새로운 연구에 따르면, 텍스트-이미지 확산 모델(text-to-image diffusion model)을 활용하여 엔지니어가 자연어 명령만으로 최적의 구조를 설계할 수 있는 "제로샷 리브 디자인(Zero-shot rib design)" 프레임워크가 개발되었습니다. 이 기술은 기존 위상 최적화(topology optimization) 방식이 도달하기 어려웠던 나뭇잎의 잎맥, 뼈의 해면질, 거미줄과 같은 자연의 부하 분산 패턴을 모방한 고효율 구조를 생성하는 데 성공했습니다.
이 연구는 사전 훈련된 텍스트-이미지 확산 모델을 "훈련 없이(training-free)" 설계 지식의 원천으로 활용하고, 이를 밀도 기반 위상 최적화의 물리 시뮬레이션 루프에 통합합니다. 핵심은 "점수 증류 샘플링(score distillation sampling)" 방식을 통해 텍스트 프롬프트가 엔지니어의 의도를 기계가 해석할 수 있는 형태로 전환된다는 점입니다. 각 반복(iteration)마다 프롬프트에서 유도된 생성 기울기(generative gradient)와 유한 요소(finite element) 민감도가 결합되어, 물리 법칙이 프롬프트에서 제안된 특징 중 어떤 것이 살아남을지 결정하게 됩니다. 245회의 실험 결과, 49가지 프롬프트-도메인 조합 중 38가지에서 기존 기울기 기반 방식보다 통계적으로 유의미한 강성 개선(최대 기계적 강성 31.5%, 열탄성 강성 23.0% 감소)을 달성했습니다.
이 기술은 엔지니어링 설계 프로세스에 혁신적인 변화를 가져올 수 있습니다. 기존에는 복잡한 물리 시뮬레이션과 반복적인 수동 조작이 필요했던 최적화 과정에 AI의 창의성과 효율성을 더함으로써, 설계 시간을 단축하고 더 혁신적인 결과물을 얻을 수 있게 됩니다. 특히, 훈련 데이터 없이도 다양한 도메인, 하중 조건, 물리적 목표에 맞춰 생성 모델을 재활용할 수 있어, 엔지니어가 자연어만으로 광범위한 설계 탐색을 할 수 있는 새로운 가능성을 열어줍니다. 이는 "설계 의도"를 기계가 직접 이해하고 반영하는 차세대 설계 도구의 등장을 예고합니다.