論文の概要: Structural Design Recommendations in the Early Design Phase using
Machine Learning
- arxiv url: http://arxiv.org/abs/2107.08567v1
- Date: Mon, 19 Jul 2021 01:02:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-20 15:16:58.616019
- Title: Structural Design Recommendations in the Early Design Phase using
Machine Learning
- Title(参考訳): 機械学習を用いた設計初期における構造設計勧告
- Authors: Spyridon Ampanavos, Mehdi Nourbakhsh, Chin-Yi Cheng
- Abstract要約: ApproxiFramerは機械学習ベースのシステムで、リアルタイムで構築計画のスケッチから構造的レイアウトを自動的に生成する。
我々は、スケッチレベルの建築計画のための構造設計ソリューションを反復的に生成するように、畳み込みニューラルネットワークを訓練した。
- 参考スコア(独自算出の注目度): 6.071146161035648
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Structural engineering knowledge can be of significant importance to the
architectural design team during the early design phase. However, architects
and engineers do not typically work together during the conceptual phase; in
fact, structural engineers are often called late into the process. As a result,
updates in the design are more difficult and time-consuming to complete. At the
same time, there is a lost opportunity for better design exploration guided by
structural feedback. In general, the earlier in the design process the
iteration happens, the greater the benefits in cost efficiency and informed
de-sign exploration, which can lead to higher-quality creative results. In
order to facilitate an informed exploration in the early design stage, we
suggest the automation of fundamental structural engineering tasks and
introduce ApproxiFramer, a Machine Learning-based system for the automatic
generation of structural layouts from building plan sketches in real-time. The
system aims to assist architects by presenting them with feasible structural
solutions during the conceptual phase so that they proceed with their design
with adequate knowledge of its structural implications. In this paper, we
describe the system and evaluate the performance of a proof-of-concept
implementation in the domain of orthogonal, metal, rigid structures. We trained
a Convolutional Neural Net to iteratively generate structural design solutions
for sketch-level building plans using a synthetic dataset and achieved an
average error of 2.2% in the predicted positions of the columns.
- Abstract(参考訳): 構造工学の知識は、設計初期段階のアーキテクチャ設計チームにとって重要な意味を持つ。
しかし、アーキテクトやエンジニアは通常、概念的なフェーズで一緒に働くのではなく、実際、構造的エンジニアはしばしばプロセスの後半に呼ばれる。
その結果、設計の更新は難しくなり、完成するのに時間がかかる。
同時に、構造的なフィードバックによってよりよい設計探索を行う機会が失われている。
一般的に、イテレーションが行われる設計プロセスの早い段階では、コスト効率のメリットが大きくなり、デサイン探索が通知されるため、高品質な創造的な結果が得られます。
初期の設計段階における情報探索を容易にするため,基本構造工学タスクの自動化を提案し,計画スケッチから構造レイアウトを自動的に生成する機械学習システムであるApproxiFramerをリアルタイムで導入する。
このシステムは、設計者が構造的含意について十分な知識を持って設計を進めるために、概念段階で実現可能な構造的解決策を提示することでアーキテクトを支援することを目的としている。
本稿では, 直交, 金属, 剛体構造の領域における概念実証実装の性能について述べる。
合成データセットを用いたスケッチレベルの構築計画のための構造設計ソリューションを反復的に生成するために畳み込みニューラルネットワークを訓練し,予測された列の位置において平均2.2%の誤差を達成した。
関連論文リスト
- A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。
コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
論文 参考訳(メタデータ) (2025-01-20T15:30:09Z) - Exploring the design space of deep-learning-based weather forecasting systems [56.129148006412855]
本稿では,異なる設計選択がディープラーニングに基づく天気予報システムに与える影響を系統的に分析する。
UNet、完全畳み込みアーキテクチャ、トランスフォーマーベースモデルなどの固定グリッドアーキテクチャについて検討する。
固定グリッドモデルの強靭な性能とグリッド不変アーキテクチャの柔軟性を組み合わせたハイブリッドシステムを提案する。
論文 参考訳(メタデータ) (2024-10-09T22:25:50Z) - Automated architectural space layout planning using a physics-inspired generative design framework [4.202451453254076]
空間配置の決定は、建築プロジェクトの設計段階における主要な活動の1つである。
提案手法は、空間レイアウト計画と進化的最適化メタヒューリスティックのための、物理学から着想を得た新しいパラメトリックモデルを統合する。
その結果、このような生成設計フレームワークは、設計段階において幅広い設計提案を生成できることが明らかとなった。
論文 参考訳(メタデータ) (2024-06-21T02:50:52Z) - Standardizing Knowledge Engineering Practices with a Reference Architecture [8.22187358555391]
本稿では,知識工学の分野でのベストプラクティスを調和させるビジョンを提案する。
本稿では,ユーザニーズと繰り返し発生するシステムパターンを関連付けるために,参照アーキテクチャを反復的に設計,実装する方法について述べる。
論文 参考訳(メタデータ) (2024-04-04T17:46:32Z) - Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。
本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。
我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
論文 参考訳(メタデータ) (2024-03-26T16:33:12Z) - Zero-shot Sequential Neuro-symbolic Reasoning for Automatically
Generating Architecture Schematic Designs [4.78070970632469]
本稿では,アーキテクチャ設計を自動生成するシステムを提案する。
我々は、生成AI(神経推論)と数学的プログラムソルバ(記号推論)の強みを利用する。
提案手法は, 周辺地域の理解に応じて, 様々な建築設計を作成できる。
論文 参考訳(メタデータ) (2024-01-25T12:52:42Z) - Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。
10か国25以上の組織から61名の被験者を対象に調査を行った。
論文 参考訳(メタデータ) (2023-08-09T21:54:34Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳(メタデータ) (2022-11-29T17:28:31Z) - Twins: Revisiting Spatial Attention Design in Vision Transformers [81.02454258677714]
本稿では,注意深い空間的注意機構が最先端のスキームに対して好適に機能することを実証する。
Twins-PCPVTとTwins-SVTの2つのビジョントランスアーキテクチャを提案します。
提案するアーキテクチャは,現代のディープラーニングフレームワークに高度に最適化された行列乗算のみを含む,高効率かつ実装が容易である。
論文 参考訳(メタデータ) (2021-04-28T15:42:31Z) - Learning to simulate and design for structural engineering [0.0]
本研究では,建物構造をグラフとして定式化し,柱と梁の最適断面を学習するためのエンドツーエンドパイプラインを作成する。
提案した構造設計の性能は、遺伝的アルゴリズム(GA)によって最適化された設計と同等であり、全ての制約が満たされている。
論文 参考訳(メタデータ) (2020-03-20T05:00:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。