PVFS (Point–Voxel Fusion Surrogate), karmaşık çoxmərtəbəli atriumlarda her bir sensor nöqtəsının illik gün işığı, parıltı ve istilik komfortu performansını birlikte proqnozlaşdırmaq için nöqtə buludu ile seyrək üçölçülü voksel bilgisini birleştiren çoxvəzifəli bir surrogate modeldir. Çalışmada Rhinoceros/Grasshopper üzerinden üretilmiş 2.912 parametrik kitabxana atriumu için iqlim tabanlı illik simulyasiyalar həqiqileştirilmiş ve PVFS; Glare Autonomy (GA), continuous Daylight Autonomy (cDA) ve Thermal Comfort Percentage (TCP) alanlarını nöqtə bazında öğrenmiştir. Tasarım bazında ayrılmış müstəqil test kümesinde model GA için R²=0.858, cDA için R²=0.774 ve TCP için R²=0.818 elde etmiştir. Aynı dizaynın bütün nöqtəvi çıxışlarının illik fizika əsaslı simulyasiyala hesaplanması təxminən 34 dakika müddətrkən PVFS'nin voksel oluşturma, xüsusiyyət hazırlama, çıkarım ve çıxış aktarımı dahil uçtan uca müddətsi təxminən 9.2 saniyedir; mənbə bunu təxminən 222 mərtəbə sürətlənmə olarak raporlamaktadır.

Modelin temel avantajı yalnız tek bir atrium performans puanı üretmemesidir. PVFS, fərqlı mərtəbəlardaki okuma alanlarında nöqtə nöqtə GA, cDA ve TCP dağılımları oluşturarak dizayncının yetersiz gün işığı, parıltı riski veya aşağı istilik komfortu zonalerini mekânsal olarak görebilmesini məqsəd daşıyır. Nokta kolu açıqlıq, divar ve örtücü elemanlara yakınlık gibi yerel koşulları; voksel kolu ise atriumun toplam kütlesini, mərtəbəlar arası engelleri, dam işıqlığını ve diğer üçölçülü bileşenleri təmsil edir.

Çalışma, PVFS'yi fizika əsaslı simulyasiyaun evrensel yerine geçen bir araç olarak sunmamaktadır. Özellikle atrium açıqlıq kenarları, körpü ve döşeme kölgəlerinin keskin değiştiği zonaler ve yüksək gradyanlı geometrik sərhədlar modelin başlıca xəta zonaleridir. Yazarlar bu nedenle PVFS'yi erkən dizaynda hızlı tarama ve risk lokallaşdırılması için tövsiyə edərkən, yekun dizayn kararlarında kritik sərhəd zonalerinin yüksək doğruluklu fizika əsaslı simulyasiyala yeniden kontrol edilmesini zəruri görmektedir.

Tədqiqat problemi

Çok mərtəbəlı bir atriumun çevresel davranışı tek bir mərtəbə planından veya tek bir ortalama performans dəyərinden kolayca açıklanamaz. Çatı ışıklığından giren gün işığı mərtəbəlar arasında ilerlerkən döşeme kenarları, geri çekilmeler, fərqlı mərtəbə yüksəklikleri, körpüler ve atrium boşluğunun geometrisi tarafından kısmen engellenir. Aynı geometri bir zonade gün işığı miktarını artırırken başka bir zonade parıltıyı veya güneş mənbəlı ısıl yükü artırabilir. Bu nedenle gün işığı yeterliliği, parıltı ve istilik komfortu arasında güçlü bir üçölçülü ve çok hedefli etkileşim bulunur.

Geleneksel yanaşma Radiance, EnergyPlus ve Ladybug Tools gibi fizika əsaslı simulyasiyalarla bir dizaynın bütün yıl boyunca hesaplanmasıdır. Bu yanaşma ayrıntılı nəticə məlumatr; famərtəbə yüzlerce veya binlerce geometrik alternatifin erkən dizayn aşamasında hızlı biçimde taranması gerektiğinde hesablama xərci önemli hale gelir. Kaynak tədqiqatda tek bir dizaynın GA, cDA ve TCP çıxışlarının illik hesablamasının toplam müddətsi təxminən 34 dakika olarak rapor edilir.

PVFS nədir?

PVFS, atrium ölçeğindeki üçölçülü geometri ve örtülme kontekstını seyrək voksel ağıyla, her sensor nöqtəsının yerel konum ve açıqlıq əlaqəlerini ise nöqtə buluduyla təmsil edirek GA, cDA ve TCP'yi aynı sensor nöqtəlarında birlikte proqnoz eden çoxvəzifəli bir derin öğrenme surrogate modelidir; modelin hedef istifadə alanı karşılaştırılabilir çoxmərtəbəli kitabxana atriumlarında erkən dizayn dəyərlendirmesidir.

Neden nöqtə ve voksel birlikte kullanılıyor?

Yalnız nöqtə tabanlı bir model, sensorün yakın çevresini yüksək ayrıntıyla görebilir ancak atriumun birkaç mərtəbə ötesindeki kütlesel engelleri ve açıqlıq organizasyonunu yeterince temsil etmekte zorlanabilir. Yalnız voksel tabanlı bir model ise bütün yapıyı üçölçülü olarak temsil edebilir famərtəbə keskin açıqlıq kenarları ve lokal kölgə geçişlerinde nöqtəvi ayrıntıyı aşırı yumuşatabilir. PVFS bu iki temsilin görevlerini ayırır: Point Transformer yerel mikro-çevreyi, Sparse U-Net ise atrium ölçeğindeki uzun menzilli kontekstı öğrenir.

Kaynağın ek görsel sayfasındaki PVFS iş akışı diyagramı bu yapıyı açık biçimde göstermektedir: parametrik ve iqlim tabanlı simulyasiya aşaması önce etiketleri üretir; aynı geometri voksel ve sensor-nöqtə temsillerine dönüştürülür; iki kol ayrı ağlarda kodlanır; nöqtə ölçeğinde hizalanmış xüsusiyyətlər birleştirilir ve üç müstəqil çıxış başlığı GA, cDA ve TCP üretir.

Parametrik atrium dizayn məkanı

Araştırmacılar çoxmərtəbəli kitabxana atriumlarını Rhinoceros/Grasshopper ortamında parametrik olarak oluşturmuştur. Geometri yalnız basit dikdörtgen bir boşlukla sərhədlandırılmamıştır. Katlar fərqlı yüksəkliklere sahip olabilir, döşemeler geri çekilebilir veya split-level əlaqəler oluşturabilir ve bir veya daha fazla körpü atrium boşluğunu kısmen örtebilir.

Her mərtəbəta atriuma en yakın okuma alanı, en büyük atrium açıklığının çevresinde 3 m genişliğinde bir bant şeklinde tanımlanmıştır. Sensör nöqtəları bu okuma kuşağına ve körpülere standart tədqiqat düzlemi yüksəkliğinde yerleştirilmiştir. Kaynak nəticə bölümüne göre her parametrik dizayn 10.000'den fazla sensor nöqtəsı içermektedir.

Çalışmanın önemli modelleme tercihlerinden biri dış fasadyi tamamen opak kabul etmesidir. Dış fasadde pencere veya kapı açıklığı modellenmemiştir. Böylece gün işığı girişi ve bununla bağlantılı ışınımsal etkiler yalnız atrium dam işıqlığından mənbəlanır. Bu tercih həqiqi bir kitabxananin bütün fasad davranışını temsil etmekten çok, atrium geometrisinin etkisini diğer pencere düzenlerinden izole etmeyi amaçlamaktadır.

Latin Hypercube Sampling niyə istifadə edilmişdir?

Çalışma yüksək boyutlu parametrik uzaydan 2.912 dizayn seçmek için Latin Hypercube Sampling (LHS) kullanmıştır. LHS, her parametrenin aralığını olasılık bakımından tabakalara ayırarak örnekleri dizayn uzayına daha dengeli dağıtmayı məqsəd daşıyır. Bu metod rastgele örneklemede oluşabilecek yoğun kümelenmeleri azaltarak atrium boyutu, mərtəbə sayısı, işıqlıq geometrisi, malzeme xüsusiyyətləri ve körpü mənbəlı örtülmeler arasında daha geniş kombinasyon kapsamı sağlamaktadır.

Bu örnekleme yine de bütün bina ve iqlim uzayını temsil etmez. Veri kümesi xüsusiyyətle kontrollü kitabxana-atriumu alanına yöneliktir; fərqlı bina işlevleri, fasad sistemleri, işletme programları ve iqlim zonaleri məlumat uzayının doğal bir parçası değildir.

GA, cDA və TCP nəyi ölçür?

PVFS'nin üç çıxışsı fərqlı dizayn risklerini təmsil edir: Glare Autonomy (GA) illik istifadə saatlerinin ne kadarında parıltı olasılığının seçilen rahatsızlık sərhədının altında kaldığını, continuous Daylight Autonomy (cDA) gün işığının 300 lx hedefini yıl boyunca ne ölçüde karşıladığını ve Thermal Comfort Percentage (TCP) sensor nöqtəsının ASHRAE 55 adaptif konfor bandında kaldığı illik istifadə saati nisbətını ifadə edir.

Glare Autonomy — GA

Kaynak GA'yı aşağıdaki illik nöqtəvi metrikle tanımlar:

\[ GA=\frac{1}{H}\sum_{t\in T_{occ}}I(DGP(t)\leq DGP_{th}) \tag{1} \]

\(T_{occ}\) yıl içindeki kullanılan saatler kümesidir, \(H=|T_{occ}|\) bu saatlerin toplam sayısıdır ve \(I(\cdot)\) koşul doğru olduğunda 1, yanlış olduğunda 0 alan gösterge fonksiyonudur. Çalışmada \(DGP_{th}=0.35\) seçilmiştir. Dolayısıyla GA'nın 1'e yaklaşması, ilgili sensör noktasının kullanım saatlerinin daha büyük bölümünde seçilen DGP kamaşma sınırının altında kaldığı anlamına gelir.

continuous Daylight Autonomy — cDA

cDA aşağıdaki şekilde hesaplanmıştır:

\[ cDA=\frac{1}{H}\sum_{t\in T_{occ}} \min\left(1,\frac{E(t)}{E_{th}}\right) \tag{2} \]

\(E(t)\), sensör noktasındaki saatlik çalışma düzlemi aydınlık düzeyidir; \(E_{th}\) ise hedef aydınlık düzeyidir. Çalışmada \(E_{th}=300\,\mathrm{lx}\) kullanılmıştır. Klasik ikili Daylight Autonomy yaklaşımının tersine, 300 lx'in altındaki saatler doğrudan sıfır kabul edilmez. Örneğin hedefin yarısı kadar aydınlık sağlanan bir saat, formülün yapısı gereği kısmi katkı verir. Böylece eşik çevresindeki küçük değişimlerin metriği aşırı keskin biçimde değiştirmesi azaltılır.

Kaynak metninde Eq. (2) sonrasında \(E_{th}\) bir cümlede yanlışlıkla “t anındaki saatlik çalışma düzlemi aydınlığı” gibi tanımlanmaktadır. Denklem, önceki cümle ve 300 lx açıklaması bunun hedef eşik olduğunu açıkça gösterdiği için Verianla metninde kaynak tutarsızlığı ayrıca not edilmiş, denklem değiştirilmemiştir.

Thermal Comfort Percentage — TCP

TCP, ASHRAE Standard 55:2017 adaptif istilik komfortu modeli ve %90 kabul edilebilirlik meyarü kullanılarak hesaplanmıştır:

\[ TCP= \frac{1}{H} \sum_{t\in T_{occ}} I\left( T_{low}(t)\leq T_{op}(t)\leq T_{high}(t) \right) \tag{3} \]

\(T_{op}(t)\) sensör noktasındaki saatlik operatif sıcaklık, \(T_{low}(t)\) ve \(T_{high}(t)\) ise dış ortamın hâkim koşullarından türetilen adaptif alt ve üst konfor sınırlarıdır. Kaynak %90 kabul edilebilirlik bandını genellikle yaklaşık ±2.5 °C ile ilişkilendirmektedir.

TCP bir “band-pass” istatistiğidir. Düşük bir TCP, çok sayıda saatin adaptif konfor bandı dışında kaldığını söyler; famərtəbə bu rahatsızlığın aşırı sıcaklık mı yoksa aşırı serinlik mi nedeniyle oluştuğunu tek başına ayırt etmez. Yazarlar gelecekte üst ve alt sərhəd taşmalarını ayrı gösterecek göstergelerin eklenebileceğini belirtmektedir.

Nokta buludu hangi bilgileri taşır?

Her sensor nöqtəsının yerel xüsusiyyətləri, nöqtənın atrium içinde “nerede olduğunu ve hangi örtülme koşullarına maruz kaldığını” ifade edecek biçimde tasarlanmıştır. Kaynağın tam boyutlu xüsusiyyət diyagramında nöqtə koordinatları, mərtəbə indeksi, en yakın atrium açıklığına ve divara uzaklık, en yakın örtücü elemana yatay/düşey mesafe ve atrium merkezine göre normalize edilmiş X-Y konumları ayrı ayrı görselleştirilmiştir.

Bir nöqtənın atrium merkezine göre normalize edilmiş X konumu:

\[ \Delta x_i^A= \frac{x_i-x_{c,k}}{0.5L_{a,k}} \tag{6} \]

ve Y konumu:

\[ \Delta y_i^A= \frac{y_i-y_{c,k}}{0.5W_{a,k}} \tag{7} \]

ile tanımlanır. Böylece fərqlı büyüklüklerdeki atriumlarda sensorün yalnız metre cinsinden mutlak konumu değil, atrium açıklığının neresinde bulunduğu da modele aktarılır.

Global xüsusiyyətlər ise yapı yönelimi, bina uzunluğu-genişliği-yüksəkliği, mərtəbə sayısı, mərtəbətan mərtəbəa yüksəklik, yüzey yansıtıcılıkları ve dam işıqlığının VLT dəyəri gibi bütün dizaynla paylaşılan parametreleri içerir.

Nöqtə–voksel füzyonu niyə vacibdir?

Nokta–voksel füzyonu, çoxmərtəbəli atrium performansının aynı anda hem sensor çevresindeki yerel açıqlıq ve kölgə əlaqəlerine hem de bütün yapı boyunca devam eden kütle, işıqlıq ve mərtəbəlar arası örtülme zincirlerine bağlı olması nedeniyle önemlidir; PVFS'de nöqtə kolu lokal ayrıntıyı, Sparse U-Net voksel kolu ise uzun menzilli üçölçülü kontekstı taşır.

Seyrek voksel kolu

Boş olmayan voksel koordinatları:

\[ \Omega=\{c_j\}_{j=1}^{N_v} \tag{8} \]

olarak tanımlanır. Her boş olmayan voksel, yapı bileşeninin semantiğini ve optik/yapısal özelliklerini temsil eden altı boyutlu bir öznitelik vektörü \(v_j\) taşır:

\[ X=\{(c_j,v_j)\}_{j=1}^{N_v} \tag{9} \]

Sparse U-Net bu seyrək üçölçülü girişyi kodlayarak:

\[ F_{vox}=\Phi_{vox}(X), \qquad F_{vox}\in\mathbb{R}^{N_v\times C_{vox}} \tag{10} \]

biçiminde global bir voksel xüsusiyyət alanı üretir. Bu alan atrium kütlesi, açıqlıq sərhədları, körpüler, döşemeler ve diğer örtücü elemanların mekânsal müddətkliliğini təmsil edir.

Voksel ağının bottleneck bölümünde dilated sparse convolution kullanılarak alıcı alan büyütülür. Encoder ve decoder arasındaki skip bağlantılarında ise hafif bir gated fusion mekanizması kullanılır. Amaç, açıqlıq ve körpü kenarlarındaki keskin sərhəd sinyallerini korurken bütün atrium ölçeğindeki kontekstı kaybetmemektir.

Görünürlük-duyarlı attention önseli

Point Transformer'ın yalnız məlumatden öğrenilen attention ağırlıklarının sərhədlı örneklemde açıqlıq ve örtülmenin fiziksel önemini kararlı biçimde öğrenmesinin zor olabileceği varsayılmıştır. Bu nedenle modele açıklığa ve örtücülere uzaklık gibi geometri değişkenlerinden oluşturulan bir attention bias eklenmiştir:

\[ \alpha_{ij} = \operatorname{softmax}_{j} \left( score_{ij}+b_{ij} \right) \]

\[ b_{ij} = \phi \left( \Delta d^{open}_{ij}, \Delta d^{occ,z}_{ij}, d^{occ,xy}_{i}, \Delta(z/H)_{ij} \right) \tag{11} \]

\(\alpha_{ij}\), i noktasının j komşusuna verdiği attention ağırlığıdır. \(score_{ij}\) temel özellik ve göreli konum benzerliğini, \(b_{ij}\) ise açıklık erişilebilirliği ve örtülme açısından fiziksel anlam taşıyan ilave bias'ı temsil eder. Bu yapı nedensel bir fizik denklemi değildir; ışık yolu ve örtülme bilgisini öğrenme sürecine yönlendiren geometri tabanlı bir önseldir.

Voksel bilgisinin sensor nöqtəsına aktarılması

Global voksel özelliği her sensor nöqtəsının bağlı olduğu voksel indeksinden örneklenir:

\[ f_i^{env}=S(F_{vox},c_i^s) \tag{12} \]

Geçerli bir lokal voksel özelliği bulunmadığında mənbə, komşu voksel ortalamasını ve son çare olarak global ortalamayı kullanmaktadır. Amaç sərhəd veya seyrək-tensor durumlarında xüsusiyyət boyutunu ve təlim kararlılığını korumaktır.

Tədqiqatın Metodu və Nəticələri

Veri üretim zinciri

Çalışmanın məlumat üretim zinciri dört temel aşamada ilerlemektedir. Önce parametrik atrium geometrileri LHS ile oluşturulur. Ardından Ladybug Tools kullanılarak illik iqlim tabanlı ışık ve termal simulyasiyalar yürütülür. Aynı geometri üçölçülü voksel ağına ve sensor nöqtə buluduna dönüştürülür. Son olarak simulyasiyadan üretilen GA, cDA ve TCP dəyərləri her sensor nöqtəsının təlim etiketi haline gelir.

Tasarım bazlı ayrım kritik bir metodolojik tercihtir. Noktalar rastgele bölünseydi aynı atriumun binlerce nöqtəsı hem təlim hem test kümesine girebilir ve model aslında daha önce gördüğü geometrinin komşu nöqtəlarını proqnoz ederek yapay derecede yüksək performans gösterebilirdi. Çalışma bütün nöqtəları ait oldukları dizaynla birlikte tek bir split içinde tutarak bu məlumat sızıntısını önlemeyi amaçlamaktadır.

PVFS mimarisi ve hiperparametreler

Kaynağın daha sonraki hesablama məlumatmliliği bölümünde aynı voxel size “0.10 m” olarak adlandırılmaktadır. Bu ifade Table 3'teki “normalized coordinate space” açıklamasıyla aynı değildir. Bu nedenle fiziksel voksel boyutunun kesinlikle 0.10 m olduğu Verianla tarafından müstəqil bir həqiqi olarak kabul edilmemiştir.

Donanım ve yazılım

Eğitim ve testler Linux iş istasyonunda Intel i7-12700F CPU, NVIDIA GeForce RTX 3080 GPU, CUDA 11.3, Python 3.11 ve PyTorch 2.2 kullanılarak həyata keçirilmişdir. Seyrek üçölçülü konvolüsyon için MinkowskiEngine altyapısı istifadə edilmişdir.

Çok görevli təlim kaybı

Kaynak pseudo-code'unda GA, cDA ve TCP için üç müstəqil sigmoid çıkış başlığı bulunur. Nokta ağırlıkları fasadye, körpü etkisine ve kenar nisbətına göre artırılabilir:

\[ w_i= 1+\alpha_f\,is\_facade_i+ \alpha_w\,is\_walkway_i+ \alpha_e I(edge\_ratio_i>\tau) \]

Toplam təlim kaybı görev bazlı SmoothL1 terimlerinin ağırlıklı toplamıdır:

\[ L= \sum_{t\in T} \beta_t\, \operatorname{Mean}_i \left[ SmoothL1(\hat y_{i,t},y_{i,t})\,w_i \right] \]

Kaynak pseudo-code bu formülü verir ancak \(\alpha_f\), \(\alpha_w\), \(\alpha_e\), \(\tau\) ve \(\beta_t\) için görünür tabloda sayısal değer belirtmez. Bu değerler Verianla tarafından uydurulmamıştır.

Değerlendirme metrikleri

Model Mean Absolute Error (MAE), Root Mean Squared Error (RMSE) ve coefficient of determination \(R^2\) ile değerlendirilmiştir:

\[ MAE= \frac{1}{N} \sum_{i=1}^{N} |y_i-\hat y_i| \tag{13} \]

\[ RMSE= \sqrt{ \frac{1}{N} \sum_{i=1}^{N} (y_i-\hat y_i)^2 } \tag{14} \]

\[ R^2= 1- \frac{ \sum_{i=1}^{N}(y_i-\hat y_i)^2 }{ \sum_{i=1}^{N}(y_i-\bar y)^2 } \tag{15} \]

MAE ortalama mutlak sapmayı, RMSE büyük hataları daha güçlü cezalandıran karekök ortalama karesel hatayı, \(R^2\) ise modelin hedef dağılımındaki varyansı ne ölçüde açıkladığını gösterir.

Ana test performansı

PVFS üç görevde de en dengeli performansı göstermektedir. Point-only modelin daha aşağı R² dəyərləri, yalnız yerel nöqtə xüsusiyyətlərinin atrium kütlesi ve mərtəbəlar arası örtülme gibi uzun menzilli geometrik koşulları yeterince temsil edemediği yorumuyla əlaqəlendirilmiştir. Voxel-only model Point-only modele göre iyileşmekle birlikte lokal mikro-çevre bilgisi eksik olduğu için PVFS'nin gerisinde kalmıştır. Aynı çift modaliteli giriş üzerinde PointNet++ kullanılan alternatifin de PVFS'den aşağı performans göstermesi, müəlliflər tarafından attention tabanlı nöqtə əlaqəlerinin açıqlıq–örtülme gradyanlarını daha iyi yakaladığı şeklinde yorumlanmaktadır.

Gated fusion kaldırıldığında cDA RMSE'nin 0.148'e, TCP RMSE'nin 0.055'e yükseldiği, GA'nın təxminən 0.085 civarında kaldığı raporlanmıştır. Bu nəticə gating mekanizmasının xüsusiyyətle cDA ve TCP'de iki modalite arasındaki çelişkili sinyalleri azaltmaya mərtəbəkıda bulunduğu yönünde yorumlanmıştır.

Katlar arası davranış

GA için mərtəbə bazlı R² təxminən 0.737-0.892, TCP için təxminən 0.722-0.866 aralığındadır. cDA'nın en üst mərtəbətaki R² dəyəri təxminən 0.636'ya düşmektedir; famərtəbə aynı mərtəbəta mutlak xəta artmamaktadır. cDA RMSE alt mərtəbəlarda 0.149 ve 0.162 iken altıncı mərtəbəta 0.099'a kadar gerilemektedir. Yazarlar bu nedenle üst mərtəbətaki aşağı R² dəyərini daha büyük mutlak xəta olarak değil, hedef değişkenliğinin azalması nedeniyle R²'nin benzer xəta büyüklüklerine daha hassas hale gelmesiyle açıklamaktadır.

GA xətaları üst mərtəbəlarda bir miktar genişlemektedir; mənbə bunu dam işıqlığına yakın mərtəbəlarda güçlü doğrudan ışık ve yüksək parlaklık görüşlerinin daha keskin parıltı alanları oluşturmasıyla əlaqəlendirir. cDA ise alt mərtəbəlarda körpü, döşeme kenarı ve derin atrium boşluğunun birleşik örtülmesi nedeniyle daha zor proqnoz edilmektedir. TCP'nin alanı daha düzgün olduğundan xəta dağılımı genellikle daha dardır.

Gerçek–Tahmin–Fark xəritəları ne gösteriyor?

Kaynağın çok sayıda tam boyutlu ek görselinde her mərtəbə için üç satır halinde GA, cDA ve TCP; sütunlarda ise fizika əsaslı həqiqi dəyər, PVFS proqnozi ve fərq xəritəsı gösterilmektedir. Haritalar PVFS'nin ana sıcak/soğuk zona yapısını ve gradyan yönünü çoğu homojen zonade koruduğunu göstərir. Bununla birlikte fərqların açıqlıq kenarları, körpü kölgəleri, döşeme köşeleri ve ani aydınlık-karanlık geçişlerinde yoğunlaştığı açıkça görülmektedir.

Temsilî test örneklerinde cDA'nın bazı alt mərtəbə zonalerinde gün işığı penetrasyonu fazla proqnoz edilebilmekte, bazı GA parıltı bantları ise mekânsal olarak yumuşatılmakta veya hafifçe kaydırılabilmektedir. Bu xəta imzası rastgele bir model gürültüsünden çok, keskin geometrik sərhədların surrogate tarafından daha zor yeniden oluşturulduğunu göstermektedir.

Held-out xəta tabakalandırması

Daha sonraki held-out-only analizde mənbə, GA için MAE 0.046, cDA için MAE 0.107 ve TCP için MAE 0.037 raporlamaktadır. cDA için RMSE 0.187 olarak məlumatlmektedir. Cepheye komşu nöqtəların cDA xətası MAE 0.136 ve P90 0.377 ile en yüksək grup olarak raporlanırken atrium kenarı 0.102, körpü etkisindeki nöqtəlar 0.088 ve iç referans nöqtəları 0.114 MAE dəyərine sahiptir.

Bu bölümdeki cDA MAE/RMSE dəyərləri, önceki genel test xəta tablosunda məlumatlen 0.076/0.130 dəyərlərinden belirgin biçimde fərqlıdır. Kaynak her iki analizi de dizayn bazlı held-out test kontekstıyla əlaqəlendirdiği için bu fərqın alt örneklem, yeniden hesablama veya revizyon mənbəlı olup olmadığı PDF'den kesin olarak çözülememektedir. Verianla iki dəyəri birleştirip yeni bir ortalama üretmemiştir.

SHAP analizi ne söylüyor?

Model yorumlanabilirliği için PVFS çıxışlarını taklit eden yüksək doğruluklu gradient-boosted decision-tree surrogate'ları eğitilmiş ve bunlara TreeSHAP uygulanmıştır. Bu ikinci surrogate üzerinden elde edilen SHAP dəyərləri doğrudan fiziksel nedensellik kanıtı değildir; PVFS davranışının model-seviyeli bir öznitelik atfıdır.

GA üzerinde divara uzaklık, mərtəbə indeksi, nöqtə koordinatları, dönme açısı ve lokal açıqlıq/örtülme değişkenleri öne çıkmaktadır. cDA; xüsusiyyətle mərtəbə indeksi, divar uzaklığı, örtücü uzaklığı, tavan əks etdirmə qabiliyyəti, yönelim, VLT ve döşəmə əks etdirmə qabiliyyətina duyarlıdır. TCP için mərtəbə indeksi, divar mesafesi, koordinatlar, döşəmə əks etdirmə qabiliyyəti ve yönelim öne çıkan değişkenler arasındadır. Bu dağılım, modelin atrium fiziğiyle tamamen ilgisiz değişkenlere dayanmadığını destekleyen bir tutarlılık kontrolü sunar; ancak nedensellik kanıtlamaz.

PVFS'nin 222 mərtəbə sürətlənməsı ne anlama gelir?

Kaynakta raporlanan təxminən 222× sürətlənmə, tek bir atrium dizaynında bütün sensor nöqtəları için GA, cDA ve TCP'nin illik fizika əsaslı simulyasiyala təxminən 34 dakikada hesaplanması ile PVFS'nin voksel oluşturma, xüsusiyyət hazırlama, model çıkarımı ve nəticə aktarımı dahil təxminən 9.2 saniyelik uçtan uca müddətsinin karşılaştırılmasına əsaslanır; bu nisbət model təliminin xərcini değil, eğitilmiş modelin dizayn başına dəyərlendirme müddətsini ifadə edir.

Kaynak sürətlənmə nisbətını:

\[ S= \frac{t_{sim}}{t_{PVFS}} = \frac{ t_{cDA}+t_{GA}+t_{TCP} }{ t_{voxelize}+t_{feature}+t_{infer}+t_{export} } \tag{16} \]

şeklinde tanımlar. Yaklaşık 34 dakika 2.040 saniyedir; 2.040/9.2 təxminən 222 eder. Dolayısıyla raporlanan nisbət aritmetik olarak mənbə müddətleriyle tutarlıdır.

Bu sürətlənmə, fizika əsaslı simulyasiyaun gereksiz olduğu anlamına gelmez. PVFS'nin təlim etiketleri zaten bu simulyasiyalardan oluşturulmuştur. Model, pahalı simulyasiyalardan öğrenilmiş bir yanaşma üreterek yeni dizaynları hızlı tarar; kritik veya yekun dizaynlar tekrar yüksək doğruluklu simulyasiyaa gönderilir.

Real layihə validasiyası

Guangdong'daki həqiqi bir kitabxana atriumu üzerinde yapılan dış validasiyada PVFS, GA, cDA ve TCP'nin geniş ölçekli mekânsal organizasyonunu koruyabilmiştir. Açıklığa maruz kalan ve kölgəlenmiş zonaler büyük ölçüde simulyasiya xəritəlarıyla aynı yerde oluşmuştur. Bununla birlikte ara mərtəbəlarda lokal cDA fərqları ve birinci mərtəbətaki doğu tarafında GA parıltı bandının yumuşatılması veya kaydırılması gibi xətalar görülmüştür.

Bu həqiqi proje testi “her həqiqi bina için validasiya” değildir. Yazarlar bunu parametrik məlumat uzayından daha karmaşık yapı detaylarına kontrollü bir dış kontrol olarak ele almaktadır.

Görülməmiş geometri validasiyası

LHS təlim mantığının dışında oluşturulan atrium geometrileri üzerinde model ana GA ve TCP gradyanlarını çoğunlukla korumuştur. Ancak xüsusiyyətle birinci ve ikinci mərtəbə GA xəritəlarında güney taraftaki bazı sərhəd zonalerinin aşırı yumuşatılması veya konumsal olarak kaydırılması görülmüştür. Bu nəticə, transferin geniş ölçekli zonaleme açısından daha güçlü, keskin açıqlıq ve kölgə sərhədlarında daha zayıf olduğunu göstermektedir.

Pekin iqlimi fine-tuning təcrübəsi

Çalışma Guangzhou tabanlı modeli yeni bir iqlime doğrudan “zero-shot” genelleme olarak sunmamıştır. Bunun yerine Pekin için 30 yeni tam simulyasiya vakası üretilmiş; 10'u fine-tuning, 5'i validation ve 15'i müstəqil test için istifadə edilmişdir. Point–voxel feature extraction backbone'u dondurulmuş, yalnız GA/cDA/TCP çıxış başlıkları yeniden ayarlanmıştır.

cDA yeni iqlimde de en zor hedef olarak kalmıştır; ortalama mərtəbə bazlı MAE 0.111-0.149 aralığındadır. GA xətası xüsusiyyətle birinci mərtəbəta yükselmiş ve ortalama MAE 0.125 olmuştur; üst mərtəbəlarda ortalama GA MAE 0.025 veya daha aşağı raporlanmıştır. TCP mərtəbəlar boyunca daha kararlı olup ortalama MAE təxminən 0.027-0.062 aralığındadır.

Bu təcrübə modelin iqlimden tamamen müstəqil olduğunu göstermez. Tersine, mənbə açık biçimde hedef iqlimden sərhədlı sayıda yeni fizika əsaslı simulyasiya kullanılarak fine-tuning yapılması gerektiğini göstermektedir.

Çalışmanın desteklediği ve desteklemediği yorumlar

Əsas məhdudiyyətlər

PVFS məlumat dəsti tek bir geniş famərtəbə kontrollü kitabxana-atriumu parametre uzayına əsaslanır. Çalışma çoklu iqlim dosyalarını, fərqlı bina işlevlerini, çeşitli fasad pencere sistemlerini veya fərqlı işletme programlarını ana təlim məlumat dəstinin doğal parçası olarak içermez.

Gerçek proje ve görülmemiş geometri testleri yararlı dış kontrollerdir ancak çok projeli, önceden tanımlanmış büyük bir transfer benchmark'ının yerini tutmaz. Farklı bina tipleri veya iqlim zonaleri için daha geniş etiketli məlumat ve transfer-learning təcrübəleri zəruridir.

Modelin en belirgin mekânsal zayıflığı açıqlıq kenarları, kölgə sərhədları ve geometrik köşelerdir. Yazarlar gelecekte boundary-focused sampling, loss reweighting, lokal refinement modelleri ve uncertainty maps istifadəını önermektedir.

PVFS şu anda yalnız GA, cDA ve TCP üretir. Useful Daylight Illuminance (UDI) ve Annual Sunlight Exposure (ASE) gibi gün işığının yeterliliğini ve aşırı güneş maruziyetini fərqlı açılardan ölçen göstergeler henüz aynı çoxvəzifəli yapı içinde proqnoz edilmemektedir.

Mənbə və Metod Qeydi

Özgün başlık: PVFS: A Point–Voxel Fusion Multi-task Surrogate for Point-wise Prediction of Performance Metrics in Multi-floor Atria

Yazarlar ve PDF'deki sıra: Yiyang Huang; Zhenhui Zhang; Ping Su; Kaiying Chen; Rushi Dai.

Sorumlu müəlliflər: Zhenhui Zhang ve Rushi Dai.

Kurumlar: School of Civil Engineering and Architecture, Wuyi University, Nanping, China; School of Architecture, South China University of Technology, Guangzhou, China; Thrust of Urban Governance and Design, The Hong Kong University of Science and Technology (Guangzhou), Guangzhou, China; Architectural Design and Research Institute, South China University of Technology, Guangzhou, China.

Kaynak türü: Hakem dəyərlendirmesinden geçmemiş preprint. PDF'nin her sayfasında “This preprint research paper has not been peer reviewed” uyarısı bulunmaktadır.

PDF'deki platform bağlantısı: SSRN abstract 7180130.

DOI: Yüklenen PDF'de DOI bulunmamaktadır. Dış bibliyografik indekslerde aynı başlığın 10.2139/ssrn.6189939 DOI'li başka bir SSRN/Crossref kaydı bulunmaktadır; ancak bu kaydın yazar sırası mevcut PDF'den fərqlıdır ve PDF fərqlı SSRN abstract numarası kullanmaktadır. Bu nedenle 10.2139/ssrn.6189939 mevcut PDF'nin doğrulanmış DOI'si olarak atanmaz.

Dergi / yayınevi / cilt / sayı: Yüklenen sürümde doğrulanmış hakemli dergi, cilt veya sayı bilgisi bulunmamaktadır.

Lisans: PDF içinde açık yeniden istifadə lisansı görünür biçimde belirtilmemiştir. Kaynak şekillerini birebir kopyalamadan önce ilgili SSRN sürümünün hak ve lisans koşulları ayrıca doğrulanmalıdır.

Finansman: Natural Science Foundation of Fujian Province, Grant No. 2024J01913.

CRediT mərtəbəkıları: Yiyang Huang — conceptualization, data curation, formal analysis, funding acquisition, methodology, resources, software, validation, visualization, writing-original draft ve review/editing. Zhenhui Zhang — project administration, supervision, review/editing. Ping Su — conceptualization, supervision, review/editing. Kaiying Chen — resources, software, review/editing. Rushi Dai — data curation, formal analysis, investigation, review/editing.

Çıkar çatışması ve məlumat erişilebilirliği: Yüklenen PDF'nin ana metninde referanslar başlamadan önce ayrı bir competing-interest veya data-availability beyanı görünür biçimde bulunmamaktadır; bu nedenle bu alanlara mənbə dışı beyan eklenmemiştir.

Kaynak içi önemli editoryal/tutarlılık sorunları:

Vizual yenidən çəkmə uyğunluğu: Çok yüksək. Kaynağın PVFS pipeline'ı, nöqtə–voksel çift kolu, çoxmərtəbəli atrium kesiti, sensor feature geometrisi ve True/Pred/Diff performans alanları Verianla için telif açısından özgün famərtəbə bilimsel olarak eşdəyər şemalar halinde yeniden kurulabilir. Kaynak figürlerin piksel düzeni birebir kopyalanmamalıdır.

Verianla Live uyğunluğu: Çok yüksək. Özellikle GA/cDA/TCP R² karşılaştırması, fizika əsaslı simulyasiya–PVFS müddət karşılaştırması, mərtəbə bazlı xəta dağılımları ve nöqtə–voksel metod akışı Live Data / Live Compare / Live Process için uygundur. Kaynakta bulunmayan ara dəyər veya performans nöqtəları üretilmemelidir.

Temel metodsel yorum sərhədı: PVFS erkən dizayn için hızlı surrogate proqnoz aracıdır. Çalışmanın kendisi, yüksək gradyanlı veya sərhəd-dominant zonalerde yekun kararların fizika əsaslı simulyasiyala doğrulanmasını zəruri görmektedir.