1. 서 론

지반공학 분야에서의 설계 및 안정성 평가는 지반 내 유동, 변형, 파괴 등의 물리적 거동을 신뢰성 있게 예측할 수 있는 정교한 수치해석 모델링에 기반한다. 이를 위해 다양한 수치해석 기법이 실무와 연구에서 활발히 활용되고 있으며, 그중 유한차분법(finite difference method, FDM)과 유한요소법(finite element method, FEM)은 각각 계산 효율성과 물리적 유연성 측면에서 대표적인 해석 도구로 자리매김하고 있다(Benz and Nordal, 2010). FDM은 격자(grid) 기반의 이산화를 통해 지배 방정식을 직접 근사하는 방법으로, 침투 유동이나 흙막이 구조물처럼 구조가 단순하고 반복적인 문제에 효과적이다(Fukuchi, 2016; Sim et al., 2015). 반면 FEM은 지배 방정식의 약형(weak form)을 바탕으로 연속체를 요소 단위로 분할하는 방법으로, 복잡한 경계 조건, 비선형 재료 거동, 다물리 연동 문제에 유연하게 대응할 수 있어, 지반-구조물 상호작용이나 열-수리-역학 연동 해석 등 다양한 복합 문제에 널리 활용된다(Shin and Kim, 2020; Na and Kim, 2024).

그러나 이러한 수치해석 모델을 실제로 구현하기 위해서는 지배 방정식의 수치화, 경계 및 초기 조건 설정, 메쉬 구성, 수치적 안정성 확보 등 여러 단계의 복합적인 프로그래밍 작업이 필수적이다(Elgamal, 2021). FDM과 FEM 구현 모두 격자 또는 요소 정의, 경계 조건 구현, 수치 해법 선택 등의 세부 과정에서 정밀한 조정과 반복적인 디버깅이 필요하며, 전체 구현에는 상당한 시간과 노력이 수반된다. 특히 FEM의 구현은 지배 방정식의 약형 유도, 요소별 형상 함수 정의, 비선형 수렴 오류 대응 등에서 높은 수준의 수치해석 이론과 프로그래밍 역량을 요구한다(Kim et al., 2011).

최근 대형언어모델(large language model, LLM)의 발전으로, 자연어 프롬프트만으로 수치해석 코드와 알고리즘을 자동 생성하는 기술이 주목받고 있다. Kashefi와 Mukerji(2023)는 다양한 수치해석 문제에 LLM을 적용하여 코드 생성 및 수정 가능성을 실험적으로 입증하였으며, Wu와 Zhu(2025)는 복잡한 편미분방정식(PDE) 솔버를 단계적으로 구성하는 과정에서 LLM의 유효성을 확인하였다. 이러한 접근은 반복적인 코딩과 디버깅의 부담을 줄이는 동시에, 수치해석에 익숙하지 않은 비전문가도 직접 해석 코드를 생성할 수 있다는 점에서 새로운 가능성을 제시한다.

지반공학 분야에서도 LLM을 활용한 정보 해석, 문서 요약, 설계 지원 등 다양한 응용 가능성에 대한 관심이 높아지고 있으며, 실제 프로젝트에 이를 적용한 초기 사례들도 일부 보고되고 있다(Kumar, 2024; Wu et al., 2025). 그러나 수치해석 코드 자동 생성이라는 LLM의 핵심 기능을 지반공학 문제에 적용하고, 그 정확성과 효율성을 체계적으로 검토한 연구는 아직 부족한 실정이다.

본 연구에서는 코드 생성 성능과 범용성이 검증된 대표적 LLM인 OpenAI의 ChatGPT를 선택하여, 자연어 프롬프트 기반 지반공학 수치해석 코드 자동 생성의 가능성과 한계를 실증적으로 분석하였다. 일부 모델(예: Claude, Gemini)이 특정 프로그래밍 작업에서 더 나은 성능을 보일 수 있음에도 불구하고, 본 연구는 모델 간 성능 비교가 아닌 프롬프트 기반 코드 생성 절차의 적용 가능성과 타당성을 검토하는 데 초점을 두었다.

이를 위해 구현 난이도와 모델링 복잡성이 서로 다른 두 가지 대표 사례로써, 1) FDM 기반 정상상태 침투 해석과 2) FEM 기반 수리-역학적 연동 침하 해석을 선정하였다. 각 사례에서는 문제 정의와 경계 조건 등 수치해석에 필요한 핵심 정보를 초기 프롬프트로 ChatGPT에 제공하고, 이를 통해 생성된 코드를 실행 및 검토하였다. 코드 실행 과정에서 발생한 오류는 추가 프롬프트를 통해 단계적으로 수정 및 보완하여 최종 코드를 완성하였다. 생성된 코드의 해석 결과는 상용 해석 소프트웨어인 GeoStudio의 결과와 비교함으로써 유효성을 검증하였다. 전체 수행 과정은 문제 정의, 프롬프트 작성 및 코드 생성, 반복 보완, 결과 검증의 단계로 체계화하였으며, 이를 통해 프롬프트의 구체성, 반복 보완의 필요성, 전문가 개입의 역할 등 LLM 기반 코드 자동화의 핵심 요소들을 종합적으로 고찰하였다. 본 연구는 이를 바탕으로 지반공학 모델링에서 LLM의 실질적 활용 가능성과 한계를 제시하고자 한다.

2. 대표 사례 문제 및 모델 정의

본 연구에서는 LLM 기반 수치해석 코드 자동 생성의 지반공학 모델링 적용 가능성을 실증적으로 평가하기 위해 두 가지 대표 사례를 선정하였다. 첫 번째 사례는 FDM을 기반으로 한 정상상태 침투 해석으로, 격자 설정, 경계 조건 구현, 반복 계산 등 수치해석의 기초 요소를 포함한다. 두 번째 사례는 FEM을 기반으로 한 수리-역학적 연동 침하 해석으로, 시간 종속성, 다물리 연동, 혼합 요소 기법 등 고차원적 특성을 반영한다. 두 해석 사례는 수치 기법의 복잡성과 물리적 특성 측면에서 뚜렷한 차이를 지니며, 다양한 조건 하에서 LLM 기반 자동화 접근의 성능과 한계를 비교 및 분석하기에 적절한 프레임워크를 제공한다. 본 장에서는 각 사례별 해석 문제의 물리적 배경, 해석 영역, 지배 방정식, 경계 조건 등을 중심으로 수학적 모델을 정의한다.

2.1 정상상태 침투 해석(FDM 기반)

Fig. 1a는 포화토층 내 차수벽(sheet pile)이 설치된 조건에서 수행한 2차원 정상상태 침투(seepage) 해석 문제의 모델 형상과 경계 조건을 나타낸다. 해석 영역은 폭 25m, 깊이 10m의 직사각형 토층이며, 중앙에는 폭 1m의 차수벽이 5m 깊이로 관입되어 있다. 초기 수위는 차수벽 좌측에 10m, 우측에 0m로 설정되어 양측에 수리 구배가 형성되고, 하부 경계와 차수벽 면에는 유속이 0인 Neumann 조건(불투수 경계)이 적용된다. 이러한 조건 하에서 유체는 차수벽을 우회하여 토층을 따라 흐르게 된다.

Fig. 1

Schematic of the problem geometry and boundary conditions

토층은 등방성이고 균질한 포화토로 가정되며, 지배 방정식은 2차원 Laplace 방정식(식 (1))으로 주어진다. 해석에는 유한차분법(FDM)이 적용되며, 영역은 Δx = Δy인 정방 격자(grid)로 이산화된다. 각 격자점에서의 수두 hi,j​는 중심차분법(central difference method)을 통해 (식 (2))와 같이 근사된다.

초기 및 경계 조건에 기반하여 각 격자점의 수두는 반복 계산을 통해 수렴 기준에 도달할 때까지 갱신되며, 최종 수두 분포로부터 등수위선(equipotential lines)과 흐름선(streamlines)을 시각화할 수 있다.

2.2 수리-역학적 연동 침하 해석(FEM 기반)

Fig. 1b는 두 번째 사례는 포화토 내 선형 기초 하중 작용에 따른 침하와 이로 인한 간극수압 변화의 상호작용을 시간에 따라 해석하는 수리-역학적 연동(hydro-mechanical coupling) 침하 해석 문제의 모델 형상과 경계 조건을 나타낸다. 해석 영역은 1m × 1m 크기의 정방형 포화토로 설정되며, 상부 중앙 0.1m 구간에 등분포 하중이 작용한다. 상부 경계에는 자유 배수 조건(p^w = 0), 하부 및 양측 경계에는 불투수 조건(w^ = 0)이 적용된다.

이 문제는 고체 골격의 변형과 간극수의 유동이 동시에 작용하는 다물리계(multiphysics system)로, Biot 이론에 기반한 혼합 유한요소법(mixed FEM)을 통해 모델링된다(Borja and Alarcón, 1995). 해석에 적용된 혼합 u-pw(고체 변위-간극수압) 수치모델은 운동량 보존식(식 (3))과 질량 보존식(식 (4))으로 구성된 연립 방정식 체계를 따른다.

여기서, σ'는 유효응력, pw는 간극수압, B는 Biot 계수, I는 항등 텐서, u는 고체 골격 변위, w는 Darcy 유속, M은 Biot 모듈러스이다. 구성 방정식으로는 선형 등방성 탄성체의 응력-변형률 관계(식 (5))와 포화 다공질 매질 내 유체 유동에 대한 다르시 법칙(식 (6))이 적용된다.

여기서, K와 μ는 각각 체적 탄성계수와 전단 탄성계수, ε는 변형률 텐서, k는 매질의 투수계수, μw는 물의 동점성계수이다. 시간에 따른 해석을 통해 토층 내부의 간극수압 변화와 고체 골격의 변위를 추적할 수 있으며, 이를 바탕으로 침하 거동과 배수 특성을 정량적으로 평가할 수 있다.

3. GPT 기반 수치해석 자동화 프레임워크

본 장에서는 대형언어모델(LLM)의 자연어 처리 및 코드 생성 기능을 활용하여 지반공학 수치해석의 자동화를 구현하는 프레임워크를 제시한다. Fig. 2는 ChatGPT의 자연어 처리 및 코드 생성 기능을 활용하여 지반공학 수치해석의 자동화를 구현하는 프레임워크를 나타낸다. 이 프레임워크는 기존의 수치해석 프로그래밍 방식과 달리, 사용자와 대형언어모델(LLM) 간의 대화형 상호작용을 기반으로 수치 모델을 점진적으로 구축하는 구조를 갖는다. 전체 과정은 문제 정의, 초기 프롬프트 작성 및 ChatGPT의 코드 생성, 생성된 코드의 검증 및 프롬프트 보완을 통한 코드 수정 및 반복 보완, 최종 결과 도출의 단계로 구성된다.

Fig. 2

Workflow of ChatGPT-based automation for numerical modeling

문제 정의 단계에서는 사용자가 해결하고자 하는 지반공학 문제의 특성과 요구 조건을 구체적으로 정의한다. 이때 해석 도메인의 형상, 재료 물성, 지배 방정식, 초기 및 경계 조건, 수치 기법, 시간 및 공간 범위 등 수치해석에 필수적인 핵심 정보가 포함된다. 이 정보는 이후 자연어 프롬프트를 구성하는 기초 자료로 활용된다. 정의된 문제 정보를 바탕으로 자연어 형태의 초기 프롬프트가 작성되며, 여기에는 문제 설명뿐만 아니라 사용 환경(MATLAB, Python 등), 해석 방식, 결과 출력 조건 등이 명시된다. 해당 프롬프트 입력을 통해, ChatGPT는 이를 기반으로 수치해석 코드의 초안을 자동 생성한다.

생성된 코드는 사용자가 직접 실행하여 문법 오류(syntax error), 경계 조건 누락, 수렴 실패, 비정상 출력 등 다양한 문제를 점검한다. 오류가 발생하거나 결과가 물리적으로 부적절한 경우, 사용자는 해당 문제를 설명하는 피드백을 새로운 프롬프트에 반영하여 ChatGPT에 수정 요청을 반복한다. 이때 피드백은 실행 오류 메시지, 수식 명확화, 구현 방식 변경, 특정 조건 보완 등 다양한 형태로 이루어질 수 있으며, 이러한 상호작용을 통해 코드는 점진적으로 개선된다. 반복 보완 과정을 거쳐 오류 없이 실행되는 안정적인 코드가 완성되면, 사용자는 이를 통해 해석 결과를 도출할 수 있다. 본 논문에서는 해당 결과의 신뢰성을 확보하기 위해, 동일 조건에서 상용 소프트웨어인 Geostudio의 결과와 비교하여 검증을 수행한다. 이 프레임워크는 단순한 일회성 코드 생성이 아닌, 사용자와 LLM 간의 지속적인 상호작용을 통해 점진적으로 완성도를 높여가는 구조를 특징으로 한다.

한편, LLM의 응답은 사용자별 이전 대화(prompt history)에 영향을 받을 수 있는 것으로 알려져 있다. 이에 따라 본 연구에서는 실험의 재현성과 응답 일관성을 확보하기 위해, 모든 초기 프롬프트 입력 및 응답 생성을 각각 독립된 새로운 세션에서 수행하였다. 또한, 실험 기간 동안 대화 이력 저장 기능을 비활성화된 상태로 유지하였다.

4. GPT 기반 수치해석 코드 생성 및 반복 보완 과정

본 장에서는 제2장에서 정의한 두 가지 지반공학 해석 사례를 대상으로, ChatGPT(o1 버전)를 활용한 수치해석 코드 자동 생성 및 반복적 보완 과정을 체계적으로 기술한다. 두 해석 사례는 물리적 특성과 적용된 수치 기법이 상이하므로, 각 문제에 적합한 해석 환경에서 실험을 수행하였다. 첫 번째 사례인 정상상태 침투 해석은 비교적 단순한 수리 문제로, 격자 기반 유한차분법(FDM)을 적용하였다. 해석은 MATLAB 환경에서 수행되었으며, 직관적인 행렬 연산 및 우수한 시각화 기능을 갖춘 MATLAB은 기초적인 수치 모델 구현과 결과 검증에 적합한 도구로 평가된다(Esfandiari, 2017). 두 번째 사례인 수리-역학적 연동 침하 해석은 고체 골격의 변형과 간극수압의 시간적 변화가 상호작용하는 다물리계(multiphysics system) 문제로, 유한요소법(FEM)을 기반으로 한다. 본 해석에는 Python 기반의 오픈소스 유한요소 해석기인 FEniCS를 활용하였다. FEniCS는 약형 기반 수식 정의, 다양한 요소 유형 선택, 유연한 경계 조건 설정 등을 지원하여 복합 연성 해석에 적합한 환경을 제공한다(Logg et al., 2012).

4.1 정상상태 침투 해석(FDM 기반)

Fig. 3은 2.1절에서 정의한 2차원 정상상태 침투 해석 문제에 대해 작성된 초기 프롬프트(Fig. 3a)와, 이를 기반으로 ChatGPT가 자동 생성한 MATLAB 코드(Fig. 3b)를 제시한다. 프롬프트에는 FDM 적용, MATLAB 환경 설정, 지배 방정식(라플라스 방정식), 해석 영역의 형상 및 크기(Fig. 1a), 초기 및 경계 조건, 격자 간격과 수렴 기준 등의 수치해석 조건, 결과 시각화 방식 등 주요 정보가 포함되어 있다. 전체 프롬프트는 자연어 형식으로 서술되었으며, 지배 방정식은 LaTeX 문법을 활용해 명확하게 표현되었다.

생성된 MATLAB　코드(Fig. 3b)는 프롬프트의 항목별 요구사항을 충실히 반영하고 있으며, 주요 코드 블록은 색상 박스를 통해 구분되어 시각적으로 강조된다. 구체적으로, 도메인 형상 및 치수는 녹색, 초기 및 경계 조건은 노란색, 수치해석 조건은 빨간색, 지배 방정식의 이산화 구현은 파란색으로 표시된다.

Fig. 3

Initial prompt and generated MATLAB code for steady-state seepage analysis by ChatGPT

코드는 Δx, Δy 간격의 격자망을 기반으로 해석 영역을 구성하고, 각 격자점의 총 수두(total head)를 행렬 H에 저장한다. 행렬 H는 초기 수위 조건으로 초기화되며, while, for, if 문으로 구성된 반복 루프를 통해 FDM 기반 계산을 수행한다. 또한, 차수벽에 해당하는 격자점은 조건문을 통해 자동으로 계산 대상에서 제외된다. 등수위선과 흐름선으로 구성된 유선망(flow net)을 시각화하는 코드도 함께 생성되었으나, 지면 관계상 본문에서는 생략하였다.

Fig. 4는 초기 프롬프트에 기반해 생성된 ChatGPT 코드의 실행 결과(Fig. 4a)와, 동일 조건에서 GeoStudio SEEP/W로 수행한 벤치마크 해석 결과(Fig. 4b)를 비교한 것이다. ChatGPT가 생성한 코드는 오류 없이 실행되었으나, 두 해석 결과 간에는 명확한 차이가 나타났다. 사용자 검토 결과, 이러한 불일치는 Fig. 3b의 코드 13번째 줄에서 수위 경계 조건이 부정확하게 구현된 것이 주요 원인으로 확인되었다. 구체적으로, 해석 도메인의 상단(첫 번째 행)에서 차수벽 기준 좌측은 고정 수두 H1 = 10m, 우측은 H1 = 0m가 명확히 적용되어야 하나, 코드상 해당 구분이 제대로 반영되지 않아 전체 수위 분포가 왜곡되었다.

Fig. 4

Comparison of flow net results from ChatGPT-generated code and Geostudio

이를 해결하기 위해 사용자는 첫 번째 프롬프트 보완(prompt refinement 1)을 수행하였으며, 그 내용은 Fig. 5 상단에 제시되어 있다. 해당 프롬프트에서는 행렬 H 내 수두 경계 조건을 명확히 지정하도록 요청하였고, 이에 따라 수정된 코드의 14~15번째 줄에는 H1 과 H2 가 명확히 할당되도록 변경되었다. 관련 프롬프트와 수정 코드는 Fig. 5의 노란색 박스로 구분되어 있다.

Fig. 5

First and second prompt refinements with corresponding revised MATLAB code by ChatGPT

그러나 이러한 수정에도 불구하고, 생성된 유선망(Fig. 6a)은 여전히 Geostudio 결과와 일치하지 않았다. 이는 해석 도메인의 가장자리에 위치한 격자점들이 유한차분 계산에 필요한 네 방향 인접값 중 일부를 갖지 못하는 경계 외(out-of-bounds) 상황이 코드에 반영되지 않았기 때문이다. 이로 인해 Fig. 6a의 AF, FE, ED, CH, HG, GB 등 경계 구간에서 계산 결손이 발생하였고, 이는 수치 계산의 수렴성과 정확도에 영향을 미쳤다.

Fig. 6

Flow nets from refined MATLAB codes generated by ChatGPT

이에 따라 사용자는 두 번째 프롬프트 보완(prompt refinement 2)을 통해 경계점 문제를 해결하고자 미러링(mirroring) 기법의 적용을 요청하였다. 이 기법은 경계에 위치한 격자점이 일부 인접값을 갖지 못할 경우, 해당 점을 기준으로 반대편 값을 대칭 적용하여 계산을 유지하는 방식이다. 관련 프롬프트와 수정된 코드는 Fig. 5의 파란색 박스로 제시되어 있으며, 수정된 코드의 18~19번째 줄에서는 차수벽 영역을 NaN 값으로 설정하고, 30~35번째 줄에서는 경계 외 상황을 감지하여 미러링 기법을 적용하는 알고리즘이 구현되었다.

최종적으로 개선된 MATLAB 코드의 실행 결과는 Fig. 6b에 제시되어 있으며, Geosutdio 해석 결과와 시각적으로 높은 일치도를 보였다. 두 결과의 수두 분포를 정량적으로 비교한 결과, 평균 제곱근 오차(RMSE) 0.027, 평균 절대 오차(MAE) 0.022, 최대 절대 오차(MAXAE) 0.052로 계산되어 그 차이가 극히 미미함을 확인하였다. 이러한 미소한 편차는 본 연구에서 구현한 유한차분법(FDM)과 Geostudio의 유한요소법(FEM)이라는 해석 기법 간의 내재적 차이에 기인하는 것으로 분석된다.

4.2 수리-역학적 연동 침하 해석(FEM 기반)

두 번째 사례는 포화 지반에 작용하는 선형 기초 하중에 의해 발생하는 시간 의존적 침하와 간극수압 변화의 상호작용을 해석하는 수리-역학적 연동(hydro-mechanical coupling) 침하 문제이다. 본 해석은 Python 기반 오픈소스 유한요소 해석기인 FEniCS 환경에서 수행되었으며, ChatGPT가 강형 지배 방정식(strong form)을 기반으로 Galerkin 약형(weak form)을 정확히 유도하고, 혼성 유한요소법(mixed FEM)을 적용하여 안정적인 해석 코드를 생성할 수 있는지를 중점적으로 검토하였다.

해석 모델은 운동량 보존 및 질량 보존에 관한 두 개의 지배 방정식과, 선형 탄성체 및 다르시 유동을 기반으로 한 구성 관계를 포함한다. 또한, 압축성, 투수계수, 점탄성 계수 등 다양한 재료 물성이 반영되며, 수식 구조와 수치 기법 양 측면에서 높은 복잡성을 지닌다. 이에 따라, 앞선 FDM 기반 침투 해석에 비해 훨씬 정교하고 계층화된 초기 프롬프트 설계가 요구되었다.

Fig. 7은 ChatGPT에 제공된 초기 프롬프트를 보여준다. 해당 프롬프트는 자연어로 서술되었으며, 주요 수식은 LaTeX 형식을 통해 명확히 표현되었다. 해석 영역은 1m × 1m 크기의 정사각형 포화토층으로 설정되었고, Taylor-Hood 요소를 사용하여 Δx = Δy = 0.02m 간격으로 2차원 공간을 이산화하였다. 시간 적분에는 암시적 후진 오일러(Backward Euler) 기법이 적용되었으며, 시뮬레이션은 t = 0초부터 80초까지 1초 간격으로 수행되었다. 출력 조건으로는 x축을 따라 상부층의 수직 변위(uy) 분포를 t = 20, 40, 80초 시점에서 시각화하도록 지시하였다.

Fig. 7

Initial prompt for hydro-mechanical coupled settlement analysis by ChatGPT

Fig. 8의 좌측에는 위 프롬프트를 기반으로 ChatGPT가 생성한 초기 Python 코드가 제시되어 있다. 해당 코드는 함수 공간 정의, 약형식 유도, 경계 조건 설정, 시간 루프 구성, 결과 시각화 등 FEM 해석의 필수 요소를 충실히 반영하고 있다. 그러나 실행 과정에서 총 세 차례의 오류가 순차적으로 발생하였고, 각 오류에 대응하여 프롬프트를 보완하고 코드를 반복적으로 개선해야 했다.

Fig. 8

Initial code generation by ChatGPT (left) and prompt refinement process (right)

첫 번째 오류는 DirichletBC 함수와 LoadedTop 클래스 내에서 정의되지 않은 도메인 변수(W, L)를 참조하면서 발생한 런타임 에러였다. 이에 대한 첫 번째 프롬프트 보완(prompt refinement 1)에서는 오류 메시지와 함께 문제의 코드 줄(Line 25)을 명시하였고, ChatGPT는 오류 원인을 정확히 진단한 뒤 관련 변수들이 포함된 코드 줄(Line 26, 32 등)을 함께 수정하여 응답하였다. 이 과정은 Fig. 8의 노란색 박스로 표시되어 있다.

이후 수정된 코드를 다시 실행한 결과, 두 번째 오류로는 NewtonSolver의 수렴 실패가 발생하였다. 이는 기본 설정된 상대 및 절대 허용오차(relative_tolerance, absolute_tolerance)가 지나치게 엄격하여 계산이 안정적으로 수렴하지 못한 데 기인한 것으로 분석되었다. 이에 사용자는 두 번째 프롬프트 보완(prompt refinement 2)을 통해 오류 메시지와 함께 관련 코드 줄을 제공하였고, ChatGPT는 보다 완화된 허용오차 값을 적용하여 수렴 조건을 개선한 코드를 생성하였다. 해당 수정 과정은 Fig. 8의 빨간색 박스로 표시되어 있다.

두 차례의 수정 이후 코드는 런타임 오류 없이 실행되었으나, 출력된 해석 결과는 상용 소프트웨어인 GeoStudio SIGMA/W의 벤치마크 결과와 뚜렷한 차이를 보였다(Fig. 9a). 분석 결과, 이러한 차이는 ChatGPT가 질량 보존 방정식의 약형식을 부정확하게 유도한 데서 기인한 것으로 확인되었다. 이와 같은 오류는 공극 유동과 변형이 밀접히 연동되는 공극역학(poromechanical) 시뮬레이션에서 자주 발생하며, 해석 물리에 부합하는 약형식을 구현하기 위해서는 수식 수준에서의 신중한 검토가 필수적이다(Sun et al., 2013).

이에 사용자는 세 번째 프롬프트 보완(prompt refinement 3)을 통해 오류가 발생한 코드 줄을 명확히 지정하고, 수정 지시를 전달하였다. 이에 따라 ChatGPT는 약형식을 수정한 새로운 코드를 생성하였으며, 해당 내용은 Fig. 8의 파란색 박스로 표시되어 있다. 최종적으로 생성된 코드는 GeoStudio 해석 결과와 거의 일치하는 수직 변위 분포를 도출하였고(Fig. 9b), 이를 통해 복잡한 연성 해석 문제에 대해서도 LLM 기반 자동 코드 생성이 충분한 정확도에 도달할 수 있음을 실증적으로 확인할 수 있었다.

Fig. 9

Comparison of settlement results: ChatGPT-generated code vs. GeoStudio

5. 고 찰

본 연구는 FDM 및 FEM 기반의 두 사례 분석을 통해 LLM을 지반공학 수치해석에 활용할 때의 가능성과 한계를 탐색하였다. 이 과정에서 LLM의 코드 생성 능력을 성공적으로 활용하기 위해서는 일련의 공학적 프롬프트 설계 전략이 필수적임을 확인하였으며, 본 장에서는 그 핵심을 세 가지 전략으로 정리하여 제시하고자 한다.

첫째, 수치해석은 높은 수준의 정밀성과 명확성을 요구하는 공학 분야이므로, 초기 프롬프트의 체계적인 구조화가 결과의 재현성과 신뢰성 확보에 중요한 역할을 하였다. 본 연구의 두 사례 모두에서 해석 환경, 지배 방정식, 경계 조건 등 필수 정보를 구조화하여 제공했을 때, LLM은 요구된 정보를 충실히 반영하여 코드의 안정적인 기본 골격을 생성해냈다. 이는 프롬프트의 구조화가 단순히 LLM의 이해를 돕는 것을 넘어, 사용자 스스로 필수 정보를 누락하지 않도록 돕는 체계적인 체크리스트로 기능하며, 해석 결과에 영향을 미칠 수 있는 모호함이나 LLM의 불필요한 추론을 원천적으로 차단하는 효과적인 안전장치로 기능함을 시사한다.

둘째, 전문가가 주도하는 구체적인 피드백이 솔루션의 신뢰성 및 제어 가능성 확보에 핵심적인 역할을 하였다. 본 연구에서 발생한 오류들은 단순 구문 오류뿐만 아니라, 물리적 수학적 논리에 근거한 문제들을 포함하고 있었다. 예를 들어, FDM 해석에서 경계 외 계산 결손이나 FEM 해석에서 수치적 불안정을 야기한 약형식 구현 오류에 대해, “결과가 이상하니 수정해줘”와 같이 모호하게 요청한 경우, LLM은 자체적인 추론을 통해 예측 불가능한 방식으로 수정하는 경향을 보였다. 이러한 기술적 한계를 보완하고 솔루션의 신뢰성을 확보하기 위해, 전문가가 오류의 근본 원인을 진단하고 명확한 수정 방향을 제시하는 전문가 주도 방식을 채택하였으며, 이것이 성공적인 디버깅의 핵심 요인이었다.

마지막으로, LLM이 생성한 코드는 실행 가능성을 보장할 뿐 물리적 타당성을 담보하지 않으므로, 정량적 비교와 전문가 해석을 포함한 다각적인 검증이 필수적인 마무리 단계로 요구된다. 두 사례 모두에서 문법 오류 없이 실행된 코드가 벤치마크와 비교했을 때 물리적으로 상이한 결과를 도출했으며, 이는 LLM을 유용한 코딩 보조 도구로 사용하되, 최종 결과물의 공학적 품질을 보증하는 책임은 궁극적으로 전문가의 검증에 있음을 명확히 보여준다. 검증 기준은 본 연구에서 활용한 상용 소프트웨어에 국한되지 않으며, 문제 특성에 따라 이론적 해석해나 실험 결과 등 다양한 방식으로 확장 적용할 수 있다.

6. 결 론

본 연구는 ChatGPT를 대표로 하는 대형언어모델(LLM)의 자연어 기반 코드 자동 생성 능력을 지반공학 수치해석에 적용하고, 그 실질적 가능성과 한계를 체계적으로 분석하였다. 이를 위해 정상상태 침투 해석(FDM 기반)과 수리-역학적 연동 침하 해석(FEM 기반)을 대표 사례로 선정하고, 프롬프트 설계부터 코드 생성, 오류 진단 및 수정, 결과 검증에 이르는 전체 과정을 단계별로 수행하였다.

분석 결과, LLM은 정교하게 설계된 프롬프트를 전제로 수치해석 모델의 기본 구조를 신속히 구축하고 디버깅 과정을 단축하는 데 유용한 도구로 활용될 수 있음을 확인하였다. 다만, LLM은 아직 전문 수치해석 전 과정을 완전히 대체하기에는 한계가 있으며, 단순한 코드 생성 요청을 넘어서는 공학적 접근이 필요하다. 본 연구는 이러한 접근의 핵심을 초기 정보의 구조화, 전문가 주도의 구체적 피드백, 물리적 타당성의 다각적 검증이라는 세 가지 전략으로 체계화하였고, 이는 문제의 성격과 난이도에 따라 LLM을 효과적인 협업 도구로 활용하는 데 실질적인 기반이 될 수 있음을 실증하였다. 특히, LLM의 기능이 실무자나 연구자의 전문성과 결합될 때, 코드 작성의 효율성과 접근성이 동시에 향상될 수 있는 높은 잠재력이 확인되었다.

향후에는 보다 정교한 프롬프트 설계 기법과 공학 문제에 특화된 LLM의 개발, 도메인 지식과의 통합적 활용을 통해 수치해석 자동화의 수준이 더욱 고도화될 것으로 기대된다. 이러한 발전은 지반공학을 포함한 다양한 공학 분야에서 LLM 기반 수치해석의 실질적 활용 가능성을 확장하는 기반이 될 것이다.