MiDShip: 공학 설계를 위한 선박 화물창 구조 멀티모달 데이터셋
MiDShip: Multimodal Dataset of Ship Cargo Hold Structures for Engineering Design
한국어 초록
선박 구조는 선박의 강도, 안전성, 제조 가능성을 좌우하지만, 그 설계는 수백 가지의 선급 협회 요건을 충족해야 하므로 복잡하고 반복적인 과정을 거쳐야 합니다. 데이터 기반 접근법은 설계 형상, 구조적 성능, 규칙 기반 제약 조건을 연결하는 정형화된 데이터셋의 부재로 인해 한계가 있습니다. 본 논문에서는 12,753개의 합성 화물창 구조 설계로 구성된 멀티모달 데이터셋인 MiDShip을 제시합니다. 이 데이터셋은 6,020개의 무작위 설계, SGLD에서 영감을 얻은 절차로 생성된 496개의 설계, 그리고 수식 기반 복구(repair) 절차로 생성된 6,237개의 설계를 포함합니다. 각 설계에는 매개변수 데이터, 완전 및 메시 준비(mesh-ready) 3D 형상, 공학 도면 및 주석, 자재 명세서(BOM), 예비 구조 평가가 포함되어 있습니다. 또한 ABS MVR의 하위 집합에서 도출된 25개의 제약 조건도 함께 평가됩니다. 무작위 설계 중 모든 제약 조건을 충족하는 것은 하나도 없었습니다. SGLD 기반 설계 중에서는 322개(64.9%)가 완전히 요건을 준수했으며, 평균 위반 횟수는 0.409건으로 시드 평균보다 82.7%, 무작위 설계 평균보다 96.9% 낮았습니다. LLM 보조 코드 분석을 통해 개발된 복구 절차는 4,952개의 완전 준수 설계(79.4%)를 생성했으며, 평균 위반 횟수는 0.296건으로 쌍을 이룬 소스 평균보다 97.1% 낮았습니다. 동일 크기 비교에서, 스케일링된 120개 매개변수 공간 내 평균 최근접 이웃 거리는 복구 설계의 경우 3.495, SGLD 배치의 경우 1.144, 무작위 설계의 경우 3.729였습니다. 본 연구의 주된 기여는 동기화된 데이터셋 및 그 생성·평가 인프라 자체에 있으며, 생성 연구는 새로운 최적화 알고리즘을 제안하기보다는 데이터셋의 유용성을 입증하기 위한 것입니다. MiDShip은 선박 구조를 위한 머신러닝, 생성형 설계, 규칙 기반 자동 평가를 지원합니다.
원문 초록
Ship structures govern vessel strength, safety, and manufacturability, but their design must satisfy hundreds of classification society requirements, making the process complex and iterative. Data-driven approaches are limited by the lack of structured datasets linking design geometry, structural performance, and rule-based constraints. This paper presents MiDShip, a multimodal dataset of 12,753 synthetic cargo-hold structural designs: 6,020 random, 496 generated by an SGLD-inspired procedure, and 6,237 generated by an equation-informed repair procedure. Each design includes parametric data, full and mesh-ready 3D geometry, engineering drawings and annotations, a bill of materials, and preliminary structural evaluations. Twenty-five constraints derived from a subset of ABS MVR are also evaluated. None of the random designs satisfies all constraints. Among the SGLD-inspired designs, 322 (64.9%) were fully compliant, with an average of 0.409 violations, 82.7% below the seed mean and 96.9% below the random-design mean. The repair procedure, developed through LLM-assisted code analysis, produced 4,952 fully compliant designs (79.4%), averaging 0.296 violations, 97.1% below the paired-source mean. In equal-size comparisons, mean nearest-neighbor distances in the scaled 120-parameter space were 3.495 for repaired designs, 1.144 for SGLD batches, and 3.729 for random designs. The primary contribution is the synchronized dataset and its generation and evaluation infrastructure; the generation studies demonstrate its utility rather than proposing new optimization algorithms. MiDShip supports machine learning, generative design, and automated rule-based evaluation for ship structures.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
자기 조직화 신경 세포 자동자를 통한 무질서 메타물질의 원샷 생성형 설계
One-Shot Generative Design for Disordered Metamaterials via Self-Organizing Neural Cellular Automata
무질서 메타물질은 고유한 무작위성과 불규칙성을 지닌 미세구조를 특징으로 하며, 이를 통해 규칙적인 대응물에서는 달성할 수 없는 더 넓은 특성 범위와 우수한 성능을 얻을 수 있다. 그럼에도 불구하고 무질서 미세구조를 설계하는 것은 규칙적인 미세구조를 설계하는 것보다 훨씬 어렵다. 그 설계는 표현력이 제한된 수동 파라미터화와, 데이터에 의존적이며 일반화에 어려움을 겪는 생성형 AI 사이에 갇혀 있다. 이러한 한계를 해결하기 위해, 우리는 자연 재료의 자기 조직화 과정에서 영감을 받아 학습된 국소 상호작용 규칙을 통해 복잡한 미세구조를 동적으로 성장시키는 신경 세포 자동자(Neural Cellular Automata) 기반 생성형 설계 프레임워크를 제안한다. 이 프레임워크는 단 하나의 학습 템플릿만 필요로 하면서도 다양한 무질서 미세구조를 수용하고, 불규칙한 영역과 임의의 이산화에 적응한다. 학습된 국소 규칙을 조작함으로써, 재학습 없이 방향, 이방성, 방향성 두께에 대한 제어를 제공하면서 학습 중 보지 못한 미세구조를 생성하도록 성장 과정을 조절할 수 있다. 동적이고 국소적인 성장 과정으로서, 공간적으로 변화하는 미세구조를 자연스럽게 생성하며, 이는 부드럽게 전환되어 위치별 기계적 특성을 가능하게 한다. 우리는 다중 스케일 기계적 클래킹(cloaking) 설계에서 이를 시연하며, 여기서 미세구조는 최적화된 이질적 특성 분포를 만족하도록 공간 전체에 걸쳐 변화한다. 우리의 설계는 기존 방법에서 흔한 복잡한 후처리와 호환되지 않는 조립 없이도 우수한 클래킹 성능을 가능하게 한다. 이 데이터 효율적이고 일반화 가능한 접근법은 생의학 임플란트와 소프트 로보틱스를 위해 이전에는 다루기 어려웠던 무질서 재료에 대한 접근을 가능하게 한다.
TRIZ 기반 텍스트-투-CAD 프레임워크를 통한 3D 생성 설계의 창의성 향상
Enhancing Creativity in 3D Generative Design via a TRIZ-Inspired Text-to-CAD Framework
대규모 언어 모델(LLM)의 최근 발전은 컴퓨터 지원 설계(CAD) 자동화를 포함한 엔지니어링 설계 작업 지원에 있어 상당한 잠재력을 보여주었다. 그러나 기존의 LLM 기반 3D CAD 생성 접근 방식은 대부분 기하학적 정밀도(precision)와 명령어 수행 성능에 주로 초점을 맞추며, 창의적 설계 탐험(exploration)이라는 근본적인 측면을 간과하는 경우가 많다. 본 연구는 LLM을 활용하여 고품질의 편집 가능한 CAD 모델을 생성하면서 창의적 설계 대안을 체계적으로 탐험하는 TRIZ 기반 텍스트-투-CAD 프레임워크를 제시한다. 이 프레임워크는 방대한 특허 기록으로부터 인간의 깊은 통찰을 임베딩(embedding)한 발명적 문제 해결 이론(TRIZ)을 LLM 프롬프팅 전략에 통합함으로써, 기술적 모순을 해결하는 혁신적인 CAD 변형을 자율적으로 생성할 수 있도록 한다. 설계 생성, 향상, 최적화의 포괄적인 3단계 파이프라인을 통해 정교하게 작성된 프롬프트로부터 구조적으로 다양한 CAD 모델을 생성한다. 본 연구에서는 처음 두 단계를 구현하고 평가하며, 설계 최적화 단계는 향후 연구 과제로 설정한다. 제품 설계 사례 연구(의자)를 통해 TRIZ 기반 텍스트-투-CAD 프레임워크가 분할, 반중력, 동적 설계, 복합 소재 등의 TRIZ 발명 원리를 체계적으로 적용하여 다양한 창의적 설계 대안을 생성함으로써, 구조적 무결성을 유지하면서 모든 향상된 설계에서 4.0~14.7%의 질량 감소를 달성함을 보여준다. 주요 연구 결과는 체계적 혁신 방법론과 LLM 기반 3D CAD 생성의 통합이 정밀도 중심 합성과 창의성 중심 탐험 간의 간극을 좁히며, AI가 독립적으로 설계 결정을 내리고 엔지니어링 응용 분야의 인간-AI 협력 설계에서 인간의 의사결정을 지원하는 자율 설계 시스템을 향해 나아감을 시사한다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.