2022 Fiscal Year Annual Research Report
Development of a combined method of graph embedding and machine learning for optimal design of skeletal structures
| Project/Area Number |
21K20461
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
林 和希 京都大学, 工学研究科, 助教 (80908757)
|
|---|
| Project Period (FY) |
2021-08-30 – 2023-03-31
|
| Keywords | グラフ埋め込み / 機械学習 / 強化学習 / 教師あり学習 / 建築構造最適化 |
|---|
| Outline of Annual Research Achievements |
前年度に改良を行ったグラフ埋め込み手法を利用し、施工途中で支保工の数が少なくなるよう立体トラスの部材の施工順序を最適化するという実用的な問題に対する強化学習アプローチを提案した。既往の遺伝的アルゴリズム(GA)や共分散適応進化戦略(CMA-ES)といった最適化手法と比較して数千倍の速度で近似最適解が求められることを大規模なトラスモデルを用いて例証した。
また、当初の計画通りグラフ埋め込み手法を強化学習だけでなく他の機械学習手法に適用したケーススタディも行った。例えば、軸力を負担する細い部材を組み合わせて空間を覆うラチスシェル構造が鉛直方向の荷重を受けて変形する際の非線形挙動の度合いを表す指標である弾性座屈荷重低減係数を予測するため、グラフ埋め込みと教師あり学習を用いた手法を提案した。数値例題を通して、学習に用いなかったラチスシェルモデルに対しても高い予測精度を発揮することを確認できた。また、材料の一部を削って柔軟な曲げ機構を得るカーフベンディングの構造モデルをグラフ構造で表現する手法を提案し、さらにシミュレーションと3Dプリンター・レーザーカッターを用いたプロトタイピングを通じて、提案する構造モデルが実挙動と一致することを確認した。カーフベンディングの構造性状をグラフ埋め込みで捉えるまでには至っていないが、実挙動に近いモデルをグラフで表現できたことは、本研究プロジェクトで開発した汎用的なグラフ埋め込みモデルを用いて、複雑な切削パターンをもつカーフベンディング構造の特徴を機械学習によって捉えられる可能性を示唆している。
研究期間全体を通してトラス、鋼構造骨組、ラチスシェル、カーフベンディング構造といった多様な構造物に対するグラフモデル化・グラフ埋め込みの適用を試み、当初の目標であった「より効率的かつ汎用性の高い構造最適化ワークフロー」を構築できることを実証した。
|
