MétaCan
Menu
Retour à la cohorte
Enregistrement W4413882907 · doi:10.1016/j.autcon.2025.106496

AI applications for structural design automation

2025· article· en· W4413882907 sur OpenAlexafffund
Hao Xie, Qipei Mei, Ying Hei Chui

Notice bibliographique

RevueAutomation in Construction · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates
Mots-clésAutomationEngineeringSystems engineeringComputer scienceSoftware engineeringManufacturing engineeringEngineering drawingMechanical engineering

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been an increase in artificial intelligence (AI) applications in the field of structural engineering. With the rapid development of AI, new opportunities have emerged to use this technology to generate and check the structural design. Over the last few years, there has been a sharp increase in the number of publications relating to AI applications in structural design. This paper presents a systematic review of previous studies on the applications of AI in structural design. A total of 134 papers were analyzed. The review shows that AI techniques have benefited engineers in generating optimized structural design solutions that meet the requirements of building codes and design standards. Additionally, challenges and future opportunities are presented and discussed. This review will contribute to the body of knowledge by summarizing the state-of-the-art of using AI technologies in structural design and exploring future research opportunities in this area.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,904
Score d'incertitude au seuil0,679

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,252
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAutomation in ConstructionMême sujetBIM and Construction IntegrationTravaux en français237 207