Structural Design with Machine Learning
2017 -
Die Combinatorial Equilibrium Modelling (CEM) ist ein formgebendes Werkzeug für die Tragwerksplanung auf Basis der 3D-Grafikstatik und -Grafiktheorie, das die interaktive Generierung von gemischten Spannungs-Kompressionsgleichgewichtsformen über verschiedene untypologische Gestaltungsräume hinweg ermöglicht, wobei die Erforschung der Gestaltungsräume, die komplexen dreidimensionalen Strukturen mit Hilfe der CEM zugeordnet sind, aufgrund der Vielzahl von Parametern, die vom Konstrukteur gesteuert werden müssen, eine schwierige Aufgabe darstellen könnte.
In diesem Forschungsprojekt wird im Rahmen einer laufenden Forschungskooperation zwischen dem Lehrstuhl für Tragwerksplanung und dem Lehrstuhl für Computer Aided Architectural Design (CAAD) an der ETH Zürich das Potenzial zur Kombination von CEM und Machine Learning aufgezeigt. Es wird ein Design-Framework entwickelt, das die Vorteile der Interaktion zwischen menschlicher und maschineller Intelligenz nutzt. Dank Algorithmen wie Self Organizing Map (SOM) und Gradient Boosting Trees wird die Maschine im vorgeschlagenen Ansatz verwendet, um den Konstrukteur bei der Suche nach innovativen und geeigneten Lösungen für statische Entwurfsaufgaben zu unterstützen, die über die herkömmlichen strukturellen Typologien hinausgehen.
Forschungsteam:
Patrick Ole Ohlbrock, Pierluigi D′Acunto (ETH Zürich, Lehrstuhl für Tragwerksentwurf)
Karla Saldana, Vahid Moosavi (ETH Zürich, Computer Aided Architectural Design)
Verwandte Publikationen:
Lukas Fuhrimann, Vahid Moosavi, Patrick Ole Ohlbrock, Pierluigi D'Acunto: Data-Driven Design: Exploring new Structural Forms using Machine Learning and Graphic Statics, Proceedings of the IASS Symposium 2018 - Creativity in Structural Design, Boston, 2018.
last modified 24.9.2019