可持续建筑材料的加速发现
人工智能
2019-05-21 v1
摘要
混凝土是世界上使用最广泛的工程材料，年产量超过 100 亿吨。遗憾的是，如此规模伴随着能源、水以及温室气体与其他污染物排放方面的显著负担。因此，人们有兴趣在满足工程性能要求的同时，创造尽量减少此类环境负担的混凝土配方。人工智能的最新进展已使机器能够生成高度可信的制品，例如逼真人脸的图像。半监督生成模型允许生成具有特定所需特征的制品。本工作中，我们使用条件变分自编码器（CVAE，一种半监督生成模型）来发现具有期望属性的混凝土配方。我们的模型使用来自 UCI 机器学习仓库的开放数据，并结合通过基于网络的工具计算的环境影响数据进行训练。我们展示了 CVAE 能够设计出排放与自然资源的用量更低且满足设计要求的混凝土配方。为确保现有配方与生成配方之间的公平比较，我们还训练了回归模型来预测所发现配方的环境影响与强度。基于这些结果，建筑工程师可创建满足结构需求并最好地应对当地环境关切的配方。
引用
@article{arxiv.1905.08222,
title = {Accelerated Discovery of Sustainable Building Materials},
author = {Xiou Ge and Richard T. Goodwin and Jeremy R. Gregory and Randolph E. Kirchain and Joana Maria and Lav R. Varshney},
journal= {arXiv preprint arXiv:1905.08222},
year = {2019}
}
备注
Presented at AAAI 2019 Spring Symposium, Towards AI for Collaborative Open Science (TACOS)