AIstructure-Copilot实现“三驾马车”驱动：Diffusion Model上线！

0

内容提要

卧龙凤雏

三驾马车

发布了基于Diffusion Model驱动的建筑结构智能设计算法，可实现更加多样性、质量更佳的剪力墙结构智能设计。AIstructure已经具备基于生成对抗网络（GAN）、图神经网络（GNN）、以及扩散模型（Diffusion Model）的三套独立算法的智能设计。

产品下载网址：
https://ai-structure.com/#/IntelligentDesign

1

剪力墙智能设计的Diffusion Model

在上一次发布的文案中，我们提到有一个重要的新功能即将上线（详见ai-structure.com更新：材料用量预测模块和网页架构更新），这就是我们今天发布的基于Diffusion Model的剪力墙设计功能。

本来这个功能早就要上线的，但是10月18日美国商务部发布了对中国的显卡出口的禁令，为了防止未来被“卡脖子”，我们对算法进行了修改，把算法加快了近百倍，现在我们的Diffusion Model算法可以不依赖GPU硬件实现十几秒内完成智能设计任务。

大家进行方案设计时，总希望能多找几个团队，做多个设计然后优选。但是更多的设计团队势必会带来更多的资金成本和时间成本。但是AI设计则完全没有这个局限，不同的AI算法，可以在分秒之内产生不同的AI设计方案，供用户从中择优选择，而成本增加几乎为零。

因此，今年4月我们将ai-structure.com的内部架构做了比较大的调整，从ai-structure.com v0.0.4版本开始支持多个算法方案的生成。例如，我们在4月27日发布了同时具备生成对抗网络算法（GAN）和图神经网络算法（GNN）的模块。今天发布的Diffusion Model模块在当时就预留好了框架。

4月27日版本预设的框架和体系

Diffusion Model是另一个在图像学习领域得到广泛应用的算法，目前大家经常看到的建筑立面效果生成、或者室内装修图像生成，很多都是基于Diffusion Model，特别是基于Stable Diffusion开源程序包二次开发得到。但是Stable Diffusion开源程序包及其插件存在着诸多问题，不能很好满足需要。因此，我们开发了专门的扩散模型算法Struct-diffusion，其设计效果显著优于Stable Diffusion等既有Diffusion算法，且可以摆脱GPU硬件限制。下图为Diffusion Model的典型设计结果：

目前，我们已在AIstructure-Copilot中，集成实现了GAN、GNN、和Diffusion Model“三驾马车”驱动的智能设计。同时用户们也可以直接对比GAN、GNN、和Diffusion Model三种不同技术生成的剪力墙布置异同，同时可直接查阅不同方案对应的材料用量。下面是典型案例采用不同技术设计的结果（更多案例请查阅ai-structure.com下载文件中的典型案例）。

其中，GNN1是指基于GNN的剪力墙布置人工智能设计方法；GNN2则是指精细化考虑抗震设计条件影响的GNN。

2

剪力墙-梁设计及材料用量预测流程更新

为了让梁的设计更好的配合剪力墙设计，AIstructure-Copilot在梁设计时，将提示用户选择剪力墙是由哪个技术生成的。同时，在材料用量预测时，也要匹配对应的剪力墙-梁设计结果。

3

结语

我们增加了diffusion model驱动的剪力墙结构智能设计技术，实现了GAN、GNN、diffusion“三驾马车”驱动的剪力墙结构智能设计，为用户提供了更加优质多样的结构设计以供选择。

温馨提示：为更好使用AI设计工具，请仔细阅读使用说明书。