AIstructure-Copilot实现“三驾马车”驱动：Diffusion Model智能设计上线！

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。

联系方式

QQ群，AI-structure-交流群：741840451

廖文杰：[email protected]

ai-structure.com联系方式

QQ群，AI-structure-交流群：741840451

廖文杰：[email protected]

相关论文

1. Liao WJ, Lu XZ, Huang YL, Zheng Z, Lin YQ, Automated structural design of shear wall residential buildings using generative adversarial networks, Automation in Construction, 2021, 132, 103931. DOI: 10.1016/j.autcon.2021.103931.
   

2. Lu XZ, Liao WJ, Zhang Y, Huang YL, Intelligent structural design of shear wall residence using physics-enhanced generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2022, 51(7): 1657-1676. DOI: 10.1002/eqe.3632.
   

3. Zhao PJ, Liao WJ, Xue HJ, Lu XZ, Intelligent design method for beam and slab of shear wall structure based on deep learning, Journal of Building Engineering, 2022, 57: 104838. DOI: 10.1016/j.jobe.2022.104838.

4. Liao WJ, Huang YL, Zheng Z, Lu XZ, Intelligent generative structural design method for shear-wall building based on “fused-text-image-to-image” generative adversarial networks, Expert Systems with Applications, 2022, 118530, DOI: 10.1016/j.eswa.2022.118530.

5. Fei YF, Liao WJ, Zhang S, Yin PF, Han B, Zhao PJ, Chen XY, Lu XZ, Integrated schematic design method for shear wall structures: a practical application of generative adversarial networks, Buildings, 2022, 12(9): 1295. DOI: 10.3390/buildings1209129.

6. Fei YF, Liao WJ, Huang YL, Lu XZ, Knowledge-enhanced generative adversarial networks for schematic design of framed tube structures, Automation in Construction, 2022, 144: 104619. DOI: 10.1016/j.autcon.2022.104619.

7. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on attention-enhanced generative adversarial network, Engineering Structures, 2023, 274, 115170. DOI: 10.1016/j.engstruct.2022.115170.

8. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent beam layout design for frame structure based on graph neural networks, Journal of Building Engineering, 2023, 63, Part A: 105499. DOI: 10.1016/j.jobe.2022.105499.

9.  Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on graph neural networks, Advanced Engineering Informatics, 2023, 55, 101886, DOI: 10.1016/j.aei.2023.101886

10. Liao WJ, Wang XY, Fei YF, Huang YL, Xie LL, Lu XZ*, Base-isolation design of shear wall structures using physics-rule-co-guided self-supervised generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2023, DOI:10.1002/eqe.3862.

11. Feng YT, Fei YF, Lin YQ, Liao WJ, Lu XZ, Intelligent generative design for shear wall cross-sectional size using rule-Embedded generative adversarial network, Journal of Structural Engineering-ASCE, 2023, 149(11). 04023161. DOI:10.1061/JSENDH.STENG-12206.

12. Fei YF, Liao WJ, Lu XZ*, Guan H*, Knowledge-enhanced graph neural networks for construction material quantity estimation of reinforced concrete buildings, Computer-Aided Civil and Infrastructure Engineering, 2023, DOI: 10.1111/mice.13094.

13. Zhao PJ, Fei YF, Huang YL, Feng YT, Liao WJ, Lu XZ*, Design-condition-informed shear wall layout design based on graph neural networks, Advanced Engineering Informatics, 2023, 58: 102190. DOI: 10.1016/j.aei.2023.102190.

14. Fei YF, Liao WJ, Lu XZ*, Taciroglu E, Guan H, Semi-supervised learning method incorporating structural optimization for shear-wall structure design using small and long-tailed datasets, Journal of Building Engineering, 2023, DOI：10.1016/j.jobe.2023.107873