[논문 리뷰] Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-Model-Based Conceptual Design of Pedestrian Bridges

Vera M. Balmer, S. Kühn외 5명|arXiv (Cornell University)|2022. 11. 29.

Infrastructure Maintenance and Monitoring참고 문헌 18인용 수 5

한 줄 요약

이 논문은 구조적 성능 기반의 신속하고 설명 가능한 탐색 및 역설계를 가능하게 하는 조건부 변동 자동에코더(CVAE) 기반의 보행자 다리 개념 설계를 위한 공동 설계자 프레임워크를 제안한다. 18,000개의 합성 브리지 인스턴스로 훈련된 모델은 설계 특징에서 구조적 성능을 예측하고 성능 목표에 따라 설계를 생성하며, 민감도 분석을 통해 실시간으로 해석 가능하고 설계 가이던스를 제공한다.

ABSTRACT

For conceptual design, engineers rely on conventional iterative (often manual) techniques. Emerging parametric models facilitate design space exploration based on quantifiable performance metrics, yet remain time-consuming and computationally expensive. Pure optimisation methods, however, ignore qualitative aspects (e.g. aesthetics or construction methods). This paper provides a performance-driven design exploration framework to augment the human designer through a Conditional Variational Autoencoder (CVAE), which serves as forward performance predictor for given design features as well as an inverse design feature predictor conditioned on a set of performance requests. The CVAE is trained on 18'000 synthetically generated instances of a pedestrian bridge in Switzerland. Sensitivity analysis is employed for explainability and informing designers about (i) relations of the model between features and/or performances and (ii) structural improvements under user-defined objectives. A case study proved our framework's potential to serve as a future co-pilot for conceptual design studies of pedestrian bridges and beyond.

연구 동기 및 목표

• 설계의 개념 단계와 후속 AEC 단계 사이의 괴리를 해소하기 위해 설계 과정 초반에 성능 지표를 통합한다.
• 시간이 오래 걸리고 정량적 성능 기준이 통합되지 않는 수동적이고 반복적인 설계 워크플로우의 한계를 극복한다.
• 사람 설계자가 복잡한 설계 공간을 탐색하면서도 설계 직관을 유지할 수 있도록 데이터 기반이고 설명 가능한 AI 프레임워크를 개발한다.
• 단일 메타모델을 사용하여 정방향 예측(설계 → 성능)과 역설계(성능 → 설계)를 모두 가능하게 한다.
• 기존 BIM 워크플로우(예: Autodesk Revit)에 통합하여 AEC 전문가들이 실질적으로 활용하고 사용하기 쉽게 보장한다.

제안 방법

• 정의된 설계 변수와 성능 지표를 갖는 파라메트릭 모델링을 사용하여 18,000개의 보행자 다리 구성에 대한 합성 데이터셋을 생성한다.
• 조건부 변동 자동에코더(CVAE)를 훈련시켜 설계 특징(입력)과 구조적 성능(출력) 간의 매핑을 학습시켜 정방향 및 역방향 생성 모두를 가능하게 한다.
• CVAE의 잠재 공간을 사용하여 고차원 설계 공간을 효율적인 탐색을 위한 저차원 연속 하위공간으로 압축한다.
• 민감도 분석(SA)을 적용하여 성능 지표가 설계 변수에 대해 해석 가능한 도함수를 계산함으로써 해석 가능성과 설계 가이던스를 제공한다.
• 슬라이더, 체크박스, 시각화(예: 파레토 프론트, 민감도 플롯, 3D 렌더링 등)를 갖춘 Revit-Dynamo 기반 사용자 인터페이스를 구현하여 실시간 상호작용을 가능하게 한다.
• 비전문가 AEC 전문가들을 대상으로 맞춤화된 설명 가능한 AI(XAI) 기법(예: SA 및 시각 피드백)을 통합하여 모델 신뢰성과 사용성을 확보한다.

실험 결과

연구 질문

• RQ1 고차원 파라메트릭 공간을 갖는 개념적 브리지 설계에서 CVAE 기반 메타모델이 정방향 및 역설계를 효과적으로 지원할 수 있는가?
• RQ2 민감도 분석은 모델의 행동을 어떻게 설명하고 사용자가 정의한 목표 하에 구조적 개선을 위한 설계 방향을 어떻게 안내할 수 있는가?
• RQ3 CVAE 기반 공동 설계자가 설계 효율성과 의사결정을 얼마나 향상시킬 수 있으며, 동시에 해석 가능하고 사용자 友好的한가?
• RQ4 프레임워크는 기존 BIM 워크플로우(예: Autodesk Revit)에 얼마나 잘 통합되어 있으며, 실시간 상호작용 기반의 설계 탐색을 얼마나 잘 지원하는가?
• RQ5 피드백 루프와 몰입형 인터페이스를 통해 프레임워크는 미적 요소 등의 정성적 설계 요소를 어떻게 확장할 수 있는가?

주요 결과

• CVAE 모델은 설계 특징에서 구조적 성능 지표(예: 비용, 사용성, 극한한계상태 이용률 등)를 높은 정확도와 낮은 추론 시간으로 성공적으로 예측하였다.
• 민감도 분석은 거더 높이/두께와 다리 비용 간에 명확하고 긍정적인 관계를 드러내어 모델이 물리적 재료 사용과 잘 일치함을 검증하였다.
• 모델은 정렬 파라미터(곡률/길이)도 비용에 영향을 준다는 점을 보여주었지만, 단면 치수에 비해 영향도가 더 낮았다.
• 역설계 인터페이스를 통해 사용자가 지정한 성능 목표(예: 비용 범위, 이용률 한계 등)를 충족하는 브리지 설계를 실시간으로 생성할 수 있었다.
• 15명의 전문가가 참여한 실습 세션에서의 사용자 피드백은 프레임워크의 사용성, 효율성 및 AEC 설계 워크플로우에서의 실제 적용 잠재력을 확인하였다.
• 민감도 분 析을 통한 XAI 통합은 모델의 해석 가능성을 향상시켜 비머신러닝 전문가인 엔지니어링 현장에서의 신뢰도와 수용도를 지원하였다.