การศึกษาจากมหาวิทยาลัยแมรีแลนด์แสดงให้เห็นว่าการเรียนรู้เชิงลึก (Deep Learning) ซึ่งเป็นเทคโนโลยีรูปแบบหนึ่งของปัญญาประดิษฐ์ (AI) อาจช่วยลดการใช้พลังงานในระบบทำความร้อน การระบายอากาศ และการปรับอากาศ (HVAC) ของอนาคตได้อย่างมีนัยสำคัญ งานวิจัยนี้ดำเนินการที่ศูนย์วิศวกรรมพลังงานสิ่งแวดล้อม (CEEE) ของ UMD โดยมุ่งเน้นไปที่ผลกระทบของ AI ในการทำนายการใช้พลังงานในระบบการไหลของสารทำความเย็นแปรผัน (VRF) เทคโนโลยี HVAC นี้ที่มีหน่วยกลางแจ้งและหน่วยภายในหลายหน่วย ถูกทดสอบในหอคอยวิศวกรรม Glenn L. Martin และผลการวิจัยจะเผยแพร่ออนไลน์ในวารสาร International Journal of Refrigeration ฉบับเดือนมกราคม 2025 ระบบ HVAC ใช้ไฟฟ้าประมาณครึ่งหนึ่งของการใช้ไฟฟ้าในอาคาร การที่สามารถทำนายการใช้พลังงานได้อย่างแม่นยำถือเป็นสิ่งสำคัญในการปรับปรุงการควบคุมของระบบ VRF นักวิจัยจาก UMD ได้ประเมินโมเดล AI สองรูปแบบ คือ Artificial Neural Network (ANN) แบบดั้งเดิมและรุ่นใหม่ที่ใช้ข้อมูลมากกว่า คือนางแบบ Long-Short-Term Memory (LSTM) ซึ่งทั้งสองสามารถวิเคราะห์ข้อมูลเพื่อรับรู้รูปแบบและทำการทำนาย แต่ LSTM ต้องการข้อมูลมากกว่า อย่างไม่คาดคิด นางแบบ LSTM ไม่เพียงแต่ทำนายการใช้พลังงานได้อย่างแม่นยำกว่า แต่ยังใช้กำลังคำนวณและหน่วยความจำน้อยกว่า ANN ตามที่ Po-Ching Hsu นักศึกษาปริญญาโทสาขาวิศวกรรมเครื่องกลและผู้เขียนนำกล่าวว่า แม้ ANN จะพยายามเพิ่มความแม่นยำโดยการสร้างแบบจำลองที่ซับซ้อนยิ่งขึ้นระหว่างกระบวนการปรับปรุง แต่ก็ยังด้อยกว่า LSTM ผู้เขียนร่วมงานประกอบไปด้วย Lei Gao Ph. D.

'22 ซึ่งปัจจุบันอยู่ที่ห้องปฏิบัติการแห่งชาติ Oak Ridge และ Yunho Hwang ศาสตราจารย์วิจัยด้านวิศวกรรมเครื่องกลและผู้ร่วมอำนวยการ CEEE แม้การประยุกต์ใช้โมเดล LSTM ในเทคโนโลยี HVAC ยังคงอยู่ในขั้นตอนของการสำรวจ งานวิจัยนี้แสดงให้เห็นว่ามันอาจช่วยปรับปรุงประสิทธิภาพการใช้พลังงานได้อย่างมาก โมเดล LSTM ถูกพัฒนาขึ้นโดยใช้ข้อมูลเป็นเวลาหนึ่งปี Hsu เพิ่มว่า “ความท้าทายในตอนนี้คือการตรวจสอบว่าเราสามารถบรรลุความแม่นยำเดียวกันได้หรือไม่ ด้วยข้อมูลเพียงไม่กี่วันหรือสัปดาห์”