近日，东南大学土木工程学院冯若强教授课题组在人工智能与结构工程交叉领域取得系列进展。课题组多位博士研究生在《Engineering Structures》《Journal of Building Engineering》及《建筑结构学报》等国内外结构工程权威期刊上，相继发表多篇高质量学术论文，研究方向涵盖大跨空间结构智能设计与优化、结构抗震、大跨度幕墙结构等领域。

u 智能代理赋能结构预测

杜辉波博士在发表于《Engineering Structures》的论文 "A mechanical response prediction method for spatial steel grid structures based on GCA-GAN" 中，提出几何交叉注意力生成对抗网络框架（GCA-GAN），通过多头自注意力与跨模态注意力机制，解决了杆件与节点两类异构数据的联合编码难题，实现了结构力学响应的高精度预测，为智能化生成设计提供了高效的代理模型。其另一项发表于《Journal of Building Engineering》的成果 "MeF-GCNN spatial graph convolution surrogate for space-truss displacement and axial-force prediction"，则将空间图卷积理论引入桁架结构建模，通过深度整合杆件截面、空间取向等关键物理边缘特征，提升了模型对复杂工程结构力学行为的泛化表征能力，大幅缩短了结构性能评估周期。

u 智能优化护航结构安全

王浪博士在发表于《建筑结构学报》的论文 "基于麻雀搜索算法优化的代理模型在空间网壳结构中的多目标优化方法" 中，构建了基于麻雀搜索算法（SSA）优化的神经网络代理模型，结合多目标遗传算法与智能决策方法，有效破解了多重曲面空间网壳结构在高维设计变量下的性能冲突难题，实现了几何均匀性、经济性与力学受力性能的综合权衡。其在发表于《Soil Dynamics and Earthquake Engineering》的论文 "Dynamic characteristics of bridge-mounted rack railway systems with different rack-sleeper connections under seismic loads" 中，构建轨道-桥梁耦合数值模型，通过模态分析揭示连接方式对系统自振频率、振型等动力特性的影响规律；开展地震动输入下系统动力响应的对比研究，量化不同连接方式对系统地震响应特征的改变；并从连接约束刚度与传力机制层面，阐明连接方式影响系统动力特性的机理。此外，其在发表于《Structures》的论文 "Research and application of a novel rigid-flexible hybrid support system in large-span curtain walls" 中，提出了"钢扁梁 - 垂直拉索" 刚柔混合支撑系统，并建立了该系统在大跨度幕墙应用中的后变形平衡分析模型。该系统有效克服了传统支撑体系在极端风荷载下的稳定性瓶颈，已在山东港口大厦等重大工程中成功应用，实现了结构安全与建筑美学的统一。

u 物理机理融入智能仿真

彭赛清博士在发表于《Engineering Structures》的论文 "Physics-aware edge-centric graph neural networks for full-field mechanics simulation of reticulated shells" 中，提出边增强力学图神经网络模型（EEM-GNN），通过建立算法机制与直接刚度法之间的数学同构关系，将结构工程领域知识嵌入神经架构，实现了网壳结构全场力学状态的高保真实时仿真。其在发表于《Advances in Structural Engineering》的论文 "High-fidelity reconstruction of wind pressure fields on connected super-high-rise structures using machine learning" 中，利用机器学习算法实现连体超高层结构风压场的高保真重建，准确捕捉非线性涡激振动与局部压力峰值，突破了传统风洞试验测点稀疏的限制，为复杂连体超高层结构的抗风设计提供了精确支撑。

冯若强教授课题组长期致力于大跨空间结构、超高层结构及其在人工智能背景下的前期空间结构智能设计与后期既有建筑智能检测。上述系列成果不仅在理论上实现了力学机理与 AI 架构的深度融合，更在苏州中环中心、山东港口大厦、深圳招商银行总部、南京阿里巴巴总部、合肥西站等重大工程实践中得到应用验证。