Rhino用户网络研讨会
机器学习与Rhino 8的整合
2024年12月3日12点 (欧洲中部时间)
本次研讨会将探讨Rhino 8的脚本环境，特别是新的Python 3 元件，还有如何直接整合ML(机器学习)模型(如回归与分类)，进而实现设计最佳化。 虽然生成 AI经常受到关注，但这些模型可以以更好的方式处理AEC产业中许多现实中的挑战，从而能显著提高工作流程效率。
LearnCarbon这个重新审视的项目展现了这项整合的潜力。 一开始本项目以NumPy、Pandas、TensorFlow、 Keras进行广泛的数据清理与模型训练，并通过Hops与Grasshopper连结预测。 这个工作流程依赖插件程序与后台脚本，导致稳定性有问题。
通过Rhino 8与Python 3的整合，这些模型现在可以直接在Rhino中执行，减少使用插件程序的需求，并提高工作流程的稳定性。这种整合带来了新的可能性：
- 通过在Grasshopper生成合成数据集，甚至利用现有数据集，以机器学习预测结果，绕过传统需大量计算的模拟，反转模型关系，并加速缓慢的过程。
- 可逆转模型关系 – 比如在LearnCarbon中：经过训练根据实质性预测隐含排放的模型，现在可根据目标排放因子推荐最佳材质。
讲者：Iliana Papadopoulou 是建筑师也是软件开发人员，带领了一些专注在空间运算、机器学习和界面的计划。她的工作涵盖各种层面，从建立沉静式虚拟空间到利用神经网络最佳化全球大型城市布局的效能。Iliana将研究与技术应用在项目上，为专业实务及学术界皆做出许多贡献。
