AI가 나의 모델을 찾는 방법: 데이터 형식, 임베딩, 검색 전략을 고려한 모델 찾기 실험 연구

모델링 및 시뮬레이션(M&S)에서 재사용 가능한 시뮬레이션 모델을 발견하는 것은 기본적인 문제이다. 많은 모델이 존재할 때, 특정 모델링 의도와 일치하는 모델을 식별하는 것은 어렵다. 최근 인공지능(AI) 기술 중 검색 기반 접근 방식은 의미적 층에서 작업할 수 있는 유망한 방법을 제공한다. 이 논문에서는 자연어 질의를 사용하여 시뮬레이션 모델을 발견하는 데 있어 데이터 표현, 변환기 기반 임베딩 모델, 검색 전략의 영향에 대해 실험 연구를 진행한다. 우리는 여러 질의 유형에 대해 표준 정보 검색 지표인 recall@5와 nDCG@5를 사용하여 성능을 평가했다. 결과는 데이터 표현이 중요하고 오픈 소스 임베딩 모델은 높은 성능을 달성할 수 있으며, 질의 복잡도가 증가할 때 재-ranking 방법이 중요함을 보여준다. 이 연구는 AI 기반 모델 발견의 기초를 제공하며 AI 기반 구성성과 상호운용성에 대한 발전을 위한 역할을 논의한다.