1  

 

 

 

 

GENETIC MODELLING The geometrics of genetic models 

 

   

         

                                                                                                                           

2  

 

Experience it first : http://digitaldesignacademy.com/processing/applet_genetic_model/index.html 

        

 

 

   

         

                                                                                                                           

3  

 

What is genetic modelling? 

Genetic Modelling is a way of creating design representations to facilitate design exploration. In our case, 

it means creating design representations within CAD environments. In the context of CAD, genetic 

modelling it can also be called parametric variational modelling, implying that design variations are 

created by varying a set of design parameters of a CAD representation of a design. 

For the purpose of design exploration, let us consider creating design representations that hold a range 

of design possibilities instead a single instance of it. In other words, the design representations here 

represents a region in design space, instead of representing a single instance of design (represents by a 

single point in design space. We can explore how these design representations may be used for exploring 

design possibilities  – as in sketching, usually at the initial stage of any design. 

 

Design possibilities are mostly explored 

through sketching. Sketches hold within 

them, multiple possibilities of a design 

which are either reinformed or discarded 

during its subsequent development. It is 

this ability of holding multiple 

representations that we wish to capture 

through genetic models. But in early stages 

of design, the design representation entails 

ambiguity, it also lacks complete 

information. Therefore, we are unable to 

represent this in computers – which are 

primarily used to represent designs at the 

tail end of a design process. We need to 

explore ways of sketching in computers. 

Genetic models allow us to do just that. 

Another way to look at genetic modelling is to view it as a “natural” way of modelling. It is the right way 

and should have been the logical way but we misuse computers to represent finalised designs and thus, 

deprive design representations of variability. We create a pre‐formulated shell, devoid of life, flexibility 

and intelligence. 

An ideal genetic model 

An ideal genetic model is a representation of design that covers large areas of design space which are of 

interest to designers. We have to be careful here, as to how we define this; because we know that 

designers change their minds all the time during design development. Genetic models that create 

surprising and unexpected forms may be of value in stimulating designer’s search for suitable forms. On 

the other hand, if designs represented by a genetic model are largely undesirable or unviable, it would 

burden designers  as they have to wade through thousands of useless designs. Hence, a genetic model 

         

                                                                                                                           

4  

should have a fine balance between representing a large design space capable of exceeding designers’ 

imagination but avoiding regions (not totally) that are unviable or undesirable. The exploration regions 

can somehow be constrained by setting limits on parameters, but we are discussing  how to structure a 

design representation well before the space is parametrically defined. So, we need to think of design 

spaces independent of parameters – based on their geometric variability. Genetic representations that 

can represent a more diverse range of designs are preferred over the ones that can only represent a 

limited amount of design variations as they help designers explore larger design spaces. In other words, 

genetic models need to be “expressive” – that is, that they should be able to represent a large number of 

designs that are very different from each other. Here the geometric difference between the models 

represents the extent of the design space. For now, we will assess this visually, for we do not have 

yardsticks yet to measure distances in design space.   

We are primarily discussing designer‐driven generative design processes which are different from 

automated optimisation processes (which also require variable models). When we structure models for 

designer‐led exploration, we need to structure them in such a way so that we can navigate search space; 

whereas in an automated design process it is unnecessary to do so – as the search process is automated. 

A well structured genetic model will not only cover large tracts of design space, it will also make its 

navigation easier. 

 

Let’s start with a 2D Model 

  We use a simple 2D model to represent a few important issues 

in creating genetic models. The model shown is made of 3 

parameters (R1,R2 & R3)  that represent the distance from the 

centre. By varying these distances, we can create different 

shapes of designs.  

 

 

 

 

 

 

R1 

R2  R3 

         

                                                                                                                           

5  

The variability of the model depends on the range set on parameters 

   

R is set 60~90%  R is set 0~100% 

You can observe that exploration limits set on the driving parameters (R)  having a direct impact on the 

range of design variations. 

Higher number of parameters create noisy designs 

   

5 Parameters  90 Parameters 

You may notice that the designs become somewhat similar when the number of parameters  increases. 

Design distinction is created when the parameters are less. It is virtually impossible to visually classify 

         

                                                                                                                           

6  

designs that appear noisy. In using genetic models (for designer‐driven design exploration) we need to 

have a sense of where we are in the design space, when we look at a particular design. Since we cannot 

explore the entire design space (that contain trillions of designs), we end up exploring it based on design 

instances that are sufficiently different from each other.   

The notion of families helps here. We can 

use a limited number of design instances 

representing families of designs that are 

somewhat similar. It is also important to 

remember that designer‐led exploration may 

not be neither systematic nor comprehensive 

due to limitations of human attention spans. 

It is bound to be an ad‐hock process, driven 

by a designer’s hunches – especially in early 

stage design where the design is not fully 

formed. 

 

Classification of designs can only be done when the designs are distinctive. Hence, we need to develop a 

sense of “seeing through the noise” and develop the ability to see core geometries. Those who study 

signal processing have managed to do this. They use something called Fourier transforms to break a 

complex signal into its constituent parts. 

Lessons from Signal Processing 

From : http://referencedesigner.com/books/si/fourier‐transform.php 

 

The square wave shown in red can be broken 

down into component waves. The component 

waves have higher frequency and lower 

magnitudes than the fundamental wave that is 

dominant. The geometries of objects too can be 

broken down along such lines. 

 

 

 

         

                                                                                                                           

7  

Frequencies in genetic models 

Genetic models may also be seen to be composed of low 

and high frequency geometry. The base model outlined in 

red is of a low frequency which is then modified by the 

addition of a higher frequency signal shown in blue.  By 

breaking down the geometry into low and high frequency 

components, we are able to create distinct geometries 

that have complex shapes instead of creating noisy shapes 

that have no distinct form or character. 

 

 

Lessons from evolution 

 

The evolutionary tree presents another way to look 

at design classification. It solves the problem of 

classification through the tracing of the common 

ancestry. This allowed biologist to group species in 

meaningful ways, according to shared attributes. 

This gave rise to the concept of the “common 

ancestor” at the very bottom of the tree. This 

commonality is more pronounced in 

developmental stages. 

 

 

 

         

                                                                                                                           

8  

 

Biological designs have more commonality in the developmental stages and 

diverge as they develop. It is the development process that creates the 

significant differences that we see in life forms.  Can we use such a strategy 

to help us classify designs during the developmental process? If yes, then it 

would help us navigate vast search spaces, because we then can trace the 

developmental points at which the species diverge. Biological developmental 

processes are full of amazing strategies from which we can learn. But can we 

apply what we learn from it, in developing CAD based genetic models? 

 

Developmental form 

 

When building genetic models, it is often helpful to imagine a developmental 

process to be made of a combination of moulding and sculpting steps (as in 

foetus development). But these steps need to be implemented using the 

native functions of the CAD system such as extrude, cut, pattern, and revolve. 

Most CAD systems come with what is called build history (sometimes exposed 

and sometimes hidden) – which records the sequence of actions required to 

create forms. This is a useful feature that we can also use for structuring the 

developmental form of CAD‐based genetic models. While we do not really 

know how to structure developmental processes in optimum ways, we can 

certainly work towards it. By experimenting with various ways (other than the 

obvious straight forward way of constructing CAD models), we can develop 

models that are expressive – covering a larger design space. 

Layered Geometry 

It will help us to think of geometry in terms of layers that are applied on top of each other; each layer 

depending on the layer below. This way, when we change the bottom layers, the top layers are 

automatically updated. This is what good modelling is all about anyway. CAD systems now enable this 

through relationship management tools. CAD systems with kernels allow designers to build complex 

relationships graphically. Those without geometric kernels require designers to explicitly define 

relationships. Build history is CAD’s way of noting down the layering involved in constructing geometry. 

The art of building genetic models in CAD is the art of extending this capability to create highly variable 

forms. This requires the capturing of the geometric login within the design representation, purely through 

the way the design is constructed in CAD without the use of external logic models or programs to 

maintain the geometric logic of the model. 

 

 

 

         

                                                                                                                           

9  

Geometric Kernels 

 

 

 

 

 

 

Most advanced CAD systems are built around a geometric kernel. This 

kernel maintains the logic of the geometry. CAD systems with kernels 

therefore have an “awareness” of geometry, whereas the quick and zippy 

CAD systems without kernels do not have an inbuilt awareness of 

geometry. For example, if we draw two boxes within each other, a CAD 

system with a geometric kernel will know that dimension y is 5, because it 

will have an internal understanding of the concept of square, parallel lines 

and other geometric concepts. 

 

While geometric kernels make parametric designs so much easier, they pose a problem ‐ CAD kernels are 

different to each other (ever wondered why it is difficult to take designs from one CAD package to the 

other?). On the other hand, CAD kernels can be very helpful. If this were to be a site layout problem and 

the building is to be placed two meters from the site boundary, it can be implemented directly through 

the dimension system. The other advantage is that CAD kernels are able to alert us when the geometry 

gets to a ridiculous state. They will flag a build error whereas those without a kernel will continue to 

construct the most ridiculous geometries at great speeds as they act without geometric intelligence. 

CAD kernels certainly make building logical models that can be constrained to behave within desirable 

limits, easier. But if the models are to be shared across CAD platforms, then it is important to structure 

them in ways that they are kernel independent. But by doing so we may lose the use of some of the 

facilities in CAD packages that can maintain geometric logic. Hence, kernel independent genetic models 

come with a price, because every geometric action then needs to be explicitly defined (e.g. If you place a 

point in a line, you need to indicate that that point sits in that line). A way out of this would be to 

separate the structure of the genetic model in a graphic representational form and then implement it in 

CAD packages in the most appropriate way, fully exploiting its native capabilities. This way we can share 

the structure of the data in a useful sharable form even though we may not be able to transport the 

representation to other CAD packages. Hence it would be a good practice to define genetic geometries in 

diagrammatic form without reliance on kernels. CAD kernels are very useful in creating complex layered 

geometries. While it is possible to manage kernel free genetic models within CAD engines powered by 

kernels, the reverse is not possible.  

 

 

 

 

Design Skeletons 

10 

3 

2 

y 

         

                                                                                                                           

10  

Another way of capturing and maintaining the geometric logic of artefacts is through the use of geometric 

skeletons. Designers sometimes create skeletal sketches on which their designs hang. These 

representations are mostly used for the construction purpose only. These skeletons can be hidden but 

can be used for generative purposes.  

 

From : http://www.ekcsk12.org/faculty/jbuckley/leclass/evolutionqz1.html 

You can see how nature modifies biological 

skeletons to achieve vast design variations. 

Nature’s super sophisticated ways of structuring 

genetic information allows it to cover vast amounts 

of design spaces using shared genetic models and 

build procedures that are common across species. 

While the bottom layer of the build process is shared, the top layer is not. That explains why we do not 

end up looking like fruit flies with which we share great many build processes.  

Creating Genetic Models in CAD 

Good CAD modelling practice is also about layering geometry in a structured way, but this is rarely done 

in practice as most of the exploration happens off CAD. Currently, CAD is used only to create the final 

representation of the design. Creating genetic models in CAD enforces good modelling practices requiring 

designers to capture the geometric rational of the model. History‐based CAD allows just that. It records 

and replays a logical build process through which complex forms are authored. We need to get good at 

this. Building genetic models is about capturing the geometric spirit of objects and not about creating 

shells. By capturing the logic of designs we are inevitably capturing geometric intelligence. That is what 

genetic models are all about. 

We need to view genetically structured designs not in its final form but through its developmental stages; 

the early stages being the more important ones where the defining characteristics emerge. This is akin to 

rough sketching, where the most important design decisions are made. We need to develop genetic 

models that can explore design spaces at various stages of the build process (not only at the final stage), 

it is only by giving your genetic model a good workout at every stage of the developmental process can 

you build genetic models capable of creating great diversity. 

Geometric Workout 

The purpose of creating genetic models is to empower you to explore the far corners of the design space 

while maintaining the logic of your design. Like any form of good exercise, this will stretch your models to 

the limits and it should. Models that are poorly constructed will fail; only those that are well structured 

will survive. By fail, we mean the collapse of the intent of the model or simple geometric failure. A good 

genetic model will maintain high levels of design intent throughout the workout session. They will remain 

         

                                                                                                                           

11  

stable, like good gymnasts who remain stable (and even smile) while they subject their bodies to extreme 

contortions. Structuring genetic models is also about anticipating the kind of geometric torture that the 

model will be subject to and ensuring that it will hold onto its geometric intent. Hence, genetic models 

have to be built, exercised, re‐built, re‐exercised untill they display stable behaviour during generative 

design processes. Hence, building genetic models is an art that requires higher levels of understanding of 

how geometry can be structured to enable high levels of meaningful variations. But then, if the model 

behaves entirely in very predictable ways, then there is something wrong – because it will be at the 

expense of wider exploration.  A good genetic model will always be able to produce surprising results, but 

at the same time produce a large range of viable designs. This is a balance that only experience will help 

develop. Nature seems to have figured out how best to balance it, as it mutates only a small percentage 

to reach out into the vastness of design space. 

Capturing Commonality 

From birth, we develop our abilities to identify what is common in all things around us. We learn to 

identify plant, animal, bird forms by what is common in them. We do the same in architecture through 

the study of historic styles. We need to intensify this ability of observing the commonality in designs until 

it becomes an unconscious ability. For instance, if you are shown various types, sizes and vastly different 

shapes of dogs, you can effortless see the underlying commonality. We are able to see this in biological 

creations but not in human created objects and this is the challenge you need to prepare yourself for. 

Understanding commonality is in a way a reverse design skill.  Designers are trained to see mainly the 

differences in order to facilitate their own abilities to create differentiated designs. The centre of designs 

spaces are full of common and known designs. The training of designers is about how to move away from 

this centre – so that they may claim as an unexplored space in design space, by creating desing in that 

space. The work process developed to achieve this is what design training is all about. Designers are 

taught how to get to the outer edges of the design space through their own creative imagination and 

work processes. This needs to be reversed. And this is the hard part. 

 

Generative design exploration is also about 

exploring the outer edges of the design space – 

where interesting possibilities lie. But we need to 

start from the centre; because we use the sheer 

dumbness of computers to reach out to the outer 

edges of the design space. The dumbness of 

computers becomes a virtue here, as it will get us 

to the far corners of the design space without 

difficulty. Now this has a very important implication 

on how we should structure genetic models.  

 

 

         

                                                                                                                           

12  

Generated spoons 

We should structure genetic models 

to be in the centre of the design 

space – in that, it should represent 

the most common form of design. It 

need not be creative. It should not 

be, because if it does it is not in the 

centre.   

 

If we plot instances of existing designs, we will find a dense cloud of points at the centre, representing the 

vast majority of designs that share similar attributes. In the centre, you will find well worn designs that 

satisfy all the constraints imposed by reality. The centre is a result of the deliberation of multitudes of 

designers who have laboured to find a safe ground and it is from here our exploration should commence. 

Computational methods in design should help us reach much further than what designers can manage 

with their limited creative capabilities. The future of design will belong to those who master this ability. 

 

   

         

                                                                                                                           

13  

 

Mantras – for structuring genetic models 

 

Structure it to explore design space 

Make it  highly variable 

Conceive geometry in layers 

Less parameters are more expressive 

Cover a good part of all viable designs 

Some should surely be weird 

Start with the commonest configuration 

Encapsulate design intent 

Embody geometric logic 

Learn by trial and error