[論文レビュー] Accelerated Discovery of Sustainable Building Materials

Xiou Ge, Richard Goodwin+4 more|arXiv (Cornell University)|May 20, 2019

3D Surveying and Cultural Heritage参考文献 16被引用数 8

ひとこと要約

本稿では、構造的性能要件を満たしつつ環境影響を低減する持続可能なコンクリート配合比の発見を加速するため、条件付き変分オートエンコーダー（CVAE）を提案する。UCIの公開データとLCAを用いて算出された環境指標に基づいて学習されたモデルは、既存の配合比と比較して、地球温暖化潜在能力（GWP）、酸性化潜在能力（AP）、累積水使用量（CBW）を最大30％低減するコンクリート配合比を生成する。回帰モデルと3次元可視化ツールを用いた検証により、設計者による応用が可能である。

ABSTRACT

Concrete is the most widely used engineered material in the world with more than 10 billion tons produced annually. Unfortunately, with that scale comes a significant burden in terms of energy, water, and release of greenhouse gases and other pollutants. As such, there is interest in creating concrete formulas that minimize this environmental burden, while satisfying engineering performance requirements. Recent advances in artificial intelligence have enabled machines to generate highly plausible artifacts, such as images of realistic looking faces. Semi-supervised generative models allow generation of artifacts with specific, desired characteristics. In this work, we use Conditional Variational Autoencoders (CVAE), a type of semi-supervised generative model, to discover concrete formulas with desired properties. Our model is trained using open data from the UCI Machine Learning Repository joined with environmental impact data computed using a web-based tool. We demonstrate CVAEs can design concrete formulas with lower emissions and natural resource usage while meeting design requirements. To ensure fair comparison between extant and generated formulas, we also train regression models to predict the environmental impacts and strength of discovered formulas. With these results, a construction engineer may create a formula that meets structural needs and best addresses local environmental concerns.

研究の動機と目的

• 環境影響を最小限に抑える一方で強度要件を満たすコンクリート配合比を生成するAI駆動手法の開発。
• Materials Projectがカバーしていない分野において、半教師あり生成モデルを活用することで、持続可能なコンクリート配合比のギャップを埋める。
• 建設エンジニアが地域の環境的懸念に応じた低影響型コンクリート配合比を設計できるようにすること。
• 強度と環境影響予測の回帰モデルを用いて、生成された配合比の実世界性能を検証すること。

提案手法

• UCI機械学習リポジトリのデータと、ウェブベースのLCAツールを用いて算出された環境影響指標を組み合わせたデータセットを用いて、条件付き変分オートエンコーダー（CVAE）を学習する。
• 潜在変数は標準2変量正規分布からサンプリングし、生成を目標とする圧縮強度と養生時間に条件づける。
• 環境影響（GWP、AP、CBW）および圧縮強度は、同じデータセットを用いて学習された別個の回帰モデルを用いて予測する。公平な比較のためである。
• CVAEは、各養生時間グループに対して1回に60,000件のコンクリート配合比を生成し、強度と養生時間に条件づけて、ターゲット設計を可能にする。
• 3次元可視化ツールを用いて、環境影響空間に生成された配合比をマッピングし、色分けされた強度を用いて設計者の意思決定を支援する。
• 強度の最小値と最大値の間で補間することで、属性条件付き生成を実施し、予測された強度の段階的変化を示す。

実験結果

リサーチクエスチョン

• RQ1 CVAEモデルは、必要な圧縮強度を維持しつつ、既存の配合比よりも環境影響が低いコンクリート配合比を生成できるか？
• RQ2 CVAEは、特定の強度と養生時間のターゲットに条件づけて、コンクリート配合比を効果的に生成できるか？
• RQ3 既存のコンクリート配合比と比較して、モデルは地球温暖化潜在能力（GWP）、酸性化潜在能力（AP）、累積水使用量（CBW）をどの程度低減できるか？
• RQ4 生成された配合比を、強度を色の次元として持つ3次元環境影響空間に可視化できるか？これにより実用的設計が支援されるか？
• RQ5 異なる養生時間帯において、モデルの予測強度は、条件づけられた目標強度とどの程度一致するか？

主な発見

• CVAEモデルは、最も優れた既存配合比と比較して、最大30％低い地球温暖化潜在能力（GWP）、酸性化潜在能力（AP）、累積水使用量（CBW）を達成するコンクリート配合比を成功裏に生成した。
• 各養生時間グループにおいて、生成された配合比の10％以上が、GWP、AP、CBWの3つの指標すべてにおいて、観察された最良の既存配合比を下回る環境影響を達成した。
• 3次元環境影響空間の可視化により、異なる汚染種別のトレードオフが明らかになり、マルチオブジェクティブ設計意思決定が可能になった。
• 強度条件付き生成は、養生7日目で最も優れた性能を示し、予測強度と目標強度の値が、決定的誤差（RMSE）においてよく一致した。
• 高性能な生成点の凸包近似により、3つの影響カテゴリすべてにおいて、改善された環境パフォーマンスが達成可能な領域が特定された。
• 極端な点付近に位置する特定の生成配合比は、14日目に30 MPaの強度を達成し、顕著に低い環境影響を示した。これにより、モデルの実用的設計可能性が裏付けられた。