DigitalFUTURES YOUNG | 录取学员大解密（二）

探索感性指标“惊讶”在建筑平面生成式设计中的可能性

生成式设计方法，可以被认为是在参数化设计基础上的发展。参数化模型通过定义部件之间的逻辑联系，使传统的设计单体建筑方案变为设计建筑方案的可能区间，提高了修改方案的效率，同时促使设计师对自己的设计逻辑更加清晰。而在生成式设计方法中，通过定义不同的指标，或者评价标准，计算机便能通过遗传算法在海量方案中寻找在设计可能区间里相应的最优解，减少非理性决策在方案筛选中可能产生的负面影响。

因为计算机只识数的特性，和设计师设计中往往包含对诸如文脉，审美等等难以用一个数字表达其含义的考虑，使得在以往的生成式设计方法中大量使用的都是清晰直接的指标：造价，建筑面积，光照强度，结构形变，斜率等等，这些指标使得生成式设计逻辑严谨，所得最优解也确实表现良好，但对于设计师来说，其意义仍主要在于优化，而非进化。计算机的结果仍在人预知之内，难以启发或者颠覆人对既有事物的认知。而“拓展人的思维”才是未来人机交互设计最大的潜力和魅力。

而在本项目中，我试图对“惊讶”或者“张弛有度”这个传统建筑设计中的定性指标进行拆解和探索：构成训练是很多设计师的第一课，然而构成评价中的“平衡感”，“张力”，“动感”的获得大多依赖训练后身体的感知，而非对其意义的认知。我选用“展厅”这个主要关于观看，限制相对较少的功能对“惊讶”进行探索。在建筑师平面布置中，构成的影响清晰可见。那么，有没有可能让计算机生成一个“张弛有度”的展览空间呢？

水晶球

不同的设计工具被开发来解决不同的问题。设计工具对我们的设计有着不容忽视的影响。而在设计流程中，“以第三者视角自我审视和评估”往往是最难的。在“水晶球”项目中，我设计了一个能激励设计师灵感的工具，作为犀牛建模软件的一个辅助，在设计过程中帮助设计师以新的视角来看待自己的设计。

从建筑入手的城市问题

从最初本科课题设计开始，就一直有个问题，当一个城市出现文化中心过多的时候，有没有可能产生一种类似于文化旋涡的情景，把人们对这座城市的认知分散成各种碎片化的理解。所以笔者基于思考了一种多场所的聚合方式，为他们设计一座小建筑，通过小建筑，去了解这座城市里其他文化建筑的内容，为他们做一份mini guidebook。可能之后的兴趣，便是以此为契机，开始关注城市和建筑的关系。

无人机系统研究

由于笔者在悉大做课题研究的时候，主要做无人机，当时做无人机的契机是因为想要解决一个问题：当建筑师和客户在讨论的时候，由于背景不同，很多时候客户对空间尺度没有概念，以此可能会导致两者相互误解。那有没有一种方法可以去快速搭建1:1的空间。由此，选中无人机。

当在做文献综述的时候，发现大部分做集群无人机的，都是将无人机看作一个点去做各种活动。但是，有没有可能可以将无人机看作一条线，甚至是一个面，然后加上集群的方式，有没有可能去快速地围合出一个建筑空间？

为了去证明这个思路的可行性，笔者主要将系统分成三个部分，输入，连接，输出。而为了去达成这三个系统，需要有四个子系统去支撑，任务安排系统，寻踪系统，沟通系统，物数模拟系统。视频里的实验不算成功，但能证明该系统的可能性…

城市计算方向研究

由于笔者主要做城市计算平台部分，试着从城市系统入手，去重新看待建筑。传统建筑性能上的微观系统，以及城市模型的宏观巨系统边界，近几年开始被大数据模糊化。对于城市模型能这么做，那在物理世界中，是不是也有这么一种媒介能够联系微观以及宏观世界？无人机可能是很好的媒介。在之前的研究中，无人机通过自造系统，在微观世界里，和人进行互动。再加上他自身携带的大尺度性，将之链接上一个城市计算平台，允许无人机之间相互交流，使用者和使用者之间相互交流，完全有可能制造出一个基于合作模式的超临时结构，当他在城市里面铺开时，是不是就有可能能去创建一种，由使用者自下而上自建的公共空间结构?而这时，微观世界慢慢地和宏观世界，打上了交道…

自然中的设计形态学

设计基础研究的最终目的并不是停留在研究层面，而是通过研究再输送到设计应用，在高校设计研究中，可能未来设计更为重要。作为自己硕士期间研究的方向：设计形态学，它不仅需要设计学知识，还需要跨学科知识。其中师法自然就是重要的研究方法之一。在植物稳固的生物体形态中，泰森多边形就是非常值得借鉴的一种。利用GH参数设计插件，将泰森多边形与建筑设计形态相结合，在兼顾美学的同时为设计结构的解决方案提供一种可能。

数字语境下的珠宝设计

其次，在奢侈品的设计当中，从设计形态学与参数化设计角度去思考，将材质、韵律、文化、品牌等元素相结合，为奢侈品珠宝设计提供了更多拓展的空间，在设计研究中以宝格丽珠宝zero.1系列珠宝品牌为蓝本，进行了设计实验。

高维度的校园空间交流

另外，从维度出发，设计形态可以是2D、3D、4D……甚至是10D的高维空间。状态上又可划分为运动形态和静止状态。怎么利用设计形态学思维去定义未来的交流方式，也是一个值得思考的问题，于是在定义清华未来202x年校园出行方式的问题中，从设计形态学思维出发，对未来校园空间交流方式进行了再定义。

绿色建筑参数化设计

在探索人工智能对建筑有什么帮助之前，我先尝试了解数据对建筑有什么帮助？

建筑中最常出现的数据是建筑环境参数，风光热等物理条件对建筑的数据化生成可以起到指导的作用。我在参加绿建大会国际可持续建筑竞赛的项目中使用了一种新的模拟优化算法，在参数化建模平台Grasshopper 上选用Ladybug进行环境性能分析，并用多目标优化软件进行搜索寻优。从而将形态生成、气候模拟和搜索寻优三个模块集成在同一个平台上运行。利用这个平台重点模拟中庭生成的参数化设计及其气候模拟，最终使得建筑中庭通风作用良好 。

人工智能在GH平台的发展

目前的GH平台中比较成熟的神经网络插件共有四个，分别为Dodo , Crow , Lunchbox ML,和Octopus。

其中Lunchbox ML共有四种主要的应用类型，分别是应用贝叶斯算法用于使用样本输入数据确定3D体量的外观类型；描述具有随机训练点的表面非线性回归；根据指定属性的相似性评估未标记的面板并确定面板的分组；训练数据的设置和预测空间类别。而Crow则主要应用GAN算法用于建筑风格材质可视化，应用SOM算法用于建筑形态生成，不同维度的自组织映射

SOM神经算法在城市尺度上的概念应用

SOM神经网络常用于解决旅行商问题(Travelling Salesman Problem，TSP) 即在地图上给定一系列城市和各城市之间的距离，求解遍历这些城市的最短路径。

SOM神经算法的原理：每次训练，获胜神经元（响应最强）及其近邻神经元的权值向量都会更新，反复的竞争与更新，神经网络最终学到输入数据的模式（城市的空间关系）。

SOM 自组织映射的结构：输入层、全连接（权值矩阵）、输出层（特征映射）。

通过一组随机生成的数据作为训练数据，包含六个维度的参数，新的数据利用SOM神经算法拟合训练数据向量。

回龙观地区作为北京最大的居住组团之一，因其居住密度过大和混合功能空间不足造成城市空间不适，方案通过SOM神经算法建立生存游戏，旨在创造丰富功能的城市空间。

获胜神经元一定半径内的神经元会被更新，代表城市空间不断扩张的过程中，生存下来的空间会带动其周边的空间。最终拟合到目标空间时，周边会形成相应的分布。