초기 공학 설계 단계의 방대한 매개변수 공간과 불확실성 문제를 해결하기 위해 LLM 주도 다중 에이전트 프레임워크를 제안하고, 익형(airfoil) 공기역학 설계 사례에 적용했다. Coding Assistant·Design Agent·Systems Engineering Agent·Analyst Agent 등 전문 에이전트 팀이 인간 매니저의 조정 아래 set-based 설계 철학에 따라 협업한다. 협업 단계에서 검증된 도구 세트를 마련한 후 구조적 워크플로로 후보 설계를 체계적으로 탐색·축소하며, Conditional Value-at-Risk(CVaR) 지표를 정량적 위험 필터로 명시적으로 통합한 점이 핵심 기여다. Analyst 에이전트는 전역 민감도 분석으로 다른 에이전트들에게 행동 가능한 휴리스틱을 제공하고, 최종 후보군은 고정밀 CFD 시뮬레이션을 곁들여 인간 매니저에게 제시된다.
- •공학 설계 초기 단계를 지원하는 LLM 기반 다중 에이전트 프레임워크 제안
- •Set-based 설계 철학과 human-in-the-loop 구조 결합
- •조건부 가치-at-리스크(CVaR)를 설계 위험 필터로 명시적 통합
- •전역 민감도 분석으로 자동 휴리스틱 생성
- •익형 설계에서 고정밀 CFD 시뮬레이션으로 검증된 최종 후보군 제공
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Agentic Risk-Aware Set-Based Engineering Design
- 1.에어로 날개 설계 초기 단계를 지원하는 LLM 다중에이전트 프레임워크
- 2.코딩·설계·시스템공학·분석 에이전트와 인간 매니저 협업
- 3.CVaR 기반 정량적 위험관리로 고실패 확률 설계 필터링
- 4.글로벌 민감도 분석으로 탐색과 가지치기 자동화
왜 중요한가?
공학 설계 초기의 방대한 파라미터 공간을 AI가 탐색하고 인간 전문가 의사결정을 보강하는 접근입니다.
본문 미리보기
arXiv:2604.16687v1 Announce Type: new Abstract: This paper introduces a multi-agent framework guided by Large Language Models (LLMs) to assist in the early stages of engineering design, a phase often characterized by vast parameter spaces and inherent uncertainty. Operating under a human-in-the-loop paradigm and demonstrated on the canonical problem of aerodynamic airfoil design, the framework employs a team of specialized agents: a Coding Assistant, a Design Agent, a Systems Engineering Agent,
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:43AI 초안
