2023 Fiscal Year Research-status Report
Analysis and design of building frames using machine learning considering uncertainty of parameters
| Project/Area Number |
23K04104
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
大崎 純 京都大学, 工学研究科, 教授 (40176855)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山川 誠 東京理科大学, 工学部建築学科, 教授 (50378816)
林 和希 京都大学, 工学研究科, 助教 (80908757)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Keywords | 構造最適化 / 機械学習 / 鋼構造骨組 / パラメータの不確定性 / 立体骨組 / 平面骨組 |
|---|
| Outline of Annual Research Achievements |
・静的地震力を受ける平面骨組を対象とし，梁・柱の部材断面と材料定数のばらつきを考慮して，応力と層間変形角の最大値をニューラルネットワークで予測するモデルを作成した。また，最大応答の推定のために重要な特徴量をPFI（Permutation Feature Importance）で選択（抽出）し，少ない特徴量で最大応答量を精度を落とすことなく予測可能であることを示した。
・鋼構造立体骨組を対象とし，応力，柱梁耐力比，層間変形角に関する制約を満たし，鋼材量が最小となるような部材断面寸法を規格値集合から選択する離散最適化問題に対し，ポリシーネットワークを用いた強化学習によって断面寸法を更新する手法を提案した。また，この手法は3次元畳み込みを用いるため，小規模な骨組での学習結果を大規模な骨組に適用できる。
・平面分解した構面の最適化により得られた部材断面に基づいて，立体骨組の断面を再構築する離散最適化手法として，マルチエージェント強化学習による手法を提案した。エージェント1は状態から累積報酬の期待値を予測し，エージェント2は各行動による累積報酬を予測する。本手法により，平面骨組への分解と立体骨組への再構築により，立体骨組を最適化することができる。
・周期的な格子構造を対象として，ニューラルネットワークによる応答予測モデルの構築法を提案し，静的荷重に対する剛性最大化を目的とした位相最適化を行った。また，隣接部材との接続関係を考慮するフィルタリングを用いた特徴選択により，少ない特徴数を用いて十分な精度のニューラルネットワークが構築でき，その結果を用いた焼きなまし法により近似最適解が少ない解析回数で精度よく得られることを示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究目的を達成するために必要な基本的手法を構築することができた。2年度では，国際会議と国内会議で発表し，査読付き論文を執筆予定である。
|
| Strategy for Future Research Activity |
2年度と最終年度では，研究計画に記載のとおり，下記の3つの方針で進める。
・グラフ構造を用いた特徴量のモデル化と抽出法の導入
・強化学習による平面骨組の構造設計法の提案
・平面骨組への分解と復元による立体骨組の設計法
なお，計画では機械学習の手法としてサポートベクターマシンを中心に考えていたが，計算効率の関係からニューラルネットワークに移行することを考えている。また，研究分担者の研究室から研究代表者の研究室に博士課程学生が入学し，研究体制も十分である。
|
| Causes of Carryover |
初年度は，資料収集及び成果発表のための経費が想定より少なかった。繰り越した経費は，2年度と最終年度において，国内外のシンポジウムでの発表，論文の掲載などに使用する。さらに，研究に協力する博士課程学生の研究環境を整えるための計算機，ソフトウェアおよび謝金のために使用する。
|
