Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

פיתוח פונקציית אובדן מותאמת לוויסות הערכת חסר והערכת יתר של תכונות מכניות של בטון בחיזוי במודלי רשתות עצביות

· חזרה לאינדקס

מדוע תחזיות בטון שמרניות חשובות

מרבית הבניינים והגשרים המודרניים מסתמכים על בטון, ומהנדסים נעזרים יותר ויותר בבינה מלאכותית לחיזוי חוזקו. בעוד שרשתות עצביות סטנדרטיות שואפות להיות מדויקות בכל הכיוונים, מבנים אמיתיים בטוחים יותר כאשר התחזיות הן מעט זהירות במקום אופטימיות מדי. מחקר זה מציע דרך חדשה לאמן רשתות עצביות כך שיהיו פחות נוטות להערכת יתר של חוזק הבטון, ובכך לעזור למהנדסים לשמור מרווח בטיחות נוח מבלי לוותר על היכולת של ה-AI.

איזון בין בטיחות לאלגוריתמים חכמים

בפרקטיקה של הנדסה אזרחית, כללי התכנון נוסחים באופן שמרני כדי שמבנים יישארו בטוחים גם כאשר החומרים משתנים או הביצוע אינו מושלם. הערכת חסר של חוזק הבטון בדרך כלל משמעותה בטיחות נוספת, בעוד שהערכת יתר עלולה לפגוע במרווחי הבטיחות באופן לא מורגש. שיטות אימון מסורתיות של רשתות עצביות אינן מבחינות בין שני התוצאות הללו; הן פשוט מנסות לצמצם את שגיאת הסך. המחברים טוענים שזה מנוגד לאופן שבו מהנדסים חושבים על סיכון, ולכן בנו את ההעדפה לשמירה על בטיחות ישירות בתהליך הלמידה.

Figure 1. הרשת העצבית מנווטת את תחזיות החוזק של הבטון לעבר ערכים מעט שמרניים ובטיחותיים יותר לתכנון מבני.
Figure 1. הרשת העצבית מנווטת את תחזיות החוזק של הבטון לעבר ערכים מעט שמרניים ובטיחותיים יותר לתכנון מבני.

פונקציית אובדן שמעדיפה זהירות

לב המחקר הוא פונקציית אובדן מותאמת — כלל שמורה לרשת העצבית כמה רעה כל טעות במהלך האימון. במקום להתייחס לכל השגיאות באופן שווה, הנוסחה המוצעת מטילה עונשים כבדים יותר כאשר המודל חוזה חוזק גבוה יותר מהערך האמיתי ועונשים קלים יותר כאשר החיזוי נמוך מהערך. זוג פרמטרי בקרה מווסתים את האי־איזון הזה, ומאפשרים לכוון את המודל לעבר הערכות חסרות בטוחות יותר. האובדן מנורמל גם כדי שיוכל לפעול בעקביות על פני מערכי נתונים וקני מידה שונים, והוא משולב עם תצורת רשת עצבית סטנדרטית באמצעות כלים נפוצים כמו TensorFlow או PyTorch.

בדיקת הרעיון על בטון עם גומי

כדי לבחון כיצד כלל אימון זה מתנהג בפועל, המחברים מתמקדים בבטון עם גומי — חומר שבו חלק מהאגרגטים מוחלפים בפיסות גומי ממחזור. באמצעות מאגר נתונים ניסיוני, הם מאמנים מספר רשתות עצביות עם אותה ארכיטקטורה אך פונקציות אובדן שונות, כולל בחירות נפוצות כמו שגיאת ריבוע ממוצעת (MSE) ושגיאת ערך ממוצעת (MAE). לאחר מכן הם משווים כמה טוב כל מודל חוזה שתי תכונות מכניות מפתח: כוח לחיצה (compressive strength), המבטא כמה עומס הבטון יכול לשאת, ומודול האלסטיות, שמתאר כמה נוקשה החומר תחת עומס.

Figure 2. חוק אימון מותאם דוחף את הרשת העצבית להימנע מהערכת יתר מסוכנת תוך שמירה על דיוק גבוה בתחזיות חוזק הבטון.
Figure 2. חוק אימון מותאם דוחף את הרשת העצבית להימנע מהערכת יתר מסוכנת תוך שמירה על דיוק גבוה בתחזיות חוזק הבטון.

כיצד למידה שמרנית משנה תחזיות

המודלים שאומנו עם פונקציית האובדן המותאמת מגיעים כמעט לאותה רמת דיוק כוללת כמו אלה שמשתמשים באובדנים מסורתיים, עם רמות שגיאה של כ־6% ברוב המקרים. ההבדל הקריטי הוא בתדירות שבה הם מעריכים יתר על הערך האמיתי. עבור פונקציות אובדן סטנדרטיות, בין רבע לבין כמעט כל התחזיות במבחנים מסוימים הן הערכות יתר. כאשר פונקציית האובדן המותאמת מכויילת כראוי, יחס הערכות היתר יורד באופן דרמטי — לכ־אחוז אחד עבור חוזק לחיצה ופחות מעשרה אחוזים עבור נוקשות — בעוד שהמיזוג לנתונים נותר טוב מאוד. גרפים של תחזיות מול מדידות מצביעים על כך שנקודות המודל החדש מתכנסות מעט מתחת לקו השוויון האידיאלי, מה שמשקף הטיה מודעת של הערכת חסר קלה.

מה משמעות הדבר עבור מבנים אמיתיים

מודל תחזיות שמרני בפני עצמו אינו יכול להבטיח מבנה בטוח; המעצבים עדיין חייבים לפעול לפי תקנים, להתחשב בחיזוק, בעומסים ובגיאומטריה, ולבדוק את התנהגות החלקים והמערכת. אבל על ידי הסטת רשתות עצביות מהערכת יתר לא שמרנית ברמת החומר, פונקציית האובדן החדשה מסייעת להבטיח שתחזיות מבוססות AI יכנסו לבדיקות התכנוניות עם אותה גישת 'בטיחות קודם' שמנחה את ההנדסה האזרחית. המחברים רואים בעבודתם הוכחה למושג שניתן להרחיב על מערכי נתונים גדולים יותר ועל מודלים מבניים מלאים, ומציעים צעד מעשי לקראת כלי AI שעובדים עם, ולא נגד, פילוסופיות בטיחות מבוססות.

ציטוט: Habib, A., Habib, M., Junaid, M.T. et al. Developing a custom loss function for regulating underestimation and overestimation of concrete mechanical properties predictions in neural network models. Sci Rep 16, 15950 (2026). https://doi.org/10.1038/s41598-026-44200-5

מילות מפתח: חיזוי חוזק בטון, רשתות עצביות, פונקציית אובדן, בטון עם גומי, בטיחות מבנית