用于图神经网络研究的对称平面桁架构型数据集

《Scientific Data》：TrussGraph: A dataset of graph-based trusses for machine learning and structural design applications

　　传统上，网状（桁架）结构和概念性结构设计模型被抽象为由节点和受拉或受压杆件组成的极小平衡体系。这类抽象自然地映射到附有结构属性的图表示（G = V, E）上。因此，只需极少量的后处理即可将这些数据准备用于图神经网络（GNN）工作流程。尽管GNN发展迅速且其在结构工程中的应用日益广泛，但该领域仍缺乏公开可用、文档完善且可复现的数据集。为弥补这一空白，我们提供了一个包含几何、拓扑及性能相关指标的对称平面结构桁架构型精选数据集，该数据集保持材料无关性，从而支持多种材料（钢、木材等）和截面形式的应用。该数据集包含通过拉丁超立方采样（LHS）生成的917098个数据点。每个结构都被数字化为人类可读的JSON文件，表示一个特征丰富的对象，其属性可通过提供的代码库进行扩展或修改。该数据集支持从几何拓扑到性能效率的多层次研究。本数据描述详细阐述了数据集的 ontology，通过初步分析展示了其实用性，并强调了类似数据集的更广泛需求。