Asmeta와 대형 언어 모델을 활용한 시계형 속성 자동화

본 논문은 Asmeta 프레임워크와 대형 언어 모델(LLM)을 결합해 모델 기반 개발 과정에서 발생하는 시간 논리(TL) 속성의 정의·형식화·설명·검증을 지원하는 통합 워크플로우를 제안한다. 서론에서는 현대 소프트웨어·시스템 엔지니어링이 복잡한 이질적 구성요소와 엄격한 안전 요구조건을 동시에 만족시켜야 함을 강조하고, 전통적인 코딩·테스트 기반 개발이 초기 검증·추적성을 제공하기 어렵다고 지적한다. 모델 기반 개발(MBD)은 실행 가능한 모델을 통해 조기 시뮬레이션·검증을 가능하게 하며, Asmeta는 ASM(추상 상태 기계) 기반 모델링 언어 AsmetaL과 AsmetaSMV라는 NuSMV 연동 도구를 제공한다. 하지만 Asmeta 사용자, 특히 학생들은 LTL·CTL 속성을 자연어에서 AsmetaL 구문으로 변환하는 데 어려움을 겪는다. 이를 해결하고자 저자들은 LLM을 활용한 네 가지 지원 목표(O1‑O4)를 정의한다. O1은 Asmeta 사양을 분석해 도메인‑특화 자연어 속성을 자동 도출하는 것이며, 이는 기존 PropertyGPT와 유사하지만 Asmeta의 함수·시그니처 정보를 활용한다는 차별점이 있다. O2는 사용자가 제공한 자연어 요구를 AsmetaL 내 CTL/LTL 구문으로 정확히 변환하는 것으로, LLM이 함수 타입·범위와 상태 전이 구조를 인식해 올바른 연산자를 선택하도록 설계한다. O3는 생성된 TL 공식의 의미를 자연어로 해설해 비전문가가 이해하도록 돕는다. O4는 모델 체커가 반환하는 카운터예시(Avalla 시나리오)를 LLM이 자연어로 요약·설명해 속성 실패 원인을 직관적으로 파악하게 한다. 제안된 워크플로우는 다음 단계로 구성된다. 첫째, 사용자는 Asmeta 사양과 자연어 요구를 포함한 프롬프트를 LLM에 제공한다. 둘째, LLM은 사양 시그니처를 파싱하고 요구를 TL 공식·설명으로 변환한다. 셋째, AsmetaSMV가 생성된 공식을 NuSMV에 전달해 문법·시맨틱 검증을 수행한다. 넷째, 검증 오류가 발생하면 모델 체커의 오류 로그를 LLM에 재전송해 자동 교정 프롬프트를 생성한다. 다섯째, 검증이 성공하면 카운터예시를 LLM이 자연어로 해석한다. 실증은 간단한 시계 모델(초·분·시를 관리하는 ASM)로 진행되었다. O1에서는 LLM이 “시간 변수는 유효 범위 내에 있다”, “초가 59이면 분이 증가하고 시가 증가한다”, “신호가 true일 때만 시간이 전진한다”와 같은 세 가지 속성을 자연어로 제시했다. O2에서는 “분이 59에 도달하면 다음 상태에서 0이 된다”는 요구를 CTL 공식 AG(min=59 → AX(min=0))으로 변환하고, 오류가 있으면 AsmetaSMV의 피드백을 이용해 수정했다. O3에서는 해당 CTL 공식을 “모든 도달 가능한 상태에서 분이 59이면 다음 상태에서 분은 0이 된다”라는 자연어 설명으로 제공했다. O4에서는 카운터예시를 기반으로 “신호가 true일 때 시계가 1초씩 전진하고, false일 때는 정지한다”는 설명을 생성했다. 논문은 현재 GPT‑3.5 기반 ChatGPT 5.2를 사용했으며, LLM이 문법적으로 올바른 속성을 생성하지만 때때로 함수 이름 오인·연산자 오류가 발생함을 확인했다. 이를 해결하기 위해 검증 로그를 활용한 피드백 루프와 프롬프트 엔지니어링을 도입했으며, 향후 최신 LLM과의 비교, 대규모 모델 적용, 인간‑인‑루프 인터페이스 설계 등을 연구 과제로 제시한다. 결론적으로, 이 연구는 LLM을 Asmeta와 결합해 비전문가도 TL 속성을 손쉽게 다루게 하는 초기 개념 증명을 제공한다. 자연어‑형식 변환, 속성 설명, 카운터예시 해석이라는 전 과정을 자동화함으로써 MBD 파이프라인의 접근성을 크게 향상시킬 수 있음을 보여준다. 향후 구현 단계에서는 자동화 수준을 높이고, 다양한 도메인·툴 체인에 적용해 실용성을 검증할 계획이다.