Using generative design principles to optimize the acoustic quality of a meeting room
Notice bibliographique
Résumé
Architecture is now designed virtually as computers have replaced traditional drafting boards. This computational space affords building designers the ability to generate numerous design options and evaluate these using performance simulation. In contrast to traditional design, where the designer directly explores the solution space, generative design involves the use of automated techniques and systems in order to refine and complete the design task. This study investigates the potentials of generative design for the optimisation of the acoustic qualities of meeting rooms. An existing meeting room is used as a case study for the generative design process. Sound quality is of critical importance in meeting rooms where clear speech communication is essential. In particular, rooms intended for speech benefit from strong early reflections of sound, low reverberation time, and low signal-to-background noise (Bradley 2003, Bradley and Yang 2009). There exists a material palette of many types of acoustic surface – absorbers, reflectors, and diffusers – and placed in different configurations these will produce different acoustic conditions. Through the organization of acoustic surfaces the acoustic qualities of rooms can be tuned (Peters 2015). Though the predominant method of acoustic control in meeting rooms and offices makes use of absorbers and reflectors, it has been suggested that diffusors may promote speech intelligibility and perception of listener envelopment (D’Antonio and Cox 2000). A recent study has shown that diffusers were beneficial in classrooms for enhancing the early arriving reflections at more distant positions and creating more uniform sound conditions (Choi 2013). In the described experiments, digital 3D models are generated in CAD through computational procedures, and these virtual 3D models are then evaluated using acoustic simulation routines. With a particular focus on rooms for speech, the described experiments study what acoustic surface configurations provide better acoustic performance. Beyond absorptive and reflective surfaces this paper investigates sound diffusing panels –how much diffusion is necessary for meeting rooms, and where to put diffusers
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».