ジェネレーティブデザイン
反復プロセスとしてのジェネレーティブデザインのスキーマ
グト・レケナがジェネレーティブデザインで制作した家具「サンバ」

ジェネレーティブデザインは、ソフトウェアを使用して、設計者が反復的に調整する一連の制約を満たす出力を生成する反復的な設計プロセスです。人間、テストプログラム、人工知能など、設計者は、進化する設計要件を満たすために、各反復でアルゴリズム的または手動でプログラムの入力と出力の実現可能領域を調整します。 [ 1 ]計算能力を使用して、人間だけでは不可能なほど多くの設計の順列を評価することにより、このプロセスは、遺伝的変異と選択を通じた自然の進化的設計アプローチを模倣した最適な設計を生み出すことができます。出力は、画像、音、建築模型、アニメーションなど、多岐にわたります。したがって、これは、アート、建築、コミュニケーションデザイン、製品デザインなど、さまざまな設計分野で使用されている、設計の可能性を迅速に探求する方法です。[ 2 ]

ジェネレーティブデザインは、新しいプログラミング環境やスクリプト機能によって、プログラミング経験の少ない設計者でも比較的簡単にアイデアを実装できるようになり、その重要性が増しています。[ 3 ]さらに、このプロセスでは、他の方法ではリソースを大量に消費してしまうような非常に複雑な問題に対するソリューションを作成できるため、ソリューションセットが大きい、または未知である問題に対するより魅力的な選択肢となっています。[ 4 ]また、市販のCADパッケージのツールによっても容易になっています。[ 5 ]実装ツールがよりアクセスしやすくなっただけでなく、ジェネレーティブデザインを基盤として活用するツールもアクセスしやすくなりました。[ 6 ]

近年の進歩により、トポロジー最適化と生成的敵対的ネットワーク（Generative Adversarial Networks：GAN）などの深層学習モデルを統合したフレームワークであるディープ・ジェネレーティブ・デザイン（Deep Generative Design）が開発されました。従来の進化的手法は主にエンジニアリング性能に焦点を当てていましたが、このアプローチでは、深層生成モデルを用いて美的多様性と新規性を高めながら、同時にエンジニアリング上の制約も満たします。例えば、Ohら（2019）の研究では、境界平衡型GAN（Boundary Equilibrium GAN：BEGAN）を用いて多様なデザインオプションを生成し、密度ベースのトポロジー最適化によってそれらを洗練させることで、構造的完全性と視覚的バリエーションのバランスをとる複雑なデザイン空間の探索を可能にするフレームワークが提案されました。[ 7 ]

実際には、ジェネレーティブデザインは単一の最適解を生み出すことだけを目的とするのではなく、計算モデル内のパラメータ、制約、評価基準を変更することで設計問題を反復的に改良し、結果として設計者が選択できる複数の設計選択肢を生み出すことを目的としている。[ 8 ]

建築における使用

建築におけるジェネレーティブデザインは、反復的な設計プロセスであり、建築家がより多くの可能性と創造性を持ってより広い解決空間を探索できるようにします。[ 9 ]建築設計は長い間、厄介な問題と見なされてきました。[ 10 ]従来のトップダウン設計アプローチと比較して、ジェネレーティブデザインは、パラメトリックで定義されたルールを使用して複雑なソリューションを生成するボトムアップパラダイムを使用することで、設計上の問題に効率的に対処できます。その後、ソリューション自体は、最適ではないにしても、優れたソリューションへと進化します。[ 11 ]設計ツールとしてジェネレーティブデザインを使用する利点は、固定された形状を構築するのではなく、一連の設計ルールを使用して無限の可能な設計ソリューションを生成できることです。生成された設計ソリューションは、問題に対して より敏感で、応答性が高く、適応性があります。

生成的デザインには、設計プロセスに統合されるルール定義と結果分析が含まれます。[ 12 ]パラメータとルールを定義することにより、生成的アプローチは構造の安定性と美観の両方に対して最適化されたソリューションを提供できます。使用可能な設計アルゴリズムには、セルラーオートマトン、形状文法、遺伝的アルゴリズム、空間構文、そして最近では人工ニューラルネットワークがあります。生成されたソリューションは非常に複雑であるため、有限要素法やトポロジー最適化などのルールベースの計算ツールが、生成されたソリューションを評価および最適化するために好まれます。[ 13 ]コンピュータソフトウェアによって提供される反復プロセスにより、設計において試行錯誤のアプローチが可能になり、建築家が最適化プロセスに介入することになります。

歴史的に先行する作品としては、構造にルールに基づいた幾何学的形状を使用したアントニ・ガウディのサグラダ・ファミリア[ 14 ]や、最終製品ではなく個々のコンポーネントを生成するようにルールが設計されたバックミンスター・フラーのモントリオール・バイオスフィア[ 15 ]などがあります。

最近のジェネレーティブデザインの事例としては、フォスター・アンド・パートナーズのクイーン・エリザベス2世グレートコートが挙げられます。このプロジェクトでは、幾何学的スキーマを使用して階層関係を定義し、モザイク状のガラス屋根を設計し、生成されたソリューションを幾何学的および構造的要件に基づいて最適化しました。[ 16 ]

持続可能なデザインでの使用

持続可能な設計におけるジェネレーティブデザインは、建物が世界の温室効果ガス排出量の約3分の1と建物全体のエネルギー使用量の30～40％を占めていることを認識し、設計の初期段階でエネルギー効率と気候変動に対処する効果的なアプローチです。[ 17 ]環境原則とアルゴリズムを統合し、エネルギー性能を向上させ、二酸化炭素排出量を削減し、廃棄物を最小限に抑えるための無数の設計代替案の検討を可能にします。

持続可能な設計におけるジェネレーティブデザインの重要な特徴は、設計プロセスに建物性能シミュレーション(BPS)を組み込む能力である。EnergyPlus [ 18 ]、Ladybug Tools [ 19 ]などのシミュレーションプログラムをジェネレーティブアルゴリズムと組み合わせることで、費用対効果の高いエネルギー使用とゼロカーボンの建物設計の設計ソリューションを最適化できる。例えば、GENE_ARCHシステムは、建物全体の設計最適化のために、建物エネルギーシミュレーションを備えたパレートアルゴリズムを使用しました[ 20 ] 。 [ 21 ]ジェネレーティブデザインは、適応型ファサード設計におけるセルラーオートマトンと日光シミュレーションのアルゴリズムで示されるように、持続可能なファサード設計を改善しました。 [ 22 ]さらに、高層ビルのファサード上のエネルギー効率の高い太陽光発電 (PV) モジュールの放射シミュレーションで遺伝的アルゴリズムが使用されました。[ 23 ]ジェネレーティブデザインは、環境への影響を最小限に抑えるために外壁設計を最適化するためにグリッドサーチアルゴリズムを使用するフレームワークで実証されているように、ライフサイクル分析(LCA)にも適用されています。[ 24 ]

多目的最適化には、バイオミミクリーと日光シミュレーションを使用したインタラクティブなキネティックルーバーなど、多様な持続可能性の目標が含まれており、日光、視覚的快適性、エネルギー効率を向上させます。[ 25 ] PVとシェーディングシステムの研究は、現場での電力を最大化し、視覚品質と日光パフォーマンスを向上させることができます。[ 26 ]

人工知能（AI）と機械学習（ML）は、複雑な気候対応型持続可能な設計における計算効率をさらに向上させます。ある研究では、持続可能なキャンパスの設計パラメータとエネルギー使用の関係を特定するために強化学習を採用しました。 [ 27 ]一方、他の研究では、遺伝的アルゴリズムとGANを使用して、さまざまな屋根の状況下で日光の照度と熱的快適性のバランスをとるなどのハイブリッドアルゴリズムを試しました。[ 28 ]深層強化学習（DRL）やコンピュータービジョン（CV）などの他の一般的なAIツールも統合され、直射日光の時間と太陽熱の取得に応じて都市ブロックが生成されました。[ 29 ]これらのAI主導の生成設計手法により、シミュレーションと設計上の意思決定が高速化され、環境に配慮した設計が実現します。

積層造形における使用

積層造形（AM）は、材料を層ごとに接合することで、3次元（3D）データから直接物理モデルを作成するプロセスです。AMは、製品やシステムに直接適用するために設計された最終部品である様々な最終用途部品の製造に産業界で利用されています。AMは、航空宇宙、自動車、医療、携帯電子機器など、性能向上のために重量の最小化が重要な軽量アプリケーションにおいて、設計の柔軟性と材料削減を実現します。AMにおける軽量設計の4つの主要手法の1つであるジェネレーティブデザインは、特定の性能要件に合わせて構造を最適化するために一般的に適用されています。[ 30 ]

ジェネレーティブデザインは、パフォーマンスの向上とコストの最小化など、複数の目的のバランスをとる最適化されたソリューションの作成に役立ちます。[ 31 ]積層造形設計（DfAM）では、多目的トポロジー最適化を用いて複数の候補ソリューションを生成します。設計者は、専門知識と主要業績評価指標（KPI）を用いてこれらの選択肢を評価し、実装に最適なオプションを選択します。[ 30 ]

しかし、AM の制約 (構築速度、材料、構築エンベロープ、精度など) をジェネレーティブ デザインに統合することは、すべてのソリューションが有効であることを確認するのが複雑であるため、依然として困難です。[ 30 ]計算コストを制限しながら複数の設計目標のバランスを取ることは、設計者にとってさらに課題となります。[ 32 ]これらの困難を克服するために、研究者は、意思決定の効率を改善する製造検証を備えたジェネレーティブ デザイン手法を提案しました。この手法は、構成的ソリッド ジオメトリ(CSG) ベースの手法から開始し、正確な幾何学的制御を備えた滑らかなトポロジ形状を作成します。次に、遺伝的アルゴリズムを使用してこれらの形状を最適化し、この手法では、さらなる評価と最終的な意思決定のために、パレート最適解の最高の非劣解のセットを設計者に提供します。 [ 32 ]複数の手法を組み合わせることで、この方法は、より低い計算コストで滑らかな境界を持つ高品質のソリューションを多数生成できるため、AM で軽量構造を設計するための実用的なアプローチになっています。

ソフトウェアプロバイダーは、トポロジー最適化手法に基づいて、ツールにジェネレーティブデザイン機能を導入し、設計者が基準を設定し、ソリューションをランク付けできるようにしました。[ 30 ]産業界はAMのジェネレーティブデザインの進歩を推進しており、幅広いソリューションを提供するだけでなく、産業用途のワークフローを合理化するツールの必要性を浮き彫りにしています。[ 31 ]

参照

参考文献

  1. ^マインチェス、キース。「ジェネレーティブデザイン」とは？ - CIMdata 。 2018年6月15日閲覧。
  2. ^ ENGINEERING.com. 「ジェネレーティブデザイン：生産への道」 www.engineering.com . 2019年12月5日閲覧。
  3. ^ Schwab, Katharine (2019年4月16日). 「これはジェネレーティブデザインを用いて作られた初の商用椅子だ」 Fast Company . 2019年4月16日時点のオリジナルよりアーカイブ。 2019年8月13日閲覧。
  4. ^ Bose, Prasanta; Rajamoney, Shankar A.; Rosenbloom, Paul S.; Wagner, Chris (2014-09-04).構成的モデルベースデザイン：物理システムの概念設計への生成的アプローチ. 南カリフォルニア大学. OCLC 1003551283 . 
  5. ^ Barbieri , Loris; Muzzupappa, Maurizio (2022). 「ジェネレーティブデザインとトポロジー最適化ツールに基づくパフォーマンス主導型エンジニアリング設計アプローチ：比較研究」応用科学. 12 (4): 2106. doi : 10.3390/app12042106 .
  6. ^アンダーソン、フレイザー、グロスマン、トヴィ、フィッツモーリス、ジョージ (2017年10月20日).トリガーアクション回路：ジェネレーティブデザインを活用した初心者向け回路設計・構築支援. ACM. pp.  331– 342. doi : 10.1145/3126594.3126637 . ISBN 978-1-4503-4981-9. S2CID  10091635 .
  7. ^ Oh, Sangeun; Jung, Yongsu; Kim, Seongsin; Lee, Ikjin; Kang, Namwoo (2019). 「ディープジェネレーティブデザイン：トポロジー最適化とジェネレーティブモデルの統合」. Journal of Mechanical Design . 141 (11): 111405. arXiv : 1903.01548 . doi : 10.1115/1.4044229 .
  8. ^グラディシャール、ルカ;クリンク、ロバート。トルコ語、ジガ。ドレンツ、マテヴシュ (2022)。「デザイナーとアルゴリズムの相乗効果を活用するジェネレーティブ デザインの方法論とフレームワーク」建物。12 (12): 2194.土井: 10.3390/buildings12122194。
  9. ^ Krish, Sivam (2011). 「実用的なジェネレーティブデザイン手法」.コンピュータ支援設計. 43 (1): 88– 100. doi : 10.1016/j.cad.2010.09.009 .
  10. ^ Rittel, Horst WJ; Webber, Melvin M. (1973). 「一般計画理論におけるジレンマ」(PDF) .政策科学. 4 (2): 155– 169. doi : 10.1007/bf01405730 . S2CID 18634229. 2007年9月30日時点のオリジナル(PDF)からアーカイブ。 
  11. ^ミッチェル, メラニー; テイラー, チャールズ E (1999). 「進化計算：概要」. Annual Review of Ecology and Systematics . 30 (1): 593– 616. Bibcode : 1999AnRES..30..593M . doi : 10.1146/annurev.ecolsys.30.1.593 .
  12. ^ Shea, Kristina ; Aish, Robert ; Gourtovaia, Marina (2005). 「統合型パフォーマンス主導型ジェネレーティブデザインツールに向けて」. Automation in Construction . 14 (2): 253– 264. Bibcode : 2005AutCo..14..253S . doi : 10.1016/j.autcon.2004.07.002 .
  13. ^ Dapogny, Charles; Faure, Alexis; Michailidis, Georgios; Allaire, Grégoire; Couvelas, Agnes; Estevez, Rafael (2017). 「建築設計における形状とトポロジーの最適化のための幾何学的制約」(PDF) .計算力学. 59 (6): 933– 965. Bibcode : 2017CompM..59..933D . doi : 10.1007/s00466-017-1383-6 . S2CID 41570887 . 
  14. ^ヘルナンデス、カルロス・ロベルト・バリオス (2006). 「パラメトリックデザインを考える：パラメトリックGaudiの導入」.デザイン研究. 27 (3): 309– 324. doi : 10.1016/j.destud.2005.11.006 .
  15. ^エドモンドソン、エイミー・C (2012). 「構造とパターンの完全性」.フラーによる説明：R・バックミンスター・フラーのシナジェティック幾何学(PDF) . シュプリンガー・サイエンス＆ビジネス・メディア. pp.  54– 60. doi : 10.1007/978-1-4684-7485-5 . ISBN 978-0-8176-3338-7。
  16. ^ Williams, Chris JK (2001). Burry, Mark; Datta, Sambit; Dawson, Anthony; Rollo, John (編).大英博物館グレートコート屋根の幾何学の解析的および数値的定義(PDF) . Proceedings of math & design 2001: the third international conference. Vol. 200. Geelong Vic Australia: Deakin University. pp.  434– 440. ISBN 0-7300-2526-8。
  17. ^スパヴァロファス、ファトラニス;ウォンマハシリ、ルングロジ。ケオニル、ヌチュナパン;ブニャリティキット、スファット（2024 年 5 月）。「建物のエネルギー効率を高めるためのジェネレーティブ デザイン手法の適用に関する系統的レビュー」。建物。14 (5): 1311.土井: 10.3390/buildings14051311。ISSN 2075-5309。 
  18. ^ https://energyplus.net/
  19. ^ https://www.ladybug.tools/
  20. ^ https://www.doe2.com/DOE2.1E​
  21. ^ Caldas, Luisa (2008-01-01). 「GENE_ARCHを適用したエネルギー効率の高い建築ソリューションの生成：進化型ジェネレーティブデザインシステム」 . Advanced Engineering Informatics . 工学と建築におけるインテリジェントコンピューティング. 22 (1): 59– 70. Bibcode : 2008AdvEI..22...59C . doi : 10.1016/j.aei.2007.08.012 . ISSN 1474-0346 . 
  22. ^ Kim, Jieun (2013-04-21). 「オフィスビルにおける採光性能のための適応型ファサードデザイン：セルオートマトンを用いた開口部設計戦略の検討」 .国際低炭素技術ジャーナル. 10 (3): 313– 320. doi : 10.1093/ijlct/ctt015 . ISSN 1748-1317 . 
  23. ^ Vahdatikhaki, Faridaddin; Salimzadeh, Negar; Hammad, Amin (2022-03-01). 「BIMベースのジェネレーティブデザインアプローチを用いた高層ビル外壁におけるPVモジュール配置の最適化」 . Energy and Buildings . 258 111787. Bibcode : 2022EneBu.25811787V . doi : 10.1016/j.enbuild.2021.111787 . ISSN 0378-7788 . 
  24. ^ Hassan, Sally R.; Megahed, Naglaa A.; Abo Eleinen, Osama M.; Hassan, Asmaa M. (2022-07-15). 「国家ライフサイクルアセスメントツールに向けて：早期意思決定支援のためのジェネレーティブデザイン」 . Energy and Buildings . 267 112144. Bibcode : 2022EneBu.26712144H . doi : 10.1016/j.enbuild.2022.112144 . ISSN 0378-7788 . 
  25. ^ Hosseini, Seyed Morteza; Heiranipour, Milad; Wang, Julian; Hinkle, Laura Elizabeth; Triantafyllidis, Georgios; Attia, Shady (2024-05-19). 「インタラクティブ・キネティック・ルーバーのためのパラメトリック・ジェネレーティブ・デザイン・アプローチを用いたオフィス照明の視覚的快適性とエネルギー効率の向上」 . Journal of Daylighting . 11 (1): 69– 96. doi : 10.15627/jd.2024.5 . ISSN 2383-8701 . 
  26. ^ Banti, Neri; Ciacci, Cecilia; Bazzocchi, Frida; Di Naso, Vincenzo (2024年9月). 「情報に基づいた意思決定による産業用建物の性能向上：建物一体型太陽光発電・日よけシステム最適化のためのジェネレーティブデザイン」 . Solar . 4 (3): 401– 421. doi : 10.3390/solar4030018 . hdl : 2158/1375896 . ISSN 2673-9941 . 
  27. ^ Chang, Soowon; Saha, Nirvik; Castro-Lacouture, Daniel; Yang, Perry Pei-Ju (2019-09-01). 「強化学習とパラメトリックモデリングを用いたキャンパス設計パラメータとエネルギー性能の多変量関係」 . Applied Energy . 249 : 253– 264. Bibcode : 2019ApEn..249..253C . doi : 10.1016/j.apenergy.2019.04.109 . ISSN 0306-2619 . 
  28. ^ Yu, Zhongqi; Ge, Xinyi; Fan, Zhaoxiang; Zhou, Yihang; Lin, Dawei (2024-10-15). 「生成的敵対ネットワークと遺伝的アルゴリズムに基づく開閉式屋根付き水泳プールの日照と温熱環境の最適化フレームワーク」 . Energy and Buildings . 321 114695. Bibcode : 2024EneBu.32114695Y . doi : 10.1016/j.enbuild.2024.114695 . ISSN 0378-7788 . 
  29. ^ Han, Zhen; Yan, Wei; Liu, Gang (2021). 「深層強化学習とコンピュータビジョンを用いたパフォーマンスベースの都市ブロック生成設計」 . Yuan, Philip F.; Yao, Jiawei; Yan, Chao; Wang, Xiang; Leach, Neil (編). Proceedings of the 2020 DigitalFUTURES . シンガポール: Springer. pp.  134– 143. doi : 10.1007/978-981-33-4400-6_13 . ISBN 978-981-334-400-6。
  30. ^ a b c d Vaneker, Tom; Bernard, Alain; Moroni, Giovanni; Gibson, Ian; Zhang, Yicha (2020-01-01). 「積層造形のための設計：フレームワークと方法論」 . CIRP Annals - Manufacturing Technology . 69 (2): 578– 599. doi : 10.1016/j.cirp.2020.05.006 . hdl : 11311/1145339 . ISSN 0007-8506 . 
  31. ^ a b Plocher, János; Panesar, Ajit (2019-12-05). 「積層造形における設計と構造最適化のレビュー：次世代軽量構造に向けて」 . Materials & Design . 183 108164. doi : 10.1016/j.matdes.2019.108164 . hdl : 10044/1/73026 . ISSN 0264-1275 . 
  32. ^ a b Wang, Zhiping; Zhang, Yicha; Bernard, Alain (2021-05-01). 「積層造形のための構成的ソリッドジオメトリベースのジェネレーティブデザイン手法」 . Additive Manufacturing . 41 101952. doi : 10.1016/j.addma.2021.101952 . ISSN 2214-8604 . 

さらに読む

  • ゲイリー・ウィリアム・フレーク著『自然の計算美：フラクタル、カオス、複雑系、そして適応のコンピュータ探究』MIT Press 1998年、ISBN 978-0-262-56127-3
  • ジョン・マエダ：Design by Numbers、MIT Press 2001、ISBN 978-0-262-63244-7
  • クリシュ・シヴァム (2011). 「実用的なジェネレーティブデザイン手法」.コンピュータ支援設計. 43 : 88–100 . doi : 10.1016/j.cad.2010.09.009 .
  • Celestino Soddu: Generative Art Design Papers におけるジェネレーティブデザインに関する論文 (1991–2011) 。C.Soddu、E.Colabella
「 https://en.wikipedia.org/w/index.php?title=Generative_design&oldid=1334277334」から取得