پلاستیسیته سیناپسی جهت سازماندهی پیشنگر عطفها و مسیرهای فضایی

با گسترش مطالعات میان رشته ای میان معماری و علوم اعصاب امکان طراحی فضاهایی فراهم آمده است که نه تنها به نیازهای عملکردی پاسخ دهند بلکه قابلیت یادگیری، سازگاری و تنظیم ساختار فضایی بر مبنای تجربه و نیاز کاربران را نیز دارا باشند. پژوهش حاضر با تکیه بر مفاهیمی چون یادگیری هبی (Hebbian Learning)، انعطاف پذیری سیناپسی و ساختار گرافی شبکه های نورونی، به دنبال توسعه الگوریتمی مفهومی برای طراحی پیشنگر و یادگیرنده در معماری است. هدف اصلی این الگوریتم دستیابی به کیفیتی ایده آل در طراحی عطف ها، گره های میانی و ساختار ارتباطی میان آنها است؛ به گونه ای که پاسخگوی نیازها و ترجیحات رفتاری کاربران در آینده باشد. روش تحقیق طراحی مبتنی بر نظریه است و شامل چهار مرحله اصلی می شود: (۱) استخراج اصول مفهومی از علوم اعصاب، (۲) استخراج و ترجمه الگوریتم پلاستیسیته سیناپسی و یادگیری هبی بر پایه مدل گراف، (۳) پیاده سازی اولیه الگوریتم در محیط Grasshopper و (۴) اعتبارسنجی اولیه از طریق تحلیل ساختار گراف های تولید شده. خروجی اولیه شامل گراف هایی است که سازمان فضایی پیشنهادی را متناسب با منطق یادگیری هبی و پلاستیسیته سیناپسی بازسازی می کنند و ساختارهایی شامل هاب های ارتباطی، مسیرهای پرتکرار و عطف های تقویتی را آشکار می سازند. نوآوری این پژوهش در گذار از تحلیل پسینی رفتار کاربر به طراحی پیشنگر مبتنی بر یادگیری نورومیمتیک است؛ رویکردی که تلاش می کند از ابتدا، فضاها و ارتباطاتی بهینه و کارا بر اساس الگوهای رفتاری طراحی کند. این چارچوب نظری می تواند مستقیما در فرآیند طراحی الگوریتم های تولید فرم، سازمان فضایی و توسعه ابزارهای پیش بینی حرکت کاربران مورد استفاده قرار گیرد؛ رویکردی که تلاش می کند از ابتدا فضاهایی بر اساس الگوهای رفتاری طراحی کند.

کلیدواژه ها:

نور و معماری ، یادگیری هبی ، پلاستیسیته سیناپسی ، طراحی یادگیرنده ، عطف ، فضایی ، سازمان فضایی ، پیشنگر