- Fosters+Partners는 Applied R+D 조직을 운영하고 있다.
- 프로그램을 할 수 있는 다양한 전공의 인력으로 구성되어 있다.
- 건축가, 예술가, 예술, 항공엔지니어링, 그리고 컴퓨터 전공으로부터 조경, 구조엔지니어, 그리고 응용 수학에 이르기까지 다양하다.
- 이들은 Computational Design, 성능 분석, 최적화, 제작과 인터액션 디자인, 증강현실, 기계학습, 실시간 시뮬레이션 등의 새로운 기술의 활용을 위한 전문성을 갖추고 있다
- 복잡한 디자인 문제 해결을 위해 최신 기술을 바탕으로 한 연구개발을 수행한다.
- 이 연구를 이용하여 건축가와 엔지니어를 돕는다.
- 실무에서 컴퓨터 사용을 효과적으로 할 수 있도록 연구개발을 수행한다.
- 이 조직은 다음의 6개의 팀을 운영하고 있으며, 각 팀의 역할들은 다음과 같다.
- Complex geometry and fabrication
- 모델링, 전산, 그리고 제조 기술을 기반으로 프로젝트 혁신을 돕는 팀이다. 컴퓨터 제어 절단, 절곡, 밀링, 적층제조 등 다양한 재료의 이용과 제작기술을 개발한다.
- Performance driven design and optimisation
- Foster + Partners는 건축에서의 요구되는 제약조건들을 설계의 동인으로 수용하여 왔다.
- 디지털 도구를 이용한 설계능력 향상을 목표로 하고 있다.
- 설계안의 적정성을 판단할 수 있는 도구와 모델을 개발한다.
- 설계안의 구성요소 변화에 따른 건물의 성능을 시뮬레이션 한다.
- 최고의 디자인 결과를 추구한다.
- Collaborative design tools
- Foster + Partners에서의 디자인은 협업을 원칙으로 한다.
- 이 팀은 통합 설계에 따른 소통과 정보의 흐름의 개선을 추구한다.
- 협업 디자인을 돕기 위한 도구와 시스템을 개발한다.
- 가상 및 증강현실 디자인 시스템을 개발한다.
- 실시간 디자인 데이터 교환 시스템을 개발한다.
- 아나로그-디지털 변환 시스템을 개발한다.
- 물리적 모형이나 손그림을 디지털 모델과 도면으로 변환하는 시스템을 개발한다.
- 이 변환된 디지털 모델의 분석과 변형 가능한 디자인 시스템을 개발한다.
- Experience and interaction
- 가상 및 증강현실 디자인 기술을 중심으로 연구개발을 진행한다.
- 가상 모델, 가상 디자인, 그리고 협업 도구 사용 방식을 탐구한다.
- 새로운 설계 환경 조성을 위한 노력을 진행한다.
- 공간 경험의 새로운 방식, 고객의 참여가 가능한 설계환경을 구축한다.
- 하이브리드 공간 환경, 그리고 최상의 물리적 공간 설계 등의 문제 해결에 노력한다.
- 시간과 돈, 그리고 환경적 영향을 최소화 할 수 있는 설계 환경을 추구한다.
- Digital twins, smart buildings and internet of things
- 이 팀은 디지털 트윈은 우리 주변 실제 세상을 대한 데이터를 저장하는 컴퓨터 모델 구축을 연구한다.
- 디지털 트윈과 스마트 건물의 데이터 관리 및 시각화 방안을 연구한다.
- 맞춤형 클라우드 시스템을 구축하고 있다.
- 인공 지능 및 기계 학습
- 최근 인공 지능과 기계 학습이 크게 발전하였으며, 이들에 대한 관심이 증대하고 있다.
- AI 기술을 이용한 작업방식의 변화에 대한 노력을 진행한다.
- 기계학습과 결합한 작업 방식의 추구
- 일상적 반복작업으로부터 해방
- 설계 최적화와 한계를 극복하기 위한 노력
- 데이터 수집과 체계화 방식을 탐구하고 있다.
- 디자인 의사결정을 보조하기 위한 시스템의 학습방식을 개발하고 있다.
- 인공 지능 및 기계 학습팀은 다음과 같은 연구를 수행하고 있다.
- Passively actuated laminates
- Autodesk사와의 협업을 통한 작업이다.
- AI를 이용한 온도에 대한 복합재료의 변형 예측을 한다.
- Hydra 시스템을 사용하여 수천번의 시뮬레이션을 한다.
- 다양한 열조건 하에 복합재료의 행태 데이터를 만들어 낸다.
- 이들 데이터를 심층 인공신경망을 학습시킨다.
- 복합재료의 행태를 예측한다.
- Spatial and visual connectivity
- 기계학습을 이용한 시각적 공간적 연결성에 관한 분석을 추정한다.
- 실제 분석에 의한 수만 건의 생성적 데이터를 수집한다.
- 이 데이터를 인공신경망에 학습시킨다.
- AI 시스템에 의한 예측을 한다.
- 실제 결과를 비교 분석한다.
- AI 분석은 실제 결과와 매우 유사하다.
- 계산에 0.03초의 시간으로 매우 향상된 속도를 제공한다.
- Natural Language Design Assist
- 과거와 현재 데이터를 기계학습에 사용한다
- AI 시스템에 의미론적 이해를 위한 레이어를 추가한다.
- 조직 내 쉬운 데이터 접근이 가능하게 한다.
- 단순 검색을 넘어선 검색 환경을 마련한다.
- 디자이너의 질문에 답을 하는 시스템 구현을 추구한다.