一、报告基本信息

报告人：陆新征，清华大学土木工程系教授、防灾减灾工程研究所所长，兼任《工程力学》期刊主编等重要学术职务，在科研领域成果丰硕，发表论文200余篇，出版中英文专著8部，累计被引用2万余次，连续入选Elsevier“中国高被引学者”（2014 - 2024），获国家自然科学二等奖、北京市科技进步一等奖等多项奖励，成果广泛应用于工程实践与国际学术领域。

-时间：2025年05月06日14:30 - 16:00

-地点：烟台大学土木馆A304

-主办单位：烟台大学土木工程学院

二、建筑结构智能设计的背景与意义

传统建筑结构设计以人力为主，效率较低且依赖设计人员经验，难以满足现代工程需求。深度神经网络技术的发展为智能设计带来新契机，通过学习设计数据、经验知识和规范条文，有望实现高效、精准的设计。陆新征教授的报告围绕建筑结构的“知-力”相融生成式智能设计展开，阐述了如何将工程知识、力学原理与深度学习融合，提升设计的合理性、合规性和安全性，推动建筑结构设计的智能化变革。

三、智能设计的算法原理与实践

（一）生成对抗网络

以“三打白骨精”为喻，生成器如同妖怪模仿真实图像，判别器如同孙悟空分辨真假。二者相互对抗，最终达到平衡，使AI能够生成高度仿真的建筑结构设计，学习并复现人类设计经验，为智能设计提供了有效的生成机制。

（二）图神经网络

用于表示非欧几里德空间关系，通过节点和边组成拓扑结构。以电视剧角色关系为例，可推断对象间关系，这种算法可应用于框架结构控制、节点墙布置等任务，实现从简单分类到复杂关系推断的发展，为建筑结构的关系建模与设计提供了新方法。

（三）扩散模型

通过大量数据训练去除图像噪声提升分辨率，将带噪声的图纸逐步处理为清晰可用的设计图，提升了设计数据的质量，为智能设计提供了更可靠的输入基础。

四、智能设计的优化流程与考量

（一）设计流程

AI先学习大量数据，针对房屋建筑设计要求，构建竖向、水平构件布置算法及构件尺寸确定算法等。以建筑布局为例，依据建筑布局和专业条件，按初步布置、调整设计条件、调整设计结果、满足细节要求四步进行设计，形成从图到图的生成性布置，提升设计的规范性和准确性。

（二）优化考量

AI设计存在学习数据质量不高、设计指标概率计算困难、持续学习能力待提升等问题。为此，提出智能优化算法，将结构设计结果分为宏观（设计条件）、中观（构件透骨关系）、微观（截面尺寸）三类，用图形影响网络无损表现设计结果，让AI学习大量工程案例，实现用钢量等指标的快速估算，提升设计的精度和效率。

（三）优化实践

通过优化低质量图纸训练AI，解决数据质量问题。考虑工程师对时间和精度的不同需求，提出基于有限元的智能算法组合，平衡等待时间和结果精度。优化后的结果反哺训练AI，形成良性循环，持续提升AI设计能力，确保设计结果既符合规范要求，又能满足实际工程的多样化需求。

五、智能设计的工具开发与应用前景

（一）工具开发

开发相关插件工具，可对工程师的建筑设计图纸进行简单预处理，上传至云端服务平台后，能快速生成不同算法的结构布置结果，极大提高了设计效率，简化了设计流程。

（二）应用前景

智能设计虽不能完全取代工程师，但将深刻改变建筑行业。未来，AI助手可提升结构设计能力，承担重复性工作，减少工程师加班。在喷淋系统设计中，可将二十多分钟的设计任务压缩至十分钟，达到接近人类工程师的效果；在消防设计中，能快速算出人的疏散行为，提升设计的科学性和效率。随着技术发展，智能设计将在更多工程领域得到应用，推动建筑行业向智能化、高效化迈进。

六、报告总结

陆新征教授的报告系统阐述了建筑结构“知-力”相融生成式智能设计的核心内容，包括算法原理、优化流程及应用前景。通过融合工程知识、力学原理与深度学习，智能设计为建筑结构领域带来创新变革。尽管面临如确保设计无错等挑战，但前景广阔。该技术有望解决传统设计的效率与经验依赖问题，提升工程设计的质量与效率，为未来建筑结构设计的智能化转型提供了关键思路与方法，对推动建筑行业的科技进步具有重要意义。