发表于：Advanced Engineering Informatics, 2025
提出了一种新颖的 GNN 辅助进化算法，该算法将强大的 GNN 代理模型与进化算法相结合，以快速优化钢筋混凝土剪力墙结构，在显著降低计算成本的同时，实现高质量的设计结果。
推荐引用格式： FEI Y F, QIN S Z, LIAO W J, et.al. Graph neural network-assisted evolutionary algorithm for rapid optimization design of shear-wall structures[J/OL]. Advanced Engineering Informatics, 2025, 65: 103129. DOI:10.1016/j.aei.2025.103129.
论文链接
发表于：Automation in Construction, 2025
提出了一种通用的钢筋混凝土结构异构图表征方法，用于捕捉构件内在属性和拓扑关系。同时利用 HetGNN 实现了一套高效预测方法，可在一秒内确定钢筋混凝土框架结构的截面尺寸。
推荐引用格式： QIN S Z, LIAO W J, HUANG Y L, et.al. Intelligent design for component size generation in reinforced concrete frame structures using heterogeneous graph neural networks[J/OL]. Automation in Construction, 2025, 171: 105967. DOI:10.1016/j.autcon.2025.105967.
论文链接
发表于：Earthquake Engineering & Structural Dynamics, 2024
提出了一种基于生成式AI和优化算法的钢筋混凝土框架结构BRB加固方案两阶段智能设计方法，实现了建筑需求和结构要求的设计解耦。
推荐引用格式： TAN Z, QIN S Z, HU K G, et al. Intelligent generation and optimization method for the retrofit design of RC frame structures using buckling-restrained braces[J/OL]. Earthquake Engineering & Structural Dynamics, 2025, 54(2): 530-547. DOI:10.1002/eqe.4268.
论文链接
发表于：arXiv, 2024
开发了一种新方法，利用大语言模型、Graphormer和扩散模型来交互式生成和编辑房间平面布局图。
推荐引用格式： QIN S Z, HE C Y, CHEN Q Y, et al. ChatHouseDiffusion: Prompt-guided generation and editing of floor plans[A/OL]. arXiv, 2024[2024-10-17]. http://arxiv.org/abs/2410.11908. DOI:10.48550/arXiv.2410.11908.
论文链接
发表于：Journal of Building Engineering, 2024
提出了一种基于大语言模型（LLMs）和生成式人工智能（AI）的剪力墙结构智能设计和优化系统，比传统方法提速约30倍，显著加快设计速度，同时确保设计方案的安全性和经济性。
推荐引用格式： QIN S Z, GUAN H, LIAO W J, et.al. Intelligent design and optimization system for shear wall structures based on large language models and generative artificial intelligence[J/OL]. Journal of Building Engineering, 2024, 95: 109996. DOI:10.1016/j.jobe.2024.109996.
论文链接
发表于：Smart Construction, 2024
构建本地-云协作模式，引入全面的数据传输格式，并开发生成式AI算法的云接口
推荐引用格式： QIN S Z, LIAO W J, HUANG S N, et.al. AIstructure-Copilot: Assistant for generative AI-driven intelligent design of building structures[J/OL]. Smart Construction, 2024, 1(1): 0001. DOI:10.55092/sc20240001.
论文链接
发表于：工程力学, 2024
（中文）引入深度学习点云语义分割技术，对框架梁柱节点实现构件的对象化比对，提高了点云与BIM比对的自动化和数字化程度。
推荐引用格式： 张帆, 孙楚津, 覃思中, 赵馨怡. 基于BIM和深度学习点云分割的施工检查方法模拟研究[J]. 工程力学, 2024, 41(2): 194-201. DOI: 10.6052/j.issn.1000-4750.2022.04.0281
论文链接
发表于：工程力学, 2023
提出一种剪力墙结构布置的高效综合评估方法，有效结合了力学分析与经验规则的公式化编码
推荐引用格式： QIN S Z, LIAO W J, LIN Y Q, LU X Z. An efficient assessment method for intelligent design results of shear wall structure based on mechanical performance, material consumption, and empirical rules[J/OL]. Engineering Mechanics, 2023, 40(12): 148-159. DOI:10.6052/j.issn.1000-4750.2023.05.0360.
论文链接
发表于：工业建筑, 2023
（中文）提出了一套大语言模型在建筑工程中的应用方案，采用提示词工程和本地知识库相结合的方式来提升模型性能，通过实验分析验证其效果，并探究了本方案在行业各个领域中应用的可行性，针对部分任务提供了详细的应用案例
推荐引用格式： 覃思中, 郑哲, 顾燚, 等. 大语言模型在建筑工程中的应用测试与讨论[J/OL]. 工业建筑, 2023, 53(9): 162-169. DOI:10.13204/j.gyjzg23081006.
论文链接
发表于：城市与减灾, 2023
（中文）土耳其7.8级地震对我国防震减灾工作的启示
推荐引用格式： 陆新征, 覃思中, 许镇. 土耳其7.8级地震对我国防震减灾工作的启示[J]. 城市与减灾, 2023(2): 1-8.
论文链接
发表于：第八届全国 BIM 学术会议论文集, 2022
（中文）本研究提出了一套基于”云+端”的节段梁模板调整量便捷计算系统,在工程现场仅需一部智能手机即可快速测量并计算待测节段梁模板的调整量。
推荐引用格式： 刘昱, 马智亮, 刘世龙, 等. 基于“云+端”的预制节段梁模板定位调整量计算系统[C/OL]//第八届全国 BIM 学术会议论文集. 2022. DOI:10.26914/c.cnkihy.2022.045075.
论文链接
发表于：Creative Construction e-Conference, 2022
提出了一种基于智能手机和最新技术（包括计算机视觉、建筑信息模型(BIM)和云计算）的模板快速定位系统。
推荐引用格式： LIU, Y, MA, Z L, QIN, S Z, LIU, S L. A cloud-based system for supporting quick location of precast concrete formwork using computer vision and BIM[C/OL]//Creative construction e-Conference. 2022: 97-104. DOI:https://doi.org/10.3311/CCC2022-014.
论文链接
