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
- 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) - Machine Learning-Based Multi-Objective Design Exploration Of Flexible
Disc Elements [1.5638419778920147]
本稿では,ANNアーキテクチャを工学設計問題に適用し,改良された設計ソリューションの探索と同定を行う。
本研究の問題点は、ディスク結合に使用されるフレキシブルディスク素子の設計である。
この目的を達成するために、ANNと遺伝的アルゴリズムを組み合わせて設計探索を行い、指定された基準を満たす設計を同定する。
論文 参考訳(メタデータ) (2023-04-14T16:48:51Z) - 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) - Dynamically Grown Generative Adversarial Networks [111.43128389995341]
本稿では、ネットワークアーキテクチャとそのパラメータを自動化とともに最適化し、トレーニング中にGANを動的に成長させる手法を提案する。
本手法はアーキテクチャ探索手法を勾配に基づく訓練とインターリーブステップとして組み込んで,ジェネレータと識別器の最適アーキテクチャ成長戦略を定期的に探究する。
論文 参考訳(メタデータ) (2021-06-16T01:25:51Z) - Generative Design by Reinforcement Learning: Enhancing the Diversity of
Topology Optimization Designs [5.8010446129208155]
本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。
RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
論文 参考訳(メタデータ) (2020-08-17T06:50:47Z)
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。