给马儿换上精饲料，AIstructure设计效果持续改善
0
引言
AI设计就是根据输入的数据进行学习，然后模仿生成新的设计。所以输入的数据质量越好，AI模仿生成的新设计质量就越高。优秀的学习数据就像给马儿喂了精饲料，马儿的表现就更好。
1
改进简介
自2023年11月，基于Diffusion Model驱动的建筑结构智能设计算法发布以来，AIstructure-Copilot就可以实现三驾马车并驾齐驱，为用户提供生成对抗网络（GAN）、图神经网络（GNN）、以及扩散模型（Diffusion Model）的三套独立算法，实现更加多样性的智能设计。
2
具体改进内容
2.1 对局部细节处理能力的提升
（1）封闭管井的处理
如图a所示的更新前剪力墙的布置结果，蓝图框中的局部我们进行放大，图（b）可见局部的封闭管井AI布置了剪力墙，不符合工程实际，本次更新后，AI可以自动识别管井位置，并在布置结构方案的时候合理的避开（如图c）。
（a）剪力墙布置结果（更新前）
（b）更新前局部设计效果
（c）更新后局部设计效果
（2）建筑外轮廓角部细节处理
本次更新后，扩散模型可以更好的关注到建筑外轮廓角部的细节处理，布置的剪力墙也更加符合工程实际需求，如下图蓝色图框中所示。
（a）更新前设计效果
（b）更新后设计效果
（3）避免不合理布置
如下图蓝色图框中所示，本次更新后，避免了局部剪力墙布置过于琐碎和“一字墙”等问题。
（a）更新前设计效果
（b）更新后设计效果
2.2 取消了GAN算法对于平面尺寸的限制要求
本次更新后，对超出51m×25m的平面图纸GAN也可以很好的完成设计。
（a）原始建筑图（平面尺寸51.7m×18.1m ）
（b）更新前超出平面尺寸GAN无法完成设计
（c）更新后GAN可以很好的完成设计
3
结语
参考文献：
Fei YF, Liao WJ, Lu XZ, et al. Semi-supervised learning method incorporating structural optimization for shear-wall structure design using small and long-tailed datasets[J]. Journal of Building Engineering, 2023, 79: 107873.
陆新征,韩进,韩博,等.基于规则学习与编码的剪力墙智能设计优化[J].东南大学学报(自然科学版),2023,53(06):1199-1208.
Fei YF, Liao WJ, Lu XZ, et al. Knowledge‐enhanced graph neural networks for construction material quantity estimation of reinforced concrete buildings[J]. Computer‐Aided Civil and Infrastructure Engineering, 2024, 39(4): 518-538.
覃思中,廖文杰,林元庆,等. An efficient assessment method for intelligent design results of shear wall structure based on mechanical performance, material consumption, and empirical rules[J].工程力学,2023,40(12):148-159.
后续，我们还将不断完善相关产品功能。欢迎大家持续关注我们的工作，多多支持！
温馨提示：为更好使用AI设计工具，请仔细阅读使用说明书。
--End--
