مطالعه تطبیقی به کارگیری هوش مصنوعی در روش اجزای محدود FEM: تکامل ابزارهای تحلیل سازه ای در مهندسی عمران

روش اجزای محدود (FEM) به عنوان یکی از مهم ترین ابزارهای تحلیل سازه ای، نقشی اساسی در حل مسائل پیچیده مهندسی عمران ایفا می کند. FEM این امکان را به مهندسان می دهد تا با دقت چشمگیر، رفتار سازه ها را تحت بارگذاری های متنوع و شرایط مرزی و مصالح گوناگون مدل سازی نمایند. با این حال، افزایش پیچیدگی مدل ها و نیاز به تحلیل دینامیکی غیرخطی، محدودیت هایی مانند هزینه بالای محاسبات، پیچیدگی فرآیند مش بندی، و دشواری در اعتبارسنجی مدل های رفتاری مصالح را ایجاد کرده است. در دو دهه اخیر، با ورود هوش مصنوعی (AI) و به ویژه یادگیری ماشین (ML) و یادگیری عمیق (DL)، راهکارهای نوینی برای مواجهه با این محدودیت ها پدید آمده است. مدل های هوش مصنوعی قادر هستند داده های عددی یا تجربی را تحلیل کرده، رفتار پیچیده مصالح و سازه ها را پیش بینی نمایند و حتی روند بهینه سازی طراحی و تحلیل را شتاب بخشند. در این راستا، ادغام روش های AI با FEM منجر به شکل گیری مدل های ترکیبی قدرتمند (Hybrid AI-FEM) شده است که در آنها، مدلسازی رفتار سازه و مصالح، کاهش ابعاد، تولید و بهبود مش، کالیبراسیون پارامترها و حتی شناسایی آسیب، با دقت و سرعت بالاتری نسبت به روش های کلاسیک انجام می شود. این مقاله با رویکرد تطبیقی، به تحلیل سیر تحول، ظرفیت ها و چالش های تلفیق AI در FEM پرداخته و نتایج مطالعات مختلف بین المللی و ایرانی را بررسی می کند. در بخش هایی از مقاله، مطالعات موردی نیز ارائه شده است که تفاوت عملکرد روش های سنتی و ترکیبی را از حیث سرعت، دقت، و قابلیت تعمیم در شرایط واقعی مهندسی عمران ایران نشان می دهد. همچنین پیشنهاداتی برای توسعه مدل های مبتنی بر دانش بومی، طراحی پایگاه های داده ملی و به کارگیری مدل های پیشرفته فیزیک-آگاه به منظور ارتقای سطح تحلیل و طراحی سازه ها ارائه شده است. در مجموع، یافته های این تحقیق نشان می دهد که اگرچه مدل های AI هنوز نمی توانند جایگزین کامل روش های عددی سنتی باشند، اما به عنوان مکمل های کارآمد، می توانند ساختار تحلیل و طراحی سازه ای را متحول و امکان بررسی مسائل پیچیده تری را با هزینه و زمان بسیار کمتر فراهم نمایند.

کلیدواژه ها:

روش اجزای محدود (FEM) ، هوش مصنوعی (AI) ، یادگیری ماشین (ML) ، تحلیل سازه ، مهندسی عمران ، بهینه سازی طراحی