대규모 언어 모델을 활용하여 다양한 소프트웨어 플랫폼에 걸쳐 구조 해석을 자동화하는 방법

Automating Structural Analysis Across Multiple Software Platforms Using Large Language Models

최근 대규모 언어 모델(LLM)의 발전은 구조 모델링 및 해석을 자동화하여 작업 흐름을 크게 가속화할 수 있는 가능성을 보여주었습니다. 그러나 기존 연구는 주로 LLM이 단일 구조 해석 소프트웨어 플랫폼을 운영하도록 하는 데 초점을 맞추고 있습니다. 실제로는 구조 엔지니어들이 프로젝트 요구 사항, 사용자 선호도 및 회사 제약 조건에 따라 ETABS, SAP2000, OpenSees와 같은 다양한 유한 요소 해석(FEA) 도구를 사용하는 경우가 많습니다. 이러한 제한 사항은 LLM 기반 엔지니어링 워크플로우의 실제 적용을 어렵게 만듭니다. 이러한 격차를 해소하기 위해, 본 연구는 여러 소프트웨어 플랫폼에 걸쳐 프레임 구조 해석을 자동화할 수 있는 LLM을 개발합니다. 개발된 LLM은 2단계 다중 에이전트 아키텍처를 채택합니다. 1단계에서는 여러 에이전트가 협력하여 사용자 입력을 해석하고, 유한 요소 모델링에 필요한 기하학적, 재료, 경계 및 하중 정보를 추론하기 위한 체계적인 추론을 수행합니다. 이러한 에이전트의 출력은 통합된 JSON 형식으로 구성됩니다. 2단계에서는 코드 변환 에이전트가 병렬로 작동하여 JSON 파일을 여러 구조 해석 플랫폼에서 실행 가능한 스크립트로 변환합니다. 각 에이전트는 대상 소프트웨어의 구문 규칙 및 모델링 워크플로우에 대한 프롬프트를 받습니다. 개발된 LLM은 ETABS, SAP2000 및 OpenSees와 같이 널리 사용되는 세 가지 플랫폼에서 20개의 대표적인 프레임 문제를 사용하여 평가되었습니다. 열 번의 반복 실험 결과, 모든 경우에서 90% 이상의 정확도를 달성하는 일관성 있는 신뢰성 있는 성능을 보여주었습니다.

Recent advances in large language models (LLMs) have shown the promise to significantly accelerate the workflow by automating structural modeling and analysis. However, existing studies primarily focus on enabling LLMs to operate a single structural analysis software platform. In practice, structural engineers often rely on multiple finite element analysis (FEA) tools, such as ETABS, SAP2000, and OpenSees, depending on project needs, user preferences, and company constraints. This limitation restricts the practical deployment of LLM-assisted engineering workflows. To address this gap, this study develops LLMs capable of automating frame structural analysis across multiple software platforms. The LLMs adopt a two-stage multi-agent architecture. In Stage 1, a cohort of agents collaboratively interpret user input and perform structured reasoning to infer geometric, material, boundary, and load information required for finite element modeling. The outputs of these agents are compiled into a unified JSON representation. In Stage 2, code translation agents operate in parallel to convert the JSON file into executable scripts across multiple structural analysis platforms. Each agent is prompted with the syntax rules and modeling workflows of its target software. The LLMs are evaluated using 20 representative frame problems across three widely used platforms: ETABS, SAP2000, and OpenSees. Results from ten repeated trials demonstrate consistently reliable performance, achieving accuracy exceeding 90% across all cases.