エンジニアが開発した新しいマシンラーニング方法はエネルギー使用量を削減できる

スイスの電子機器とマイクロテクノロジーのセンターにあるエンジニアたちは、新しいマシンラーニング方法を開発しました。この方法は、エネルギー使用量を削減するだけでなく、人工知能（AI）が以前は感度が高すぎて扱うことができなかったタスクを完了することを可能にします。

強化学習の限界

強化学習は、コンピューターが過去の経験から学習して自己を改善するプロセスであり、人工知能の重要な側面です。しかし、この技術は、気候制御システムのトレーニングなどの現実のシナリオや状況に適用することが難しいことがよくあります。このようなアプリケーションは、強化学習によって引き起こされる温度の大きな変化に対処することができません。

CSEMのエンジニアたちは、この問題に対処するために新しいアプローチを開発しました。エンジニアたちは、簡略化された理論モデルを使用してコンピューターをトレーニングし、次に現実のシステムに移行することを実証しました。これにより、マシンラーニングプロセスは、理論モデルでのトレーニングの結果を基に、現実のシステムでより正確になります。これにより、現実のシステムでは大きな変動がないため、気候制御技術の問題は解決されます。

ピエール＝ジャン・アレは、CSEMのスマートエネルギーシステム研究責任者であり、研究の共同著者です。

「運転免許のマニュアルを読む前に運転を始めるのと同じです」とアレは言います。「このプレトレーニングステップにより、コンピューターは知識ベースを構築し、正しい答えを探す際に盲目的に探さないようにします」

エネルギー削減

この新しい方法の最も重要な側面の1つは、エネルギー使用量を20％以上削減できることです。エンジニアたちは、この方法を、100室のビルにある暖房、換気、空調（HVAC）システムでテストしました。

エンジニアたちは、3つのステップに従いました。最初のステップは、コンピューターを「仮想モード」でトレーニングすることでした。このモデルは、ビルの挙動を説明するための簡単な方程式で構築されました。実際のビルデータである温度、天気条件、他の変数がコンピューターに与えられ、より正確なトレーニングが行われました。最後のステップは、コンピューターが強化学習アルゴリズムを実行することを許可し、最終的にHVACシステムの最適なアプローチが得られました。

CSEMのエンジニアによって開発された新しい方法は、マシンラーニングに大きな影響を与える可能性があります。以前は強化学習によって扱うことができなかった、大きな変動を伴うアプリケーションは、今後新しい方法でアプローチできるようになります。これにより、エネルギー使用量の削減、経済的コストの削減、そしてその他多くの利点が得られます。

この研究は、IEEE Transactions on Neural Networks and Learning Systemsというジャーナルに掲載されました。タイトルは「システム同定と最適制御のためのハイブリッド学習方法」です。

著者には、バプティスト・シュブネル、ラファエル・E・カリロ、ピエール＝ジャン・アレ、アンドレアス・ハッターが含まれます。