AI-Arch 学習プログラム 全体概要

📊 グループワークテーマ資料: テーマ説明.pdf

  • FEM解析とAIを活用したパラメトリック建築設計最適化の概要

🔧 準備

📄 詳細な手順書: 演習フォルダの準備.pdf

💻 Windows環境での演習準備: PowerShell基本操作ガイド

  • 共有ドライブからのダウンロード手順とPowerShellでの実行方法を参照してください

  • 演習で使用する基本的なコマンド操作を確認してください

📚 学習の流れ

AIを使った建築設計最適化を，4つのフェーズで段階的に学習します．

graph TB Start([🚀 スタート]) --> A A["
📖 基本理解: 20個パラメータ→5評価指標
🧪 体験: test_generate_building_win.py
"] A --> B B["
📊 データ収集: 400件サンプリング
📈 可視化: カード表示・ダッシュボード
"] B --> C C["
🔬 PSO理論: 粒子群最適化の原理
🏗️ PSOの適用: 建築デザインの最適化
"] C --> D D["
💡 実践演習: PSOの改良
🎯 独自最適化: 目的関数カスタマイズ
"] D --> Goal([🏆 完了！]) style Start fill:#ffebcd,stroke:#ff6347,stroke-width:2px style Goal fill:#90ee90,stroke:#228b22,stroke-width:2px style A fill:#e3f2fd,stroke:#1976d2,stroke-width:2px style B fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px style C fill:#fff3e0,stroke:#f57c00,stroke-width:2px style D fill:#e8f5e9,stroke:#388e3c,stroke-width:2px

🎯 学習プログラム全体

1️⃣ フェーズ1: 基本理解

目的: パラメータを手動で変更しながら，設計パラメータ（入力）と建物の性能（出力）の関係を体験的に理解する．

使用ツール: test_generate_building_win.py

学習内容:

  • 20個の設計パラメータの意味と範囲
  • 5つの評価指標（安全性，経済性，環境性，快適性，施工性）
  • パラメータ変更による性能への影響
  • トレードオフ関係の理解

参考資料:

演習:

  • 演習1: パラメータ変更による性能変化の観察
  • 演習2: 設計パラメータと建物性能の関係理解

2️⃣ フェーズ2: データ分析

目的: ランダムサンプリングで収集した大量のデータから，設計の傾向を把握する．

データ: 400件の設計案（収集済み）

学習内容:

  • ランダムサンプリングの仕組み
  • データの可視化と分析手法
  • パラメータと性能の相関関係
  • 材料選択による影響

参考資料:

分析ツール:

3️⃣ フェーズ3: 最適化

目的: PSO（粒子群最適化）アルゴリズムの理論を学び，実際に最適化を実行・監視する．

使用ツール:

  • pso_algorithm_win.py - PSO実行
  • monitor_pso_win.py - リアルタイム監視
  • gbest_generate_building.py - 最良解の3Dモデル生成

学習内容:

  • PSOアルゴリズムの基本概念
  • 20次元設計空間での探索
  • 適応度関数の設定
  • 収束過程の監視

参考資料:

演習:

  • 演習1: 基本的なPSO実行
  • 演習2: PSOパラメータ調整実験

4️⃣ フェーズ4: 実践演習

目的: 学んだ知識を総動員して，独自の目的関数を設計し，設計最適化に挑戦する．

グループワーク課題:

  1. 課題1: 安全性制約下でのコスト最小化（最大300評価）
  2. 課題2: 独自の適応度関数設計

学習内容:

  • 目的関数のカスタマイズ
  • 制約条件の実装
  • トレードオフの数式化
  • 最適化結果の評価

参考資料:

必要な環境

ソフトウェア:

  • Python 3.x
  • FreeCAD 1.0 または 0.21
  • Webブラウザ（Chrome推奨）

作業フォルダ:

  • code_win/ - Windowsユーザー

サポートファイル

設定ファイル:

  • pso_config.py - PSO設定と適応度関数
  • test_params - テスト用パラメータ

出力ファイル:

  • test_results.csv - 評価結果の記録
  • pso_output/csv/ - PSO実行ログ
  • .FCStd - 3Dモデルファイル

📊 学習成果

このプログラムを完了すると，以下のスキルが身につきます：

  • 1. パラメトリック設計の理解

    • 設計変数と性能の関係
    • トレードオフの把握

  • 2. データ駆動設計の実践

    • 大量データの分析
    • 傾向の発見と活用

  • 3. 最適化技術の応用

    • PSOアルゴリズムの理解
    • 目的関数の設計能力

  • 4. 実践的な問題解決

    • 制約条件の考慮
    • 独自の評価基準の構築

これらのスキルは，建築設計だけでなく，様々な最適化問題に応用可能です．