Parameter optimization, shaking table test, and intelligent response prediction of adjacent structures connected by viscous dampers

混雑した都市の中に、隣り合って立つ2棟の高層ビルを想像してみてください。地震で地面が揺れ始めると、これらのビルはただ左右に揺れるだけでなく、それぞれ独自の独特なリズムで踊るように動きます。もし一方のビルが高くて硬く、隣のビルが低くて柔軟であれば、それらは互いに同期せずに揺れるかもしれません。これは、2人のダンサーが一緒に踊ろうとしているのに、足を踏み合ってしまうようなもので、それが衝突や「ポンディング（衝突現象）」を引き起こし、両方の構造物にダメージを与える可能性があります。エンジニアたちは、建物同士の間に、高性能な車のショックアブソーバーのような巨大な高機能ダンパーを追加することで、建物が調和して動き、揺れのエネルギーを吸収できることを古くから知っています。しかし、ここが難しいところです。ダンパーを正確に「どこ」に設置し、どれくらいの「強さ」にするかを決定するのは、非常に困難なパズルです。もし予測を誤れば、ダンパーは全く役に立たないどころか、状況をさらに悪化させてしまうことさえあります。これが研究者たちが直面している課題です。すなわち、隣接する建物が安全かつ安定して動き続けられるよう、これらの「地震用ショックアブソーバー」をどのように完璧に調整するかという課題です。

この研究において、福州大学の研究チームは、高度なコンピュータ数学、物理実験、そして人工知能を組み合わせて、このパズルを解こうと試みました。彼らはまず、2棟の隣接するタワー（一方は15階建て、もう一方は7階建て）のデジタルツインを作成し、「遺伝的アルゴリズム」（数千通りのランダムなダンパー設定を試し、最も優れたものだけを残していくデジタル進化プロセスのようなもの）を使用して、完璧なレシピを見つけ出しました。その結果、特定のフロアにダンパーを配置し、その強度を調整することで、建物の揺れを大幅に軽減できることを発見しました。コンピュータの計算が単なる空想ではないことを証明するために、彼らはこれらのタワーの1/20スケールの模型を作成し、ラボ内の巨大な震動台の上でテストを行いました。結果は有望なものでした。実物の模型はコンピュータの予測とほぼ一致しており、ダンパーの追加によってメインタワーの頂部の揺れは最大35%、小型タワーの頂部の揺れは49%近く減少しました。

しかし、研究者たちはそこで止まりませんでした。新しい地震が発生するたびに複雑なコンピュータシミュレーションを実行するのは、現実世界の緊急事態においては時間がかかりすぎると気づいたのです。そこで、彼らは「インテリジェント」なコンピュータの脳（ニューラルネットワーク）に、建物の反応を瞬時に予測する方法を教え込みました。実験から得られた数千のシナリオをAIに学習させることで、地震による建物の最大揺れと揺れ幅を、92%以上の精度でほぼ即座に予測できるモデルを作り上げました。彼らの研究は、複数の場所に複数のダンパーを配置する方が、単一のダンパーよりも効果的であることを示唆しており、この「最適化、物理テスト、AI予測」のスマートな組み合わせが、地面が動き出した際に都市を安全に保つための強力な手法となることを示しています。

デジタル進化と物理テスト

研究者たちは、異なる規模の建物（15階建ての「メイン構造」と7階建ての「サブ構造」）を粘性ダンパーで接続するという問題に取り組みました。彼らは、単にダンパーを置く場所を推測するだけでは不十分であることを理解していました。代わりに、MATLAB（数学ソフトウェア）とSAP2000（構造工学プログラム）を組み合わせた高度なシステムを構築しました。彼らは、自然選択のように機能する**遺伝的アルゴリズム（GA）**を使用しました。これは、コンピュータがダンパーを配置する場所と強さに関する何千ものランダムなアイデアを生成し、それらを仮想世界で「テスト」するプロセスです。最も優れたアイデア（つまり、揺れを最も軽減するもの）が選ばれ、次のラウンドのためにさらに優れたアイデアを作るために「交配」されます。このプロセスは、コンピュータが絶対的な最適設定を見つけるまで繰り返されます。

彼らは主に2つのシナリオをテストしました：

1. ASVD-1： 単一のダンパーセットを持つシステム。
2. ASVD-2： 異なる場所に2組のダンパーを配置したシステム。

コンピュータは、研究対象となった特定のタワーに対して、最適な単一ダンパーの設置場所は7階であり、最適な2組のダンパー構成は1階と7階に配置することであると判断しました。最適な「強さ」（減衰係数）は、地震の種類によって260 Ns/mmから340 Ns/mmの範囲で変化しました。

現実世界での揺れ

コンピュータが夢を見ているだけではないことを証明するために、チームは物理モデルを製作しました。彼らは、実物の20分の1のスケールに縮小されたマイクロコンクリート壁と銅フレームを使用して、15階建てのメインタワーと7階建てのサブ構造を構築しました。この模型を、実際の地震をシミュレートできる巨大な震動台の上に設置しました。彼らは、エル・セントロ（El Centro）、サンフェルナンド（San Fernando）、SHW2という3つの有名な地震記録を用いてモデルをテストしました。

震動台による結果は大きな成功を収めました。物理モデルの挙動は、コンピュータの予測と驚くほど一致していました。実物モデルの自然な「振動周波数」はコンピュータモデルと5%未満の差しかなく、実際の揺れへの応答（各階がどれだけ動いたか）もシミュレーションの10%以内でした。これにより、彼らのデジタル最適化手法が信頼できるものであるという高い確信が得られました。

ダンパーなしの状態と比較すると、改善は明らかでした：

• エル・セントロ地震下： 単一ダンパーシステム（ASVD-1）は、メインタワーの最大変位を27.33%、加速度を24.01%減少させました。ダブルダンパーシステム（ASVD-2）はさらに優れた結果を示し、変位を35.69%、加速度を26.98%削減しました。小型タワーではさらに大きな効果が見られ、ダブルダンパー構成により変位が49%近く減少しました。
• サンフェルナンド地震下： ダブルダンパーシステムは、メインタワーの変位を47.68%、加速度を19.14%減少させました。
• SHW2地震下： ダブルダンパーシステムは、メインタワーの変位を22.19%、加速度を20.03%減少させました。

データは一貫して、**ASVD-2（2つのダンパーを用いた構成）**が勝者であることを示しました。これは、単一のダンパー構成よりも、メイン構造とサブ構造の両方に対して優れた制御を提供しており、ダンパーを異なるフロアに分散して配置することが、建物が揺れに対抗してより効果的に連携するのに役立つことを示唆しています。

未来を予見する「水晶玉」：AIによる予測

遺伝的アルゴリズムは最適な設定を見つけ出しましたが、新しい地震シナリオが発生するたびにそれらの複雑なシミュレーションを実行することは時間がかかります。スピードを上げるために、研究者たちはSSA-BPニューラルネットワークを構築しました。これは、実験とシミュレーションから得られたデータによって訓練された「水晶玉」のようなものです。

彼らは、100種類の異なる地震記録（遠方場、近傍場、パルス波を含む）と様々なダンパー設定を含む膨大なデータセットをこのAIモデルに投入しました。AIは以下の4つの主要な結果を予測することを学習しました：

1. メイン構造の最大変位（MSD）。
2. メイン構造の最大加速度（MSA）。
3. サブ構造の最大変位（SD）。
4. サブ構造の最大加速度（SA）。

結果は目覚ましいものでした。AIモデルは、トレーニングデータおよびテストデータの両方において、4つの結果すべてに対して決定係数（R²）が0.92以上を達成しました。簡単に言えば、AIの予測は実際の数値に極めて近く、誤差は非常に小さいということです。例えば、メイン構造の加速度を予測するための平均絶対パーセント誤差（MAPE）は約8〜9%でした。これは、将来、エンジニアが数時間の重いコンピュータシミュレーションを実行することなく、AIツールを使用して、ダンパーシステムがどの程度うまく機能するかを即座に予測できる可能性を示唆しています。

結論

この研究は、隣接する建物に粘性ダンパーを接続することが、適切に配置・調整されている限り、地震による被害を軽減するために非常に効果的な方法であることを示唆しています。研究者たちは、遺伝的アルゴリズムを使用してダンパーの位置と強度を最適化することが有効であり、戦略的な場所（彼らのモデルでは1階と7階）に2つのダンパーを使用することが、単一のダンパーを使用することよりも優れていることを発見しました。彼らはこれらの知見を実世界の震動台テストによって検証し、コンピュータモデルが正確であることを確認しました。最後に、彼らはAIモデルがこれらの結果から学習し、将来の地震への反応を迅速かつ正確に予測できることを実証しました。これは、より安全で回復力のある都市計画のための有望なツールを提供します。