DEVELOPMENT OF A MACHINE-LEARNING-BASED WEB APPLICATION TOOL FOR PARAMETRIC DAMPER DESIGN

 日鉄エンジニアリングとの共同で、免・制振部材の膨大な配置ケースの地震応答を人工知能により数分以内に算出し、設計者が基本計画時の設計条件(耐震性能・コスト)を満たすおおよその部材配置を検討するためのWebアプリケーションNS-AIDD (エヌエス-エイド、AI-based Damper Design System)を開発いたしました。私が発明者と開発者の1人です。 ここ数年にわたって、耐震設計のパラメトリックデザインとも呼べる「対話的な耐震最適化手法」を検討しており、NS-AIDDはこれからの耐震設計ツールの一方向性を示唆するために開発しました。 長いこと悩んで作っていましたが、Done is better than perfectということで、とにかく世に出してみることにしました。結果的にですが、NS-AIDDは、耐震設計の領域において、人工知能を実用レベルで活用した初めての事例であり、これから様々な議論の的として使っていただき、皆様と暖かく育てていければと思います。このページの動画は2024年7月にイタリアで開催された世界地震工学会議での発表スライドです。また,日本語では2022年10月号の鉄構技術に特集記事を執筆しましたのでご笑覧いただければ幸いです。最後に開発にあたりご助言いただいたAI研究会の皆様に感謝申し上げます。会議論文はこちら

According to the common use of seismic energy-dissipation devices (i.e. dampers), in Japan, practical computational optimal damper design methods satisfying multiple design constraints are attracting attention, and are becoming to be actually used. Nevertheless, while these methods produce an optimal design solution exactly following the optimization problem, another (not optimal) design option is often adopted in design practice because it is still a challenge to include highly indeterminate engineering judgments into the procedure. On the other hand, the manual trial-and-error study with numerical simulation can proceed with the damper design while incorporating the engineering judgments, but perhaps miss better design options in the limited design period. Therefore, the Tokyo Institute of Technology and Nippon Steel Engineering developed a web application tool called NS-AIDD ® (AI-based Damper Design System), where machine-learning models quickly evaluates seismic responses of a huge number of damper design options, and the results are organized on the clear graphical user interface, for the efficient seismic design of supplementary damped structures and seismically isolated structures while combining the digital tools and engineering judgment. This paper presents the motivation in Japanese design practice, an overview of the tool, and the limitations of the machine-learning models. The paper is here.

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!