导读

为了发挥清华大学多学科优势，搭建跨学科交叉融合平台，创新跨学科交叉培养模式，培养具有大数据思维和应用创新的“π”型人才，由清华大学研究生院、清华大学大数据研究中心及相关院系共同设计组织的“清华大学大数据能力提升项目”开始实施并深受校内师生的认可。项目通过整合建设课程模块，形成了大数据思维与技能、跨界学习、实操应用相结合的大数据课程体系和线上线下混合式教学模式，显著提升了学生大数据分析能力和创新应用能力。

图1 赵鹏举生活照

我是来自土木工程系的赵鹏举，今年直博5年级。直观来看，土木工程专业和机器学习或者深度学习不是特别相关，但是我一直就对机器学习方法十分感兴趣。我本科是哈尔滨工业大学的，在本科期间，学习土木工程专业知识之余，我也自主学习了一些简单的机器学习方法，在网络上也学习了一些基础课程，在大三的时候带队参加了美国大学生数学建模竞赛，并获得了特等奖（outstandingWinner）。我一直保持着这份对新方法还有新技术的热情，在保研的时候我选择了现在的课题组，一部分原因也是因为我们课题组有着将新技术和新方法应用于土木工程领域的交叉学科特色。

来到清华大学读研后，当我第一次通过公众号了解到大数据能力提升项目的时候，我就特别的心动，便果断地报了名。我十分感谢清华大学能够提供这样一个系统地学习、了解机器学习等大数据知识和技术的平台。

大数据系统基础这一课程为我提供了系统了解文件存储、MapReduce等计算框架、非结构化存储、内存计算、流计算、时间序列数据管理、图数据管理等前沿大数据基础知识的机会。人工智能课程让我对基础的机器学习技术有了了解。深度学习和大数据实践更是让我对前沿深度学习技术有了认识，并从实践中锻炼了使用深度学习技术解决问题的能力。

面对大数据的系列课程，我由于基础比较薄弱，在学习过程中遇到了原理难理解，公式看不懂，软件不会用等等困难。我也曾想过放弃，也曾想着退课或者只是学习一下，不参与大数据能力提升的全部教程。但是在同学们的鼓励和帮助下，我还是逐渐熟练了软件操作，也慢慢跟上了理论知识，我坚持了下来，并完成了项目课程，获得了项目证书。并且在后续的科研中，我也将学到的知识应用在土木工程的智能建造和智能设计领域。

我最开始的课题大方向是，建筑结构的有限元仿真模拟，即使是在土木工程中，也是十分传统的方向。在学习了大数据能力提升的系列课程之后，我在思考自己科研选题方向时，十分希望能够将这些大数据的知识应用在自己的专业之中，从而实现学科的交叉，开拓新的科研疆域。因此，在初期的科研探索中，我尝试将机器学习的简单方法应用于社区和城市尺度的计算流体力学（CFD）仿真模拟中。CFD在城市风工程、城市风灾、风致舒适度领域中有广泛的应用，但是当分析尺度较大时，CFD仿真计算缓慢且耗用计算资源极大。为应对这一挑战，我和课题组的师兄以清华园为例，开发了清华园风场预测的代理模型，可以快速进行校园内风速分布的预测，以及风致树木破坏的预测。

之后在暑期社会实践中，我从博智林公司的实际业务中了解到智能建造是土木工程领域的一次新的变革，在实践期间，我依托于智能建造的大背景，完成“全球基于BIM技术的建设项目全周期管理模式分析”项目报告，也对智能建造有了较为清晰的了解，产生了浓厚的兴趣。

 图2 暑期社会实践（左一为赵鹏举）

正巧，课题组也在进行智能建造方向的扩展研究。课题组已有师兄进行了基于生成对抗网络的智能化建筑结构方案设计的研究工作，我十分看好这一工作的研究前景，并且十分感兴趣，因此在这一方向上进行了进一步的科研探索。建筑业作为我国的经济支柱产业，总产值突破29万亿元，且每年新增建筑面积近20亿平方米（约为10万栋20层高层建筑），居全球首位。我国的建筑、桥梁等城市重要工程设施的建设总量大，且新建工程数量基本呈现逐年上涨趋势，可以预见我国在未来一段时间内，仍旧需要为城市化的发展建设相当数量的基础工程设施。但是中国建筑业信息化率仅为0.03%，与国际建筑业信息化率0.3%的平均水平相差较远。且在全球范围内，建筑业总体数字化程度在统计的行业中倒数第二。“建筑业仍然大而不强”，我国工程结构建造的需求日益增长，智能化的建造技术需求强烈。

在师兄的研究工作中，通过生成对抗网络，基于语义化的建筑结构图纸，进行剪力墙结构的结构布置设计。尽管已有发展，但是仍然面临系列问题：（1）现有智能化结构设计方法中关键建筑空间区域无法指导建筑结构设计；（2）现有智能化结构设计方法无法考虑结构拓扑关系特征。我通过引入建筑空间特征和注意力机制，来考虑关键建筑空间（例如电梯井、阳台等）对剪力墙结构设计的影响，实现了不同设计条件分组下的建筑空间区域特征在生成对抗网络中的嵌入和指导剪力墙结构方案的生成式设计。基于像素图像的建筑结构设计方法难以考虑结构构件之间的空间拓扑特征。我在大数据系列课程中学习到，图（Graph）数据具有表达元素之间关系的天然优势，而且图神经网络（GNN）也有了较好的发展，在分子预测，社交网络等领域有成熟应用，因此，我希望将GNN引入结构设计之中，以充分考虑结构构件之间的空间拓扑特征。我以框架结构为例，研究了框架结构的图表征方法，并基于框架结构数据的参数化构建方法和图表征方法，建立了框架结构的图谱数据库。进一步地，我开发了边特征增强的图神经网络模型，实现了对框架梁特征的增强考虑，从而实现了框架结构梁的自动布置设计。在探索到图神经网络的强大能力后，我又将GNN应用于剪力墙结构中的剪力墙和梁布置的设计。

正是大数据能力提升项目，开拓了我的视野，增长了我的技能。自参加了大数据能力提升项目以来，我将机器学习技术和土木工程领域结合，目前以第一作者发表领域内一区SCI期刊论文6篇，以除导师外第一作者获授权发明专利7项。同时还参加了“共创杯”第三届智能建造技术创新大赛等大数据和土木工程相关的竞赛，并取得特等奖等优异名次。

 图3 参加“共创杯”第三届智能建造技术创新大赛（右一为赵鹏举）

编辑：于腾凯

校对：王欣