پاورپوینت بررسی طراحی جدید و خودکار مصالح معماری با استفاده از هوش مصنوعی قابل توضیح (XAI)

مواد مهندسی شده معماری، مانند فرامواد با الگوهای دوره ای، در مقایسه با همتایان تصادفی خود، مانند ریزساختارهای تصادفی موجود در مواد طبیعی، به خواص برتری دست می یابند. سوال تحقیق اولیه بر امکان‌سنجی یادگیری ویژگی‌های ریزساختاری سودمند از نمونه‌های ریزساختار تصادفی برای تسهیل طراحی مولد ریزساختارهای دوره‌ای، که منجر به خواص بی‌سابقه می‌شود، متمرکز است. به‌جای تکیه بر رویکردهای الهام‌بخش طراحی مبتنی بر طوفان فکری، ما یک چارچوب مبتنی بر هوش مصنوعی قابل توضیح (XAI) را پیشنهاد می‌کنیم تا به‌طور خودکار ویژگی‌های حیاتی را از نقاط استثنایی (با توجه به ویژگی‌ها) در نمونه‌های ریزساختار تصادفی بیاموزد، و امکان تولید الگوهای ریزساختاری دوره ای جدید با خواص برتر این چارچوب در سه مورد معیار نشان داده شده است: طراحی فرامواد سلولی دوبعدی برای به حداکثر رساندن سختی در همه جهات، به حداکثر رساندن نسبت پواسون در همه جهات، و به حداقل رساندن نسبت انبساط حرارتی. اثربخشی چارچوب طراحی با مقایسه طرح‌های ریزساختار جدید آن با طرح‌های ریزساختار تصادفی و دوره‌ای شناخته شده از نظر ویژگی‌های مورد علاقه تأیید می‌شود.


فهرست مطالب
چکیده
 کلمات کلیدی
 1. مقدمه
 2. روش شناسی ساخت و ساز xai و تولید طراحی
 2.1. مروری بر چارچوب طراحی ریزساختار مبتنی بر XAI پیشنهادی
 2.2. ایجاد پایگاه داده ریزساختار تصادفی با بازسازی تصادفی
 2.3. مدل‌های یادگیری نظارت شده رابطه ریزساختار-ویژگی
 2.4. پیاده سازی Grad-RAM
 2.5. ساخت طرح های ریزساختار جدید با ویژگی های کلیدی شناسایی شده توسط XAI
 3. اعتبار سنجی نتایج و بحث
 3.1. موارد معیار طراحی ریزساختار و تولید طرح‌های ریزساختار دوره‌ای جدید
 3.2. اعتبار سنجی طرح های ریزساختار جدید ایجاد شده توسط XAI
 3.3. یادداشت های بیشتر در مورد (i) سازگاری چارچوب و (ii) تولید طراحی با نمونه های متوسط
 4. نتیجه گیری
 ضمیمه A. مواد تکمیلی
 در دسترس بودن داده ها
 مراجع