현재 RL 기반 SAD 최적화는 AI4SAD 시스템 구현의 8.39%만을 차지하고 있지만, 이 수치는 단기 및 장기적인 절충안의 균형을 맞추고 동적인 환경 조건에 대응하는 데 있어 RL의 막대한 잠재력을 과소평가하고 있습니다. 102 현재의 주요 과제는 연속 변수 관리와 훈련 중 불안정성 완화이며, 이는 실제 엔지니어링 응용 분야에서 RL의 광범위한 도입을 제약합니다. 103 , 104 , 105 그럼에도 불구하고 알고리즘의 안정성과 적응성이 지속적으로 향상됨에 따라 RL은 더욱 복잡한 설계 환경에서 점점 더 큰 이점을 보여줄 것으로 기대됩니다. 특히 다목적 최적화 및 건물 성능 예측과 같은 분야에서 RL은 그 역할을 확장하고 SAD를 더욱 지능적이고 자동화된 방향으로 이끌어갈 큰 가능성을 지니고 있습니다.

도전과 기회

AI4SAD에 대한 통찰력

본 연구는 인공지능(AI)을 활용한 시스템 설계(SAD)를 체계적으로 검토합니다. 예비 설계, 성능 시뮬레이션, 설계 최적화의 세 단계에 걸쳐 AI4SAD의 통합 경로를 요약하고, 현재의 동향과 주요 방법론, 그리고 각각의 장점과 한계를 분석합니다. 나아가 AI4SAD 개발의 세 가지 핵심 과제를 제시하고 이에 대한 해결책을 제안합니다.