노천 광산의 채굴 일정 수립 문제를 LLM(대규모 언어 모델) 에이전트가 시뮬레이터 안내 방식으로 자율 해결하는 프레임워크 Sim2Schedule이 arXiv(2606.10286)에 공개됐다. 2026년 6월 9일 제출된 이 연구는 LLM이 지구기술 선후 관계, 채굴-처리 결합 조건, 동적 용량 제약을 내재화한 맞춤형 시뮬레이터로부터 단계별 안내를 받아 완전한 채굴·처리 일정을 생성한다는 접근법을 제안한다.
기존의 MILP(혼합 정수 선형 계획법)는 수학적으로 최적 기준선을 제시하지만 지수적 계산 복잡도와 실시간 적응 불가 문제로 실제 현장 배포에 한계가 있었다. Sim2Schedule은 클라우드 기반 추론, 도메인별 파인튜닝, 재학습 없이 완전 제로샷으로 동작하며 폐쇄된 데이터 보안 환경에서도 사용할 수 있다. 다양한 규모와 기간의 광산 사례를 대상으로 한 평가에서 LLM 기반 프레임워크는 MILP 최적 NPV(순현재가치)의 94%에서 99%를 회수하면서 계산 시간은 선형적으로 증가하는 데 그쳤다.
신뢰할 수 있는 성능 비교 기준을 마련하기 위해 연구진은 현실적인 운영 및 지구기술 제약을 반영한 새로운 MILP 수식을 함께 개발했다. 이 접근법의 핵심은 시뮬레이터가 LLM의 행동 생성 메커니즘에 직접 제약을 부여함으로써 에이전트가 물리적 타당성을 벗어난 일정을 생성하지 않도록 유도한다는 점이다. LLM이 결과를 사람이 읽을 수 있는 형태로 출력한다는 점에서 해석 가능성도 함께 확보된다.
광업, 건설, 물류 등 복잡한 장기 산업 일정 수립 과제에 AI를 활용하려는 시도가 늘고 있는 가운데, 이 연구는 시뮬레이터와 LLM의 결합이 고전적 최적화 기법의 실용적이고 확장 가능한 대안이 될 수 있음을 실증했다. 연구팀은 시뮬레이터가 제약을 부여한 LLM 에이전트를 복잡한 운영 제약 아래 장기 산업 일정 수립의 새로운 접근법으로 자리매김할 수 있다고 평가했다.
