전자기파의 정밀 제어가 요구되는 메타서피스(metasurface) 흡수체 설계에 생성형 AI를 활용하는 역설계 프레임워크가 제안됐다. 연구진은 연속적인 스펙트럼 제약 조건과 제조 가능성을 동시에 만족하는 메타서피스 구조를 생성할 수 있는 시스템을 개발했으며, 2~18GHz 주파수 범위에서 전자기 시뮬레이션 검증을 통해 설계 유효성을 확인했다고 밝혔다.
프레임워크의 핵심은 점진적 성장 방식의 와서스테인 생성적 적대 신경망(Wasserstein GAN with gradient penalty)에 특징별 선형 변조(feature-wise linear modulation) 기반 조건화를 결합한 구조다. 여기에 대리 모델 기반 스펙트럼 정렬 손실 함수를 학습 과정에 직접 내재화해 물리 법칙에 부합하는 설계가 생성 단계에서부터 보장되도록 했다. 또한 행렬식 점 과정(determinantal point process) 기반 다양성 정규화 전략을 적용해 동일한 목표 응답에 대해 기하학적으로 다양한 설계를 동시에 생성할 수 있게 했다. 이는 실제 제조 환경에서 공정 조건에 따라 복수의 대안 설계가 필요한 경우를 고려한 것이다.
최종 검증 결과, 프레임워크는 평균 평균제곱오차(MSE) 0.0052, 다양성 점수 0.8730, 대역 정렬 정확도 0.8533, 유효 전자기 설계 생성 비율 89.57%를 달성했다. 이는 기존 역설계 방식에서 반복적인 전파 시뮬레이션에 의존해야 했던 계산 비용을 크게 줄이면서도 높은 정확도와 다양성을 동시에 확보했음을 보여준다. 연구진은 전자기 시뮬레이션이 생성된 설계가 목표 사양을 높은 정밀도로 충족한다는 사실을 직접 검증했다고 밝혔다.
메타서피스는 빔 조향, 센싱, 스텔스 기술 등 다양한 분야에서 전자기파를 정밀하게 조절하는 핵심 소재 기술이다. 전통적인 설계 방식은 목표 성능에 맞는 구조를 찾기 위해 수많은 반복 시뮬레이션이 필요해 시간과 비용 부담이 컸다. 생성형 AI를 활용한 역설계 접근법은 이 과정을 대폭 단축할 수 있어 방산·통신·센서 분야에서 관심이 높아지고 있으며, 물리 제약을 학습에 내재화하는 이번 연구는 실용화 가능성을 높이는 방향으로 발전한 사례로 평가된다.
