Строительные леса — штука ненадежная: шаг влево, шаг вправо — и вот уже они рухнули. Ученые придумали, как предсказать аварию до того, как она случится. Они скрестили компьютерное моделирование с искусственным интеллектом и научили нейросеть ставить диагноз конструкциям.

Сначала создали цифрового двойника лесов — виртуальную модель, которая учитывает все нагрузки и деформации. Но модели часто врут, поэтому ее доработали генетическим алгоритмом: методом проб и ошибок заставили симуляцию максимально соответствовать реальным данным. Потом на основе этой модели сгенерировали тысячи сценариев — как леса ведут себя в нормальном состоянии, при частичном разрушении и перед коллапсом.

Генетический алгоритм (GA) — это метод оптимизации, который имитирует естественный отбор. Допустим, у вас есть 100 вариантов модели лесов, и каждый немного отличается. Алгоритм «скрещивает» лучшие, добавляет случайные мутации и через сотни поколений находит оптимальную версию.

Полученные данные загрузили в сверточную нейросеть (CNN), которая научилась определять состояние конструкции точнее, чем классические методы. Проверили на реальном объекте — нейросеть обошла даже SVM (метод опорных векторов), который раньше считался золотым стандартом.

Но диагноз — это полдела. Нужен еще понятный отчет для инженеров. Тут подключили GPT-4, но не просто так, а с «подсказками» — базой знаний по строительным нормам. Такой гибрид (RAG-модель) выдавал осмысленные отчеты, а не набор технических терминов.

Что получили в итоге:

• Модель, которая учится на симуляциях, а не на дорогих и опасных экспериментах.
• Нейросеть, определяющую риск обрушения с высокой точностью.
• Автоматические отчеты, которые не придется переписывать вручную.

Технологию можно масштабировать на мосты, здания и другие сложные конструкции. Следующий шаг — внедрение на стройплощадках с помощью edge-компьютинга (вычислений прямо на месте).

Результаты опубликованы в издании Smart Construction.

Главный плюс — профилактика. Сегодня мониторинг лесов часто сводится к визуальному осмотру: мастер обходит конструкцию и на глазок оценивает, нет ли перекосов. Это ненадежно. Автоматизированная система, обученная на точных симуляциях, может уловить микротрещины или перегрузки, которые человек не заметит.

Вторая выгода — экономия. Краш-тесты и датчики дороги, а здесь данные генерирует модель. Для развивающихся стран, где нормы контроля соблюдаются хуже, это спасение.

Исследование проверяли на одном типе лесов — как поведет себя модель с другими конструкциями, непонятно. Авторы пишут о «перспективах масштабирования», но нет данных по адаптации алгоритма, например, для мостов или высотных зданий. Возможно, для каждого случая придется заново обучать нейросеть.

Ранее мы опубликовали 10 инновационных трендов в сфере строительства.