CAE(Computer Aided Engineering) 데이터의 복잡성은 기존의 CNN이나 RNN만으로는 한계가 명확합니다. 특히 비정형 구조, 고차원 데이터, 노이즈 포함 시뮬레이션 결과를 처리할 때는 최신 딥러닝 아키텍처의 장점이 부각됩니다. 본 글에서는 Transformer, Autoencoder, GNN(Graph Neural Network)이라는 세 가지 최신 아키텍처의 원리, 적용 사례, 실제 연구 예시와 함께 각 구조의 장단점을 명확히 분석합니다. Vision Transformer (ViT): Self-Attention 기반의 시공간 학습Transformer는 자연어 처리에서 시작되었지만, 최근에는 구조역학, 유동해석 등의 CAE 문제에서도 Self-Attention 기반의 전역 정보 처리..
