论文分享：ChatGPT在计算结构力学领域的应用初探与浅析

7月前浏览7842

本文摘要：（由ai生成）

桁架结构广泛应用于建筑领域，其平面形式分析相对简单。本文探讨了ChatGPT在计算结构力学中的应用，通过Prompt工程技术控制模型输出，解决下游任务。以平面桁架结构为例，ChatGPT生成的程序计算与参考解比对结果准确，提高了科研效率。ChatGPT为研究人员提供了高效准确的科研工具，有助于快速实现和验证科研想法，推动技术创新和学术进展。同时，也为初学者提供了简单直观的学习途径，有助于普及计算结构力学程序编制技能。

桁架结构(Truss Structure)是一种由杆件直接相连组成的结构系统。桁架结构中的杆件均为二力杆，并通过节点连接在一起。桁架结构的优点是材料利用率高，结构重量轻，传力路径明确，便于分析和设计。桁架结构常见于桥梁、屋顶和塔架等建筑和工程领域。

平面桁架结构(Planar Truss Structure)是一种特殊的桁架结构，其所有节点和杆件都位于同一个平面内。平面桁架结构可以承受同一平面内的荷载，并将荷载通过杆件内部的轴向力传递。平面桁架结构简单，且分析相对容易。在计算结构力学中，可以根据刚度法编写平面桁架计算程序。通过输入结构参数，计算出桁架的应力、应变和变形等相关参数，从而评估结构的变形和强度。本文以平面桁架计算程序为例，探索和展示ChatGPT在计算结构力学领域程序编制中的应用，并给出初步的心得与讨论。

ChatGPT的模型预测质量很大程度上取决于训练数据的准确性，但更多的情况是用户提供的问题和提示难以令ChatGPT理解，无法发挥其最大的效用。作为预训练语言模型PLM(Pre-trained Language Model)，ChatGPT的研究思路通常是“预训练-微调”，即将经过预训练的模型应用于下游任务中，并根据下游任务中的数据进行模型的微调。然而，随着PLM体量的不断增大，对其进行微调的硬件和数据需求以及实际代价也在不断上涨。因此，为降低模型总体参数量以提高其训练效率，Prompt工程技术应运而生。

融入了Prompt的新训练模式大致可以归纳成“预训练-微调-预测”,即重新调整下游任务的形式使其类似于预训练任务，从而帮助PLM回忆起在预训练阶段所学习的知识。如在输入中加入描述场景和情感的词汇可以使模型回忆起相应的场景和情感分类标签。这就可以解释为什么等在研究中发现基于场景的问题中，ChatGPT不仅提供了问题的答案，而且还提供了有洞察力的解释来支持给定的答案。

通过选择合适的Prompt, 可以控制模型的预测输出，从而将一个完全无监督训练的预训练语言模型用于各种下游任务的解决。经过尝试，在提问时应注意以下几点来提高使用效率。