# 西尾
[Generative Topology Optimization: Exploring Diverse Solutions in Structural Design](https://arxiv.org/abs/2502.13174)
## 羽藤
研究室では行動モデルやNW配分とかがあるがこれらは分析的な手法。一方、それらを使って生成モデル的な手法に落とし込んで都市空間を設計するための理論を構築するかということは西尾が今考えていること。本論文はそれを基礎付けるものになる。均衡配分とかは構造力学のアナロジーとして考えられるので、本論文の最適設計の生成系のモデルが使える。

 $\theta$ は FEM にいれるときのサロゲートのパラメータ？→そう

## 小川
$F$, $X$, $Z$ 各点において密度を出力する？→そう
diversity のところで、chamfer 距離が明示的に計算できないという話があったが、解の多様性とも関係すると思うが、$Z$のサンプリングによって解の多様性を作り出しているということか。→そう
学習の結果単一の解に収束するということもあるのか？→結果を見る限りはない。$Z$の範囲を狭めると似たような構造にはなるが一つに収束することはないと思う。

## 増田
`p. 39` 人間が形を設計するときも大まかな形→こまかな形と設計する。学習の時もざっくり$Z$の範囲を決めて細かく学習するのか？
→ $Z$の範囲は自分で決める。

学習の時は等間隔 or ランダムでサンプリング？
→ 等間隔：grid の中から等間隔、uniform：ランダムでサンプリング。

等間隔の方がいろんなところを取ってこれて解の多様性の点で性能が高い？

---
## 議論
`数字` は得票数。
### 大橋 `2` 
光を使った空間設計。

- 舗装されていない道で光を使って人を誘導する。災害時、遭難時の避難。
- 広場の設計。夜間とかの美景を光を使って連続的に作る。
### 中澤 `0`
- まっさらなところに新しい都市をつくる。テーマパーク。
- ドローン、飛行機の経路設計。ジェット気流の場を solver に入れると、多様な解を生成できるので衝突しなくて良くなる。
### 伊藤 `1`
ゾーニングの最適化。

多様な解を生成できるのが特徴なので、それを都市の配置の最適化に利用できる。
周波数を大きいものにして自由度が高いものを生み出し、人間がその中から選ぶという使い方。
grid research でラフな案をつくる。
#### （門坂）
コミュニティ・人口密度を制約条件に入れる。メッシュではなくニューラル場を使うのが面白いところ。人口密度を考えるのであれば中間値ペナルティを緩和して良さそう。
立地だけを最適化しようとすると所有者でメッシュがすでに決まっているので適用の難しさがある。
### 水谷 `4`
アクティビティモデルで余暇的な時間を含めた多様な過ごし方を再現する。現実のデータとの距離を最適化する。

ショッピングモールのテナント。多様な店舗構成を実現する。
### 古橋 `7`
離散のものを連続緩和することで生成できるようにしている。
recursive なネットワークを生成することにも使える。
ミクロな問題だけど離散で考える問題への適用が意味がある。渋谷駅構内の行動とか、家具配置問題とか。