طراحی الگوریتمیک در معماری
- صفحه نخست
- طراحی الگوریتمیک در معماری
معماری دیجیتال چیست؟
فرآیند بهکارگیری طراحی الگوریتمیک در یک پروژه معماری را میتوان به مراحل گامبهگام زیر تفکیک کرد:
1. تعریف مسأله و متغیرهای طراحی
در ابتدای کار، معمار مسئله طراحی را شفاف میکند و اهداف کلیدی پروژه را برمیشمارد (برای مثال: حداکثر استفاده از نور طبیعی، حداقل مصرف انرژی، فرم معماری متمایز و غیره). سپس عوامل و پارامترهای مؤثر بر طرح شناسایی میشوند؛ این پارامترها میتوانند کمی (اعداد و اندازهها) یا کیفی (گزینهها و حالتها) باشند. در این مرحله درک درستی از محدودیتها (Constraints) و آزادیهای طراحی به دست میآید که چارچوب اولیه الگوریتم را معین میکند.
2. توسعه الگوریتم یا منطق طراحی
در گام بعد، طراح به سراغ ایجاد الگوریتم تولید فرم میرود. این کار ممکن است از طریق کشیدن دیاگرامهای گرافیکی در محیطی مانند Grasshopper یا با نوشتن کد در پایتون/C انجام شود. هدف، تعریف مجموعه دستوراتی است که بر اساس پارامترهای ورودی میتوانند طرحهای مختلفی را تولید کنند. برای نمونه، الگوریتم میتواند شامل قوانینی برای چیدمان فضاها، تقسیمبندی نما، یا سازه یک پوسته باشد. در این مرحله طراح ساختار کلی فرآیند را تنظیم میکند: دادههای ورودی چگونه پردازش شوند و چه خروجیهایی تولید شوند.
۳. تولید نسخههای اولیه طرح
(Iteration): پس از آماده شدن الگوریتم، نوبت به اجرای آن و تولید طرحهای اولیه میرسد. معمار ممکن است در ابتدا با تنظیم دستی پارامترها چندین حالت مختلف از طرح را تولید و مشاهده کند تا دامنه نتایج را بسنجد. سپس برای جستجوی سیستماتیکتر، میتوان از تکنیکهای خودکار بهره گرفت. به عنوان مثال، از یک الگوریتم ژنتیکی یا جستجوی تصادفی استفاده میشود تا صدها یا هزاران ترکیب پارامتری به صورت خودکار آزموده شود و گزینههای متنوعی از طرح به دست آید. این مرحله ماهیت تکرارشونده دارد؛ هر اجرا یا Iteration نتایجی میدهد که ممکن است در اجرای بعدی با تغییراتی در الگوریتم یا پارامترها بهبود یابد. خروجی این گام مجموعهای گسترده از طرحهای ممکن است که همگی مطابق منطق تعریفشده تولید شدهاند.
4. ارزیابی و بهینهسازی طرحها
اکنون طرحهای حاصل باید ارزیابی شوند تا میزان انطباقشان با اهداف پروژه مشخص گردد. در طراحی الگوریتمیک معمولاً ارزیابی به کمک شبیهسازیها و تحلیلهای کامپیوتری صورت میگیرد. برای مثال، میزان نورگیری فضاها، کارایی سازهای فرم، مصرف انرژی یا هزینه ساخت هر طرح میتواند محاسبه و به هر گزینه یک امتیاز برازش اختصاص داده شود. ابزارهای تحلیلی متعددی را میتوان در این مرحله به کار بست؛ از اتصال مدل پارامتریک به موتورهای تحلیل انرژی و اقلیم (مانند پلاگینهای Ladybug و Honeybee) گرفته تا تحلیل سازهای خودکار. نکته مهم در این مرحله، یکپارچگی فرایند طراحی و تحلیل است؛ یعنی مدل الگوریتمیک ما باید بتواند با تغییر پارامترها، مستقیماً خروجیهای لازم برای تحلیل را فراهم کند. در بسیاری از موارد، ارزیابیها خود به صورت بلادرنگ داخل محیط طراحی بازخورد داده میشوند و معمار میتواند نتایج را به سرعت ببیند. اگر از الگوریتمهای بهینهسازی (مثل GA) استفاده شده باشد، خود سیستم با تکرار نسلها و ارزیابی خودکار به سمت گزینههای بهتر همگرا میشود. در غیر این صورت، این معمار است که با مشاهده نتایج، تشخیص میدهد کدام طرحها برترند.
5. انتخاب گزینه برتر و پالایش نهایی
پس از ارزیابی، یک یا چند گزینه که بیشترین امتیاز یا بهترین تطابق با خواستهها را دارند مشخص میشوند. معمار ممکن است یکی از طرحهای بهینه را برگزیند یا ترکیبی از ایدههای برتر را مد نظر قرار دهد. سپس مرحله پالایش آغاز میشود؛ در این گام، جزئیاتی که شاید در مدل الگوریتمیک اولیه در نظر گرفته نشده بودند اضافه یا تنظیم میشوند. برای مثال، ملاحظات زیباییشناختی خاص، مصالح، جزئیات اتصالات و غیره ممکن است نیاز به ویرایش دستی یا افزودن به مدل داشته باشند. گاهی اوقات معمار در این مرحله تصمیم میگیرد برخی قیود را تغییر دهد و مجدداً الگوریتم را اجرا کند تا گزینههای تازهای پیرامون ایده برتر بیابد. حاصل این فرآیند، رسیدن به یک طرح نهایی است که هم توسط محاسبات بهینه شده و هم مورد تأیید خلاقیت و تجربه معمار قرار گرفته است.
6. پیادهسازی و تهیه مستندات
آخرین مرحله، تبدیل طرح منتخب به نقشهها و اطلاعات قابل ساخت است. یکی از مزایای طراحی الگوریتمیک این است که مدل سهبعدی دقیقی در اختیار داریم که مستقیماً میتواند پایه تولید مستندات فنی قرار گیرد. در عمل معمولاً مدل حاصل از نرمافزارهای طراحی الگوریتمیک (مثلاً Rhino/Grasshopper) به یک نرمافزار BIM مانند Revit منتقل میشود. این انتقال به معمار اجازه میدهد از توانمندیهای هر دو جهان بهرهمند شود: فرم پیچیده و بهینهشدهای که در راینو و گرسهاپر تولید شده، اکنون وارد محیط رویت میشود تا پلانها، مقاطع، جزئیات اجرایی و هماهنگی با سازه و تأسیسات روی آن سوار شود. در طی این فرآیند، ممکن است نیاز به سادهسازیهایی نیز باشد تا مدل برای ساخت آماده گردد (برای مثال، تقریب زدن انحناهای بسیار پیچیده به قطعات قابل ساخت). در نهایت، نقشههای دو بعدی، جداول متره، مدلهای ساخت دیجیتال (مانند مدلهای پرینت سهبعدی یا فایلهای دستگاه CNC) و سایر خروجیهای مورد نیاز، از دل مدل الگوریتمیک استخراج میشوند. به این ترتیب، فرآیند طراحی الگوریتمیک با فرآیند ساخت و اجرا گره میخورد و پروژه معماری از فاز مفهومی تا اجرایی به صورت یکپارچه پیش میرود.
در مجموع، طراحی الگوریتمیک یک رویکرد نوین و توانمند در معماری معاصر است که ضمن تقویت خلاقیت فرمیابی، بعد علمی و تحلیلی طراحی را نیز پررنگ میکند. معماران امروز با تسلط بر ابزارها و تکنیکهای الگوریتمیک میتوانند به راهحلهایی دست یابند که هم از منظر زیباییشناسی کمنظیرند و هم با روشهای تحلیلی اثبات شده پشتیبانی میشوند. این سبک طراحی با تکیه بر اصول معماری دیجیتال و فناوری، افقهای تازهای را پیش روی معماری گشوده و انتظار میرود در آینده نیز نقشی محوری در پیشبرد مرزهای طراحی و ساخت ایفا کند.
ابزارهای مورد استفاده
Tools Section
ابزارهای تخصصی که برای پیادهسازی طراحیهای دیجیتال استفاده میشوند
دعوت به همکاری
برای مشاوره و دریافت خدمات طراحی دیجیتال، با ما تماس بگیرید.
ارائه مشاوره رایگان یا درخواست نمونه کارهای بیشتر
تفاوت طراحی الگوریتمیک و پارامتریک (معماری دیجیتال)
در طراحی پارامتریک معمار ابتدا یک مدل یا فرم پایه با روابط هندسی مشخص ایجاد میکند و مجموعهای از پارامترها یا متغیرها را تعریف میکند. سپس با تغییر این پارامترها، شکل معماری به صورت آنی دستخوش تحول میشود. به بیان ساده، در طراحی پارامتریک معمار به جای ترسیم مستقیم تمامی عناصر، قوانین و وابستگیهایی تعیین میکند که تغییر مقادیر ورودی (مثلاً شعاع منحنیها، زاویهها یا ارتفاع طبقات) خروجی طرح را دگرگون میسازد. ابزارهایی نظیر Rhino و پلاگین محبوب آن Grasshopper از جمله پلتفرمهای رایج برای پیادهسازی طراحی پارامتریک هستند که امکان ایجاد فرمهای بدیع و غیرسنتی را از طریق تنظیم پارامترها فراهم کردهاند.
در مقابل، طراحی الگوریتمیک گامی فراتر میرود و بر خودِ تعریف الگوریتمها و مجموعه دستورالعملهای تولید فرم تأکید دارد. معمار در این رویکرد غالباً به صورت مستقیم به کدنویسی یا ساخت نمودارهای منطقی روی میآورد تا «ابزار» طراحی دلخواهش را خلق کند. به عبارتی، به جای اتکا به ابزارهای از پیش تعریفشده، معمار خود روند تولید را به صورت محاسباتی تعریف میکند. برای مثال، به جای استفاده صرف از یک مدل آماده پارامتریک، ممکن است معمار الگوریتمی بنویسد که موقعیت و ابعاد عناصر یک نما را بر اساس دادههای محیطی (مانند زاویه تابش خورشید یا جهت باد) تعیین کند. هر دو رویکرد در حوزه معماری دیجیتال اهمیت دارند: طراحی پارامتریک امکان تغییر سریع و مشاهده نتایج را میدهد، در حالی که طراحی الگوریتمیک انعطاف و قدرت بیشتری در ایجاد سیستمهای کاملاً سفارشی و پاسخگو به چالشهای خاص فراهم میکند. در واقع، منابع تخصصی معماری دیجیتال نیز این تمایز را منعکس کردهاند؛ برای مثال در کتاب «معماری دیجیتال» (تألیف دکتر محمود گلابچی و همکاران)، فصلهای مجزایی به فرمیابی دیجیتال به کمک الگوریتم و کاربرد الگوریتمهای ژنتیک در طراحی اختصاص یافته است که نشاندهنده جایگاه ویژه روشهای الگوریتمیک در جنبش معماری دیجیتال است.
کاربرد زبانهای برنامهنویسی در طراحی معماری
یکی از دلایل رشد چشمگیر طراحی الگوریتمیک، ورود زبانهای برنامهنویسی به عرصه معماری است. آشنایی معماران با زبانهایی مانند Python و C باعث شده تا بتوانند ابزارهای طراحی را مطابق نیازهای ویژه خود توسعه دهند. این زبانها به صورت مستقیم یا در بستر نرمافزارهای معماری به کار گرفته میشوند و قدرت محاسباتی و خودکارسازی بالایی را در اختیار طراح قرار میدهند. در محیطهایی نظیر Grasshopper (راینو)، افزونههای ویژهای برای کدنویسی وجود دارد که به معمار اجازه میدهد در کنار مدلسازی بصری، از اسکریپتنویسی بهره ببرد. به عنوان مثال، پایتون (Python) یک زبان اسکریپتنویسی قدرتمند است که میتوان از آن برای ایجاد عملکردهای سفارشی در Grasshopper استفاده کرد. در شرایطی که یک قابلیت به صورت پیشفرض در دسترس نیست، معمار میتواند با کدنویسی پایتون یک جزء یا کامپوننت سفارشی بسازد؛ برای نمونه، محاسبه ضریب نور روز برای نمای یک ساختمان به کمک یک اسکریپت پایتون ممکن است انجام شود. همچنین پایتون برای مدیریت و پردازش دادههای حجیم در فرایند طراحی بسیار مفید است؛ به ویژه زمانی که پروژه شامل دادههای پیچیده یا مجموعهدادههای بزرگ باشد میتوان از اسکریپتهای پایتون جهت پاکسازی، سازماندهی و تحلیل دادهها بهره گرفت. مزیت دیگر پایتون، وجود کتابخانههای خارجی گسترده است. این کتابخانهها قابلیتهایی فراتر از ابزارهای معماری مرسوم را اضافه میکنند؛ به طور مثال با کتابخانههای علمی مانند NumPy یا حتی کتابخانههای یادگیری ماشین میتوان تحلیلهای پیشرفتهای را روی مدل معماری انجام داد یا الگوهای بهینهسازی جدیدی را پیادهسازی کرد.
علاوه بر پایتون، زبان C نیز نقش مهمی در عرصه طراحی الگوریتمیک دارد. C به طور ویژه در توسعه پلاگینها و تعامل با رابطهای برنامهنویسی کاربردی (API) نرمافزارهای معماری مورد استفاده قرار میگیرد. برای مثال، در محیط Revit از طریق API مبتنی بر .NET میتوان با C افزونههای سفارشی ایجاد کرد یا فرایندهای زمانبر را خودکار نمود. همچنین خود Grasshopper و Dynamo قابلیت استفاده از کدنویسی C (و VB.NET) را برای ساخت اجزای اختصاصی فراهم کردهاند. در مجموع، یادگیری اصول برنامهنویسی برای معماران نسل جدید به یک مزیت رقابتی تبدیل شده است؛ زیرا ترکیب خلاقیت طراحی با توانایی کدنویسی به آنها اجازه میدهد که عملاً هر ایدهای را به صورت یک الگوریتم اجرایی درآورند و محدودیتهای ابزارهای سنتی را پشت سر بگذارند.
استفاده از الگوریتمهای ژنتیک در فرمیابی معماری
الگوریتم ژنتیک یک تکنیک برنامهنویسی الهامگرفته از تکامل طبیعی است که راهحل یک مسئله را از طریق ایجاد جمعیتی از گزینهها و بهبود تدریجی آنها به دست میآورد. به بیان ساده، در این روش ابتدا مجموعهای از طرحهای اولیه (یا به اصطلاح یک جمعیت اولیه از «ژنها» که نشاندهنده پارامترهای طرح هستند) به صورت تصادفی یا بر اساس حدسهای اولیه تولید میشوند. سپس این الگوریتم هر طرح را بر اساس معیارهای معینی – که به آنها تابع برازش یا تابع هدف گفته میشود – ارزیابی میکند. طرحهای بهتر (طرحهایی که امتیاز بالاتری در معیارها کسب میکنند) شانس بیشتری برای انتقال ویژگیهایشان به نسل بعد خواهند داشت. با اعمال عملگرهایی نظیر انتخاب (گزینش بهترینها)، ترکیب (تبادل ویژگیهای دو طرح والد) و جهش (اعمال تغییرات تصادفی کوچک)، نسل جدیدی از طرحها به وجود میآید که عموماً از نسل قبل بهینهتر هستند. این چرخه آنقدر تکرار میشود تا الگوریتم به یک یا چند طرح با کیفیت مطلوب دست یابد یا به معیار توقف برسد.
کاربرد الگوریتمهای ژنتیکی در معماری عمدتاً در مسائل بهینهسازی و جستجوی فرمهای بهینه نمود پیدا میکند. برای مثال، میتوان بهینهترین الگوی چیدمان پوستههای یک نما را با توجه به نور روز و سازه با این روش پیدا کرد. در یک مطالعه، پژوهشگران با استفاده از الگوریتم ژنتیک توانستند تعداد و محل تکیهگاههای مورد نیاز یک نمای پارامتریک را بهینه کنند و بدین ترتیب ضمن کاهش تعداد المانهای سازهای، کیفیت بصری نما را نیز بهبود دهند. نمونه دیگر، ایده «برجهای بدون سایه» است که در آن زاویه و فرم برجها با الگوریتم ژنتیک طوری بهینه شده که حداقل سایهاندازی را بر سطح زمین مجاور داشته باشند. به طور کلی، هرجا که مسئله طراحی دارای فضای بسیار گستردهای از گزینهها باشد و اهداف متعددی (گاه متناقض) مد نظر باشد، الگوریتمهای تکاملی مانند GA ابزار قدرتمندی برای یافتن گزینههای برتر محسوب میشوند.
در ایران نیز کاربرد الگوریتمهای ژنتیکی در معماری مورد توجه محققان و معماران نوگرا قرار گرفته است. یکی از پیشگامان این حوزه دکتر علی اندجی گرمارودی است که بخشی از پژوهشهای او پیرامون بهینهسازی طراحی معماری با بهکارگیری الگوریتمهای ژنتیک بوده است. برای مثال، در یک پروژه طراحی ساختمان بلندمرتبه، دکتر اندجی و همکارانش نشان دادند که ترکیب طراحی پارامتریک با الگوریتمهای تکاملی میتواند عوامل متعدد مانند سازه، اقلیم، فرم و انرژی را بهطور همزمان در فرآیند طراحی دخیل کرده و مجموعهای از گزینههای مطلوب را برای انتخاب معمار در کوتاهترین زمان ممکن تولید کند. نتیجه چنین پژوهشهایی بیانگر آن است که استفاده از الگوریتمهای ژنتیکی میتواند به خلق فرمهای نوآورانهای منجر شود که نه تنها از لحاظ زیباییشناسی بدیعاند، بلکه از نظر عملکردی نیز بهینه و مبتنی بر شواهد علمی هستند.
ابزارهای طراحی الگوریتمیک برای معماران
پیشرفت طراحی الگوریتمیک تا حد زیادی مرهون توسعه نرمافزارها و ابزارهایی است که این سبک طراحی را برای معماران قابل اجرا کردهاند. در رأس این ابزارها، Rhino 3D و افزونه قدرتمند آن Grasshopper قرار دارند. راینو یک نرمافزار مدلسازی سهبعدی منعطف است که به خاطر توانایی در خلق فرمهای آزاد و پیچیده شهرت یافته است. افزونه گرسهاپر که در سال 2007 توسط David Rutten معرفی شد، محیطی برای برنامهنویسی بصری فراهم میکند که کاربر را قادر میسازد بدون نیاز به کدنویسی سنتی، الگوریتمهای تولید فرم را با اتصال «قطعات» گرافیکی طراحی کند. گرسهاپر ابتدا به صورت یک افزونه مجزا عرضه میشد اما از نسخه Rhino 6 به بعد به صورت یک بخش یکپارچه از خود راینو درآمده است. امروزه گرسهاپر به دلیل رابط کاربر پسند و جامعه کاربری گسترده، به یکی از محبوبترین پلتفرمها برای طراحی پارامتریک و الگوریتمیک بدل شده است. قابلیت اتصال این ابزار به پلاگینهای متعدد (برای تحلیل انرژی، سازه، شبیهسازی فیزیکی، بهینهسازی و غیره) نیز بر تواناییهای آن افزوده و آن را به یک محیط جامع طراحی دیجیتال تبدیل کرده است. بسیاری از پروژههای شاخص معماری معاصر – از نماهای پیچیده گرفته تا سازههای فرمی آزاد – با تکیه بر Rhino و Grasshopper شکل گرفتهاند.
در کنار راینو/گرسهاپر، شرکت اتودسک نیز اکوسیستم ویژهای برای طراحی الگوریتمیک در بستر BIM ایجاد کرده است. ابزار Dynamo که در سال ۲۰۱۵ معرفی شد، یک محیط برنامهنویسی بصری برای نرمافزار Revit ارائه میدهد. داینامو به معماران و طراحان امکان میدهد در داخل فضای بیم (مدلسازی اطلاعات ساختمان) به طراحی پارامتریک و الگوریتمیک بپردازند. همانطور که گرسهاپر برای راینو عمل میکند، داینامو نیز با استفاده از گرههای بصری به کاربران اجازه میدهد منطق طراحی خود را پیاده کرده و المانهای معماری را به صورت برنامهریزیشده در رویت ایجاد یا ویرایش کنند. مزیت داینامو در یکپارچگی آن با پلتفرم Revit است؛ بدین ترتیب طراح میتواند همزمان با تولید هندسههای پیچیده، به مستندسازی و هماهنگیهای فنی مدل نیز دسترسی داشته باشد. برای مثال، یک معمار میتواند با داینامو الگوریتمی بنویسد که چیدمان بهینه پانلهای نما را بر اساس تابش آفتاب بیابد و نتیجه را مستقیماً به عناصر بیم در رویت تبدیل کند. افزون بر این دو ابزار اصلی، ابزارهای دیگری نیز در حوزه طراحی محاسباتی/الگوریتمیک رایجاند: برای نمونه میتوان به Bentley Generative Components (از اولین نرمافزارهای طراحی پارامتریک)، زبان برنامهنویسی Processing برای ایجاد طرحهای تعاملی، یا پلاگینهایی مانند Kangaroo (شبیهساز فیزیک در Grasshopper) و Galapagos (حلکننده تکاملی در Grasshopper) اشاره کرد. هر یک از این ابزارها، حوزهای از طراحی الگوریتمیک را پوشش میدهند – از بهینهسازی فرم و سازه گرفته تا تعاملی کردن فرآیند طراحی – و معماران بسته به نیاز پروژه میتوانند ترکیبی از آنها را به کار گیرند.
پاویون محوطه دانشگاه میلان
- هدف پروژه : فرمیابی دیجیتال برای ساختمان مسکونی
پاویون محوطه دانشگاه میلان
- هدف پروژه : فرمیابی دیجیتال برای ساختمان مسکونی
پاویون محوطه دانشگاه میلان
- هدف پروژه : فرمیابی دیجیتال برای ساختمان مسکونی