生成デザインを活用した建物エネルギー性能最適化：系統的文献レビュー

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Valuable taxonomy of GD methods and algorithms, including emerging AI surrogates, plus identification of the tropical-climate research gap.

🏢実務担当者:Guidance on tooling (Rhino/Grasshopper, EnergyPlus) and algorithms (NSGA-II) for early-stage building energy optimization.

🏛政策担当者:Evidence of geographic bias in building energy research; supports rationale for tropical-region green building code development.

系統的文献レビュー：ビルディングエネルギー性能最適化におけるジェネレーティブデザインの活用 建築部門は世界の最終エネルギー消費量の約30～40%、エネルギー関連CO₂排出量の約40%を占めており、脱炭素化努力の重要な対象となっている。パラメトリックモデリング、多目的最適化アルゴリズム、機械学習を活用する新興の計算パラダイムであるジェネレーティブデザイン（GD）は、最も初期の概念段階から建築性能を最適化する変革的な可能性を提供する。本論文は、Scopusに収録された47件の査読付き出版物（2019～2025年）を対象とした系統的文献レビュー（SLR）を提示し、ジェネレーティブデザイン手法が建築エネルギー消費、昼光利用、温熱快適性の最適化にどのように適用されているかを検討する。PRISMAフレームワークを用いて、出版動向、ジャーナルの質、方法論的分類、最適化アルゴリズム、シミュレーションエンジン、気候コンテキストを評価する。調査結果は、研究アウトプットの劇的な加速を明らかにしており、主要研究の57.4%が2024～2025年に発表され、68.1%がScopus Q1ジャーナルに掲載されている。Rhino/GrasshopperエコシステムとLadybug ToolsおよびEnergyPlusの組み合わせが現在の実務を支配しており（87.2%）、多目的遺伝的アルゴリズム（MOGA/NSGA-II）が最も広く採用されている最適化ソルバーであり続けている（76.6%）。さらに、生成AI（GAN、CycleGAN、SolarGAN）と機械学習サロゲートモデル（17.0%）は、物理ベースのシミュレーション速度を最大数百倍に加速することで、この分野を急速に変革している。重要なことに、大きな地理的不均衡が特定されている：研究のわずか8.5%のみが熱帯・亜熱帯気候に焦点を当てている。本レビューは、性能駆動型ジェネレーティブデザインのための統合的フレームワークを確立し、熱帯気候適応、説明可能なAI、地域のグリーンビルディング基準の統合に関する将来の方向性を強調する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

TINJAUAN LITERATUR SISTEMATIS: PEMANFAATAN GENERATIVE DESIGN DALAM OPTIMASI KINERJA ENERGI BANGUNAN The building sector accounts for approximately 30–40% of global final energy consumption and nearly 40% of energy-related CO₂ emissions, making it a critical target for decarbonization efforts. Generative Design (GD), an emerging computational paradigm leveraging parametric modeling, multi-objective optimization algorithms, and machine learning, offers transformative potential for optimizing building performance from the earliest conceptual stages. This paper presents a systematic literature review (SLR) of 47 peer-reviewed publications (2019–2025) indexed in Scopus, examining how generative design methods are applied to optimize building energy consumption, daylighting, and thermal comfort. Using the PRISMA framework, we evaluate publication trends, journal quality, methodological taxonomies, optimization algorithms, simulation engines, and climate contexts. The findings reveal a dramatic acceleration in research output, with 57.4% of key studies published in 2024–2025 and 68.1% featured in Q1 Scopus journals. The Rhino/Grasshopper ecosystem combined with Ladybug Tools and EnergyPlus dominates current practice (87.2%), while Multi-Objective Genetic Algorithms (MOGA/NSGA-II) remain the most widely adopted optimization solver (76.6%). Furthermore, Generative AI (GANs, CycleGAN, SolarGAN) and Machine Learning surrogate models (17.0%) are rapidly transforming the field by accelerating physics-based simulation speeds up to several hundred times. Crucially, a major geographic disparity is identified: only 8.5% of studies focus on tropical/subtropical climates. This review establishes an integrative framework for performance-driven generative design and highlights future directions for tropical climate adaptation, explainable AI, and local green building standard integration.

• Zenodo https://zenodo.org/records/21667209first seen 2026-07-30 04:33:42 · last seen 2026-08-05 04:11:40