계산 공학에서 고품질 사각형 메시(quadrilateral mesh)를 생성하는 일은 오랫동안 수작업과 휴리스틱에 의존해 왔다. 연구진은 이 문제를 완전히 자동화하는 강화학습 프레임워크 Dmsh를 제안하며, 단일 학습 기반 파이프라인 안에 기하 분해와 사각형 메시 생성을 통합했다. 기존 메시 생성 방법은 복잡한 형상을 처리할 때 전문가의 개입이나 반복적인 수작업 보정이 필요해 확장성에 한계가 있었다.
Dmsh는 세 개의 협력 에이전트로 문제를 분해한다. 각 에이전트는 토폴로지 단순화, 기하 정규화, 메시 생성을 각각 담당하며, 전체 메시 생성 과정을 마르코프 결정 과정(Markov Decision Process)으로 정식화한다. 최적화에는 분리된 크리틱을 갖춘 파라메트릭 Soft Actor-Critic 구조를 사용해 이산-연속 혼합 행동 공간을 효율적으로 탐색한다.
학습 안정성을 위해 커리큘럼 학습 전략을 채택해 단순 도메인에서 복잡한 기하 형상으로 점진적으로 확장하며 시드 편차를 억제한다. 재귀적 분해 구조는 하위 영역을 병렬로 메시화할 수 있게 하여 후처리 보정 없이 전역적으로 일관된 전사각형 메시를 산출한다. 연구진은 다양한 벤치마크에서 Dmsh가 기존 방법보다 자동화 수준, 견고성, 메시 품질 모두에서 우수한 결과를 보였다고 밝혔다.
사각형 메시 생성은 유한 요소 해석(FEA), 유체 역학 시뮬레이션, 컴퓨터 그래픽스 등 다양한 공학 분야의 핵심 전처리 단계다. 자동화된 고품질 메시 생성이 실현되면 항공·자동차·반도체 설계 시뮬레이션의 효율이 크게 높아질 수 있다. 학습 기반 메시 생성의 새로운 기준을 제시했다는 점에서 이번 연구는 계산 공학 자동화의 진전을 보여주는 사례로 평가된다.
