AI剪力墙设计问卷调查结果

1

问卷介绍与回顾

       在5月7日发布的推送中我们邀请大家一起分辨不同剪力墙方案的设计结果到底是AI完成的还是工程师完成的（详见：新AI设计算法测试，请您猜一猜，这个结构是AI设计的还是工程师设计的？），非常感谢大家热情支持，最终回收有效问卷201份，下面就和大家一起分享一下结果，并揭晓谜题吧~

       先回顾一下我们问卷的内容，本次问卷共包含10道题目，每道题目分为两个评价方面：（1）请大家依据直观感受判断某结构图是由AI设计还是工程师设计；（2）请大家依据设计经验对某结构图设计合理性进行评分。

问卷示例

2

问卷统计结果

      本次问卷的最终统计结果如下表所示，其中“GAN(v0.0.4)设计”是指目前在https://ai-structure.com网站上提供服务的算法设计结果，“GAN(v0.0.5)设计”则是近期改进的算法设计的结果。

2.1 图纸设计者判断

2.2 结构图设计合理性评分

       从结果中可以看到：38%的“GAN(v0.0.5)设计”被判定为工程师设计，并且“GAN(v0.0.5)设计”与工程师设计的合理性评分差异仅约-11%，表明工程师对“GAN(v0.0.5)设计”的认可度较高。

       此外，新算法相较于上一版本被判定为工程师设计的概率提升了116%，得分提升了14%，可见新算法的性能提升显著。其关键原因是新算法对结构的细节设计进行了改进调整。这样除了整体相似，在细节上也更加符合工程设计经验。

        非常有趣的是，有44.53%的工程师设计结果被判定为是AI设计结果，可能是因为大家知道我们这个问卷是进行AI设计测试，所以潜意识里面总是希望把结果判定为AI的设计结果。

3

设计结果揭晓

3.1 GAN(v0.0.4)设计图

3.2 GAN(v0.0.5)设计结构图

3.3 工程师设计结构图

       再次感谢大家的热情支持，每一个问卷结果都为AI设计的后续优化提供了重要参考！

联系方式

QQ群：741840451（欢迎入群交流讨论）

廖文杰：[email protected]；

费一凡：[email protected]

ai-structure.com网站中也有联系我们选项

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.