Мэриленд университетінің зерттеуі бойынша, жасанды интеллектінің (AI) күрделі түрі болып табылатын терең оқыту, болашақ жылу, желдеу және ауаны кондиционерлеу (HVAC) жүйелерінің энергия шығынын едәуір азайтуы мүмкін. Бұл зерттеу UMD-нің Экологиялық Энергия Инженерия Орталығында (CEEE) жүргізілді және AI-дың ауыспалы салқындатқыш ағысы (VRF) жүйесінде энергия тұтынуды болжау әсеріне назар аударды. Бір сыртқы және бірнеше ішкі қондырғылары бар осы HVAC технологиясы Гленн Л. Мартин Холлда сыналды. Олардың нәтижелері 2025 жылы қаңтар айында Халықаралық Тоңазытқыш Журналында онлайн жарияланатын болады. HVAC жүйелері ғимараттың электр энергиясын тұтынуының шамамен жартысын құрайды, ал VRF жүйесінің бақылауын оңтайландыру дәл энергия тұтыну болжамдарына байланысты. UMD зерттеушілері екі AI моделін бағалады: дәстүрлі Жасанды Нейрон Желі (ANN) және жаңа, деректерге негізделген Ұзақ-Қысқа-Мерзімді Жады (LSTM) моделі.

Екеуі де деректерді талдап, үлгілерді таниды және болжамдар жасайды, бірақ LSTM көбірек деректерді қажет етеді. Күтпеген жерден, LSTM моделі энергия тұтынуды дәлірек болжады және ANN-ге қарағанда аз есептеу қуаты мен жад қажет етті. Механикалық инженерия магистранты және жетекші автор По-Чинг Хсу айтуынша, ANN моделі оңтайландыру процесінде күрделі модель жасау арқылы дәлдікті арттыруға тырысады, бірақ LSTM-мен салыстырғанда әлі де кем түседі. Авторлардың қатарында Оак Ридж Ұлттық Зертханасында жұмыс істеп жүрген ғылым докторы Лей Гао және машықтану профессоры және CEEE тең директоры Юнхо Хванг бар. HVAC технологиясындағы LSTM моделінің қолданылуы әлі де зерттелуде, ал бұл зерттеу оның энергия тиімділігін едәуір арттыратынын көрсетуі мүмкін. LSTM моделі бір жылдық деректерді пайдаланып әзірленген. Хсу қосты, «Енді мәселе, бірнеше күн немесе апта деректерімен бірдей дәлдікке жете аламыз ба соны анықтау».