持続可能な開発のための建築構造形成における現代デジタルメカニズムの役割：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:Identifies key AI techniques (GD, PINNs) and research gaps (e.g., genetic algorithms for steel structures) to guide future work in sustainable structural design.

🏢実務担当者:Offers a roadmap for adopting AI-driven design tools to reduce embodied carbon and integrate LCA early in the design process, aiding compliance with green building certifications.

🏛政策担当者:Provides evidence that AI can accelerate decarbonization in construction, supporting policies that incentivize digitalization and performance-based standards.

世界的な建設部門は、Construction 4.0によって推進される大きな変革を経験しており、従来の構造設計手法は、高度なデジタル技術によってますます補完または置き換えられつつある。本系統的レビューは、人工知能（AI）、ジェネレーティブデザイン（GD）、およびビルディング・インフォメーション・モデリング（BIM）が、建築および土木工学における持続可能な開発にどのように貢献するかを評価するものである。PRISMAプロトコルを用いて、本研究は、国連の持続可能な開発目標（SDGs）、特に目標9、11、12、13を支援する上でのアルゴリズム的知能の役割に関する現在のエビデンスを統合する。知見によれば、決定論的な工学的アプローチからAIベースのヒューリスティック手法への移行により、材料使用量と構造質量の大幅な最適化が可能となり、それによって建築環境における体積炭素（embodied carbon）が削減される。性能駆動型のジェネレーティブワークフローと物理情報ニューラルネットワーク（PINNs）は、循環性と初期段階のライフサイクルアセスメント（LCA）統合の主要な実現要因として浮上している。しかし、本レビューはまた、持続可能な鉄骨構造設計における遺伝的アルゴリズムの適用が限定的であることや、大規模なAIモデルに伴う substantial なエネルギー消費といったギャップも特定している。本研究は、デジタルツールが建設部門の脱炭素化に向けた変革の可能性を提供する一方で、今後の研究は、アルゴリズムの透明性の向上、ブラックボックス的な限界の低減、および工学的実務におけるより広範な採用を支援するための性能指標の標準化に焦点を当てるべきであると結論づけている。本レビューは、研究者、技術者、政策立案者が新興のAIツールを持続可能な設計に統合し、脱炭素化された強靭な建築環境を推進するための枠組みとなり得る。

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。

The global construction sector is undergoing a major shift driven by Construction 4.0, where traditional structural design methods are increasingly complemented or replaced by advanced digital technologies. This systematic review evaluates how Artificial Intelligence (AI), Generative Design (GD), and Building Information Modeling (BIM) contribute to sustainable development in architecture and civil engineering. Using the PRISMA protocol, the study synthesizes current evidence on the role of algorithmic intelligence in supporting UN Sustainable Development Goals (SDGs), particularly Goals 9, 11, 12 and 13. Findings indicate that transitioning from deterministic engineering approaches to AI-based heuristic methods enables significant optimization of material use and structural mass, thereby reducing embodied carbon in the built environment. Performance-driven generative workflows and physics-informed neural networks (PINNs) emerge as key enablers of circularity and early-stage Life Cycle Assessment (LCA) integration. However, the review also identifies gaps, such as limited applications of genetic algorithms in sustainable steel structure design and the substantial energy consumption associated with large-scale AI models. The study concludes that while digital tools provide transformative potential for decarbonizing the construction sector, future research should focus on improving algorithm transparency, reducing black-box limitations, and standardizing performance metrics to support broader adoption in engineering practice. The review can be a framework to help researchers, engineers, and policymakers integrate emerging AI-tools into sustainable design and advancing decarbonized, resilient built environments.

• semanticscholar https://doi.org/10.3390/su18115428first seen 2026-06-29 06:48:30 · last seen 2026-09-22 05:11:50