最適化された深層学習と大規模言語モデルを用いたコンクリート圧縮強度の予測

科学分野:

• 材料科学
• 土木工学
• 人工知能

背景:

• コンクリート圧縮強度の予測は、持続可能な建設にとって重要です。
• 混合成分、混和剤、硬化条件間の複雑な相互作用は課題をもたらします。
• 既存の方法は、これらの相互作用の非線形的な性質に対処するのに苦労することがよくあります。

研究 の 目的:

• コンクリート圧縮強度予測のための高度なハイブリッドAIフレームワークを開発すること。
• 建設材料の予測モデルの精度と堅牢性を向上させること。
• 材料科学の応用のため、新しい最適化および深層学習技術を活用すること。

主な方法:

• iHow最適化アルゴリズム（iHowOA）と時空間グラフ畳み込みネットワーク（STGCN）の統合。
• データの前処理（意味的検証および特徴ハーモナイゼーションを含む）のための大規模言語モデル（LLM）の利用。
• iHowOAの適応的意思決定および知識獲得能力を使用したSTGCNアーキテクチャの最適化。
• 空間的依存関係および時間的強度進化を捉えるためのグラフベースモデリング。

主要な成果:

• 提案されたiHowOA-STGCNフレームワークは、他の10のメタヒューリスティックオプティマイザーと比較して優れた予測性能を示しました。
• 公開データセットで低い予測誤差と高い相関係数を達成しました。
• セメント特性、年齢依存の強度増加、物理化学的相互作用の間の重要な関係を特定しました。

結論:

• iHowOA-STGCNフレームワークは、コンクリート強度予測のための有望なデータ駆動型意思決定支援ツールを提供します。
• LLM駆動の前処理は、データ品質とモデル入力の堅牢性を向上させます。
• 実世界のシナリオでの一般化可能性と実用的な適用性を確認するために、さまざまなデータセットでのさらなる検証が推奨されます。