포함됩니다.