論文の概要: Zero-shot Sequential Neuro-symbolic Reasoning for Automatically
Generating Architecture Schematic Designs
- arxiv url: http://arxiv.org/abs/2402.00052v1
- Date: Thu, 25 Jan 2024 12:52:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-04 05:12:45.793788
- Title: Zero-shot Sequential Neuro-symbolic Reasoning for Automatically
Generating Architecture Schematic Designs
- Title（参考訳）: ゼロショット連続ニューロシンボリック推論によるアーキテクチャ設計の自動生成
- Authors: Milin Kodnongbua, Lawrence H. Curtis, Adriana Schulz
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.78070970632469
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper introduces a novel automated system for generating architecture
schematic designs aimed at streamlining complex decision-making at the
multifamily real estate development project's outset. Leveraging the combined
strengths of generative AI (neuro reasoning) and mathematical program solvers
(symbolic reasoning), the method addresses both the reliance on expert insights
and technical challenges in architectural schematic design. To address the
large-scale and interconnected nature of design decisions needed for designing
a whole building, we proposed a novel sequential neuro-symbolic reasoning
approach, emulating traditional architecture design processes from initial
concept to detailed layout. To remove the need to hand-craft a cost function to
approximate the desired objectives, we propose a solution that uses neuro
reasoning to generate constraints and cost functions that the symbolic solvers
can use to solve. We also incorporate feedback loops for each design stage to
ensure a tight integration between neuro and symbolic reasoning. Developed
using GPT-4 without further training, our method's effectiveness is validated
through comparative studies with real-world buildings. Our method can generate
various building designs in accordance with the understanding of the
neighborhood, showcasing its potential to transform the realm of architectural
schematic design.
- Abstract（参考訳）: 本稿では,多家族不動産開発プロジェクト開始時の複雑な意思決定を合理化するための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。
生成型ai(ニューロ推論)と数学的プログラムソルバ(シンボリック推論)の強みを組み合わせることで、この手法は専門家の洞察とアーキテクチャ設計における技術的な課題の両方に対処できる。
建物全体の設計に必要な設計決定の大規模かつ相互接続的な性質に対処するために,我々は,従来の設計プロセスを初期概念から詳細なレイアウトへエミュレートする,新しい逐次的ニューロシンボリック推論手法を提案する。
目的を近似するためにコスト関数を手作業で作成する必要をなくすため、我々は、神経推論を用いて、シンボリック・ソルバが解ける制約とコスト関数を生成するソリューションを提案する。
また、各設計段階でフィードバックループを組み込んで、神経とシンボリック推論の緊密な統合を確保します。
gpt-4を用いてさらなる訓練を行わずに開発し,実世界の建物との比較研究により,本手法の有効性を検証した。
本手法は, 建築設計の領域を変容させる可能性を示すとともに, 近所の理解に基づき, 様々な建築設計を生成できる。
関連論文リスト
- Empowering Clients: Transformation of Design Processes Due to Generative AI [1.4003044924094596]
この研究は、AIがアイデアの迅速な視覚化を通じて、クライアントが設計プロセスに参加することを可能にすることによって、アイデアのフェーズを破壊できることを明らかにしている。
私たちの研究は、AIが設計に対して貴重なフィードバックを提供することができる一方で、そのような設計を生成できない可能性があることを示しています。
アーキテクチャの解釈的主権と,AIが設計プロセスのオーサシップをますます引き継ぐにつれて,意味とアイデンティティの喪失について,アーキテクトの間に不確実性があることも明らかになった。
論文 参考訳（メタデータ） (2024-11-22T16:48:15Z) - A Taxonomy of Architecture Options for Foundation Model-based Agents: Analysis and Decision Model [25.78239568393706]
本稿では,基礎モデルに基づくエージェントのアーキテクチャに着目した分類法を提案する。
分類学は,これらの分類を統一し,詳細化することにより,基礎モデルに基づくエージェントの設計を改善することを目的としている。
論文 参考訳（メタデータ） (2024-08-06T03:10:52Z) - 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) - Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。
類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。
ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文 参考訳（メタデータ） (2024-02-27T17:11:35Z) - The Role of Foundation Models in Neuro-Symbolic Learning and Reasoning [54.56905063752427]
Neuro-Symbolic AI(NeSy)は、AIシステムの安全なデプロイを保証することを約束している。
ニューラルネットワークとシンボリックコンポーネントを順次トレーニングする既存のパイプラインは、広範なラベリングを必要とする。
新しいアーキテクチャであるNeSyGPTは、生データから象徴的特徴を抽出する視覚言語基盤モデルを微調整する。
論文 参考訳（メタデータ） (2024-02-02T20:33:14Z) - Neural Markov Prolog [57.13568543360899]
本稿では,一階述語論理とニューラルネットワーク設計を橋渡しする手段として,言語Neural Markov Prolog (NMP)を提案する。
NMPは、画像、テキスト、リレーショナルデータベース、その他のターゲットデータ型のアーキテクチャを簡単に生成および提示することができる。
論文 参考訳（メタデータ） (2023-11-27T21:41:47Z) - Augmented Computational Design: Methodical Application of Artificial
Intelligence in Generative Design [0.1638581561083717]
本章では、生成設計における人工知能の必要性と有用性に関する方法論的考察を紹介する。
パフォーマンスベースの生成設計パラダイムの中核は、これらの選択と結果の間に統計的またはシミュレーション駆動の関連を作ることである。
論文 参考訳（メタデータ） (2023-10-13T16:47:35Z) - Experiments on Generative AI-Powered Parametric Modeling and BIM for
Architectural Design [4.710049212041078]
この研究は、3Dアーキテクチャ設計におけるChatGPTと生成AIの可能性について実験した。
このフレームワークはアーキテクトに設計意図を伝えるための直感的で強力な方法を提供する。
論文 参考訳（メタデータ） (2023-08-01T01:51:59Z) - 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) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳（メタデータ） (2022-04-15T20:40:43Z) - Structural Design Recommendations in the Early Design Phase using
Machine Learning [6.071146161035648]
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。
論文 参考訳（メタデータ） (2021-07-19T01:02:14Z)
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。