Feb 14. 2025 - 学院动态
跨学科研究方法，自然与人工元素在未来建筑环境中的新交集
南方科技大学创新创意设计学院的未来生态研究组采用跨学科研究方法，致力于开发自然与人工元素在未来建筑环境中的新交集。
研究项目利用科学和先进技术，专注于为未来高密度城市中高层建筑的设计，包括可持续建筑技术、绿色建筑设计的结构和材料方面、综合立面设计以及新的人工环境生态模型。近期的研究重点是高层建筑与新兴低空经济的整合，尤其是无人机配送系统及其对未来建筑和城市环境的影响。
有意申请未来生态研究组研究助理（RA）及博士后职位者，请将个人简历和作品集发送至：cmherr@sustech.edu.cn
Research
CAADRIA2025
今年，Future Ecologies 组将在高水平会议 CAADRIA2025 上展示我们的研究成果。CAADRIA 是亚洲计算机辅助建筑设计研究协会的年度会议，今年的接纳率仅为 25%，已成为计算机辅助建筑设计研究领域最具竞争力的会议之一。我们很高兴地宣布，Future Ecologies 组将在 3 月的东京会议上展示 4 篇论文！以下是论文的简短预览。
Research
Paper 1
题目:
支持立面尺度的生物多样性：一种数据丰富的多层次CA模型以支持生态立面设计
作者:
刘燚铭，陈思好，何净植
关键词:
元胞自动机，多层建模，生态立面设计，控制策略，生成式建筑设计
摘要:
高密度的城市化地区通常与自然栖息地的破碎化和生态衰退相关，同时对环境和人类健康造成显著的负面影响。现有的生态设计策略主要聚焦于将植物特性与本地环境相适应，但通常忽视了植物的动态适应性，其生态潜力也未得到充分利用。本文提出了一种多层次元胞自动机（CA）方法，旨在将生态目标融入绿色建筑的立面设计中，同时考虑环境数据和建筑属性。该数据丰富的多层次元胞自动机框架通过识别设计元素中的可控因素和不可控因素来对系统施加约束，从而在一定程度上控制元胞自动机动态的固有不确定性。基于元胞自动机的模型将建筑环境数据和建筑属性组织成多层结构，结合多个标准来模拟植物栖息地和生态性能。研究结果展示了元胞自动机如何支持环境因素，以模拟和评估建筑规模上具有生态敏感性的环境。该元胞自动机框架将建筑形态与生态变量结合，并能够适应动态变化的环境，为可持续立面的设计提供了新的视角，以促进城市尺度上的生态与生物多样性。
Research
Paper 2
题目:
在生态立面设计中应用多模态大语言模型：提高设计方案的地方可行性和生态可行性
作者:
魏大旭、何净植
关键词:
生态立面设计、多模态大语言模型、生成式人工智能、生态系统整合、生态性能
摘要:
本研究聚焦于建筑外立面作为城市生态系统的重要接口，并通过多模态人工智能探讨了生态专业知识在建筑设计中整合的局限性。尽管外立面在支持本地生物多样性方面具有重要潜力，但现有工具常常未能有效对接生态与建筑目标，尤其是在本地适宜性方面。为弥补这一差距，我们提出了一种新型系统，利用GPT-4 Vision和Latent Diffusion帮助非专业设计师生成特定场地、生态上可行的外立面设计。该系统结合了图像-文本数据处理、植物适宜性预测和基材分析，提供量身定制的设计解决方案，以适应城市微栖息地。通过整合本地植物数据、使用LoRA模型进行微调，并通过ControlNet增强图像输出，系统取得了令人满意的现实性、多样性和生态适应性表现，但在本地性，尤其是特定植物物种的生成方面仍需改进。这一跨学科方法推动了大规模语言模型（MLLM）在生态外立面设计中的应用，降低了生态设计的门槛，使更多利益相关者能够创造生态可行的城市环境，提升本地适应性与可持续性。
Research
Paper 3
题目:
建筑智能体: 使用协作式专业多智能体系统 LLM 和建筑信息建模模拟建筑设计过程
作者:
唐朝，譚錦明，何净植
关键词:
生成式设计、建筑信息模型（BIM）、大语言模型（LLM）、多智能体 LLM 系统、人工智能、检索增强生成（RAG）、人机协作
摘要:
建筑设计需要多视角协作，以平衡空间功能性、成本效率、能源性能和用户偏好。然而，当前的人工智能工具（包括大型语言模型LLMs）虽然在特定任务上表现出色，但由于缺乏角色区分、协作能力和适应性，难以将冲突性的设计考量整合成连贯的设计方案。本文介绍了Archi-Agents，一种多代理系统，结合了微调的多代理LLMs、多视角向量知识库以及建筑信息建模（BIM）。系统中的专业代理，包括项目建筑师、建筑程序师、成本工程师和能源分析师，通过基于Chatchain的工作流协作迭代，生成并优化BIM模型，综合考虑空间、成本和性能指标。多视角向量知识库编码了空间、结构和性能数据，以提高信息检索的准确性和设计目标的对齐度。系统采用了检索增强生成（RAG）的混合检索策略，能够处理设计中可量化（如成本、尺寸）和不可量化（如概念意图）的多种方面。通过Revit参数重构，优化数据被转化为具有互操作性的IFC模型。初步结果显示，Archi-Agents能够高效生成兼顾成本敏感性、能源效率和用户需求的设计，且支持从自然语言输入开始的设计流程。通过支持迭代工作流和人机协作，Archi-Agents在AI精确性与人类专业知识之间搭建桥梁，提供适应性强、可扩展且以用户为中心的建筑设计解决方案。
Research
Paper 4
题目:
在气候自适应外立面控制中结合用户偏好的强化学习控制的实现流程
作者:
陈梓杰；唐朝；何静植
关键词:
气候自适应外立面 ; 强化学习 ; 以用户为中心的控制 ; 自然通风建筑 ; 用户个人舒适度
摘要:
室内空气质量（IAQ）和热舒适度对长期处于室内环境的使用者具有重要影响。气候自适应外立面（CAFs）能够根据外部环境条件调整自身构造，在改善和维持理想的室内空气质量和热舒适度方面发挥重要作用。然而，当前的CAF系统往往采用通用的舒适度标准，难以满足个体的个性化舒适需求。为了解决这一问题，本文提出了一种新颖的工作流程，用于训练针对高性能CAFs的强化学习（RL）控制器，并引入微调机制。强化学习已广泛应用于建筑组件和设备的控制策略，例如暖通空调（HVAC）系统。然而，将RL应用于CAF仍然是一个较少探索的领域。目前，建筑环境中的RL控制器通常基于通用舒适度模型进行训练，这可能导致人们基于自身舒适感进行环境控制的自主操作，与数字化预设的最优值之间存在不匹配。这种偏差可能引发使用者的不适，并导致能耗增加。本文以一栋自然通风建筑为研究对象，分析并展示了所提出工作流程的有效性，证明了基于RL的CAF控制系统能够更好地适应个体使用者的舒适偏好。
