10、利用拓扑人工智能生成新型建筑设计

利用拓扑人工智能生成新型建筑设计

在建筑和人工智能领域，设计自动化一直是追求的目标。随着可扩展的人工智能和机器学习方法的出现，以及用于训练的建筑设计数据的增加，研究人员正朝着这一目标迈进。本文将介绍几种适合人工智能和机器学习处理的建筑设计数据表示方法，以及有助于最终实现设计自动化的相关技术。

设计自动化的关键步骤

创造性设计过程自动化的关键在于发现功能良好的设计的基本构建块。传统上，如果已知基本构建块和组装规则，可使用形状语法来生成新设计。但在本文的研究中，我们不预先假设知道组件如何组成设计的规则或设计的基本构建块，而是认为可以通过从设计数据中学习其重复出现的模式，来发现显著和潜在的设计规则。我们的目标是结合拓扑学进行高层次设计考量，结合几何学进行低层次设计考量，开发现代建筑设计理论，并将几何属性（如尺寸、热和空气分布地图）和非几何属性（如美学、氛围和精神性）纳入模型，创建一个全面的设计空间。

应用拓扑学辅助设计

拓扑学与几何学不同，它抽象掉了物理距离的概念，保留了邻近性和连续性的概念，这使得我们能够在比几何学更高的抽象层次上探索复杂设计。实际上，许多具有不同几何形状的设计可以由相同的拓扑空间表示。

常见的拓扑结构包括图（节点和边，无长度）和单纯复形（节点、边和更高维面），但这些结构在建模设计数据时存在局限性，因为它们的数学构造过于严格。近年来，有人提出使用非流形拓扑学的概念来建模建筑空间，由此产生了拓扑工具包，允许对这些结构进行简单的二进制操作（如添加/删除）。为了探索更复杂的设计问题，我们还研究了闭包有限弱拓扑（CW）复形，它不仅有坚实的数学基础，而且在计算上是可行的。

拓扑学在数据分析方面也很有用。丰富的拓扑数