۱۴۰۳/۰۴/۳۰

دومین همایش سالانه «هفته پژوهش»

دومین همایش سالانه «هفته پژوهش» با حضور برخی اساتید برجستة دانشگاه پارس تحت محورهای گوناگون به‌همراه برگزاری کارگاه‌های عملی برگزار گردید.
دومین همایش سالانه «هفته پژوهش»

 دکتر رضا باباخانی در این همایش عنوان نمود دانش معماری گام‌های بسیار مهمی برای عبور از فرایند طراحی خطی یا دایره‌ای به سمت تفکر طراحی مبتنی بر استخراج دانش، خلق دانش و کاربرد دانش از داده‌ها، فراداده‌ها و اطلاعات یکپارچه در بستر فناوری هوش مصنوعی برداشته است. در واقع، هوش مصنوعی دارای ساختار ایدئولوژیک جدیدی است که در حال دگرگون کردن باورها و اندیشه‌های جایگاه معمار و فرایند خلق اثر معماری است، همچنین از نظر تکنولوژیک، فن آوری و ابزاری نوین برای بقا و ارتقا دانش معماری خواهد بود. در حقیقت هوش مصنوعی پارادایمی جدیدی است که هم به لحاظ ایدئولوژیک در حال ایجاد تغییر در مفاهیم بنیادی، معرفت‌شناسی و هستی‌شناسی و هم به لحاظ تکنولوژیک در حال شکل بخشیدن به فناوری‌ها و ابزارهای مدرن معماری است. 

وی عنوان نمود؛ بر اساس مطالعات انجام شده و بررسی‌های صورت‌گرفته در پژوهش رساله ی دکتری ایشان هر بخش از فرایند معماری (طراحی، ترسیم و غیره)، شناخت مسئله (طول زمین، عرض زمین، تعداد طبقات، تعداد واحد و غیره)، قوانین و مقررات (ارتفاع جان‌پناه، ارتفاع کف تا سقف و غیره) و همچنین عناصر معماری (در، پنجره، کف، سقف و غیره) نیاز به الگوریتم‌ها و یا فرمول‌های محاسباتی متفاوتی از یکدیگر دارند. در واقع اولین یافته پژوهش ایشان نشان می‌دهد که نمی‌توان تمام فرایند معماری را با یک الگوریتم (تکاملی، یادگیری ماشین، یادگیری عمیق، سیستم‌های خبره) در ساختار هوش طراحی خودکار پیاده‌سازی نمود.

 در واقع برای دریافت پاسخ مطلوب در فرایند معماری نیازمند به استفاده از الگوریتم های متناسب باهدف معماری است؛ بنابراین بر اساس مدل نظری و عملی ارائه گردیده الگوریتم یادگیری ماشین به‌واسطه ساختار شبکه های GNN نمونه پذیر خود می‌توانkد نمونه‌هایی را (از طریق تبدیل پلان‌ها به بردارهای عددی گراف) ذخیره و بازشناسی نماید و ازروی ساختار الگوریتم ژنتیک که یک الگوریتم جستجوگر و توسعه‌پذیر است، هر بار نمونه‌های بیشتری را از پلان‌های معماری بر اساس مدل محاسباتی تولید و در نهایت به کمک الگوریتم‌های یادگیری عمیق در شبکه‌های عصبی خود ذخیره و به‌مرورزمان به دانش طراحی خودکار پلان‌های معماری خود بی افزاید.

همچنین در ادامه با استفاده از محاسباتی مانند فاصله کسینوسی که یک رابطه ریاضی برای سنجش شباهت‌های بردارها است، میزان شباهت یا عدم شباهت روابط فضایی، هم‌جواری، هم‌پوشانی، بازشوهای پلان‌ها را برآورد نمود. در واقع با تبدیل روابط فضایی به شکل یک ماتریس و سپس با نگاشت آن به یک بردار عددی می‌توان فرایند تشابه سنجی را میان نمونه‌های آموزش‌دیده و نمونه‌های تولید شده در هوش طراحی خودکار تشابه سنجی نمود و در صورت وجود اختلاف آن را محاسبه نمود تا بهترین چیدمان فضایی در پلان پیشنهاد گردد. ایشان در پایان عنوان نمودن با حضور هوش مصنوعی در فرایندهای معماری بزودی می توان از زمان درخواست نقشه های ساختمانی تا زمان رسیدن به نقشه معماری مناسب سرعت، دقت و هزینه های تولید را کاهش داد. 

انتهای پیام/

نظر خود را درباره این خبر ثبت نمائید