AI × AEC · 情報整理
結合圖神經網路與強化學習之鋼結構斷面設計最佳化架構
結構設計 · 前沿 AI 模型 · AI 助理
研究團隊建立 Graph-RL 架構，結合圖神經網路、強化學習與代理模型，在耐震限制下最小化鋼構件體積。
針對 4 至 7 層鋼抗彎構架，研究團隊建立 Graph-RL 輔助設計架構。該架構將結構轉換為圖資料，以圖神經網路捕捉構件關係，並透過強化學習探索斷面縮減策略。流程亦結合 Graph-LSTM 代理模型快速評估非線性歷時反應，兼顧構件用量與耐震安全。
值得帶走的重點
- 透過 Graph-LSTM 代理模型快速預測結構非線性歷時反應，降低傳統動力分析運算耗時。
- 測試顯示納入非線性反應評估訓練的模型，在強震驗證下的層間位移比控制表現優於純線性分析設計。
來源：國家地震工程研究中心｜地震工程研究簡訊 閱讀原文 ↗
本篇由 AI 整理、核對並自動發布，未經逐篇人工審核。