Microbiome-Aware HVAC Control in Green Buildings Using Reinforcement Learning

يقضي معظمنا الجزء الأكبر من حياتنا داخل المباني. نحن ننام، ونعمل، ونجتمع في مساحات تُدار فيها جودة الهواء عبر أنظمة ميكانيكية صُممت للحفاظ على راحتنا وسلامتنا. ولعقود من الزمن، ركز المعيار المستخدم لتقييم جودة هذا الهواء الداخلي على الملوثات الكيميائية واستهلاك الطاقة. فشهادات المباني الخضراء، على سبيل المثال، تقيس مدى كفاءة المنشأة في تصفية ثاني أكسيد الكربون والغبار والمواد الكيميائية المتطايرة، بينما تتبع أيضاً كمية الكهرباء التي تستهلكها للبقاء باردة أو دافئة. هذه المقاييس حيوية للسلامة، لكنها لا تحكي سوى جزء من القصة؛ فهي تغفل العالم الحي غير المرئي الذي يزدهر داخل جدراننا: الميكروبيوم. هذا المجتمع المعقد من البكتيريا والفطريات والكائنات الحية المجهرية الأخرى التي تدور في الهواء الذي نتنفسه. ومثلما تمتلك التربة في الغابة توازناً معيناً من الحياة يحافظ على صحة النظام البيئي، فإن الهواء داخل المبنى يستضيف مجتمعه الميكروبي الخاص، والذي يمكن أن يؤثر على صحة الإنسان، من أجهزتنا المناعية إلى سلامة جهازنا التنفسي.

وحتى الآن، تجاهلت التكنولوجيا التي تتحكم في هوائنا الداخلي هذا الطبقة البيولوجية إلى حد كبير. فنظم التدفئة والتبر تضبط نفسها لإدارة درجة الحرارة والرطوبة بناءً على مستشعرات كيميائية، وليس بناءً على صحة النظام البيئي الميكروبي. تقدم دراسة جديدة أجراها براديب ثورات طريقة مختلفة للتفكير، تقترح أنه يمكننا، بل ويجب علينا، إدارة الهواء في مبانينا لدعم مجتمع ميكروبي مستقر وصحي. لا تعتمد هذه الأبحاث على تجارب فيزيائية في مبنى حقيقي، بل تستخدم بدلاً من ذلك محاكاة حاسوبية متطورة لاختبار نوع جديد من الذكاء الاصطناعي. يعمل هذا الذكاء الاصطناł كمدير للمبنى، حيث يقوم بضبط التهوية وتدفق الهواء باستمرار ليرى ما إذا كان بإمكانه خلق بيئة أفضل لهذه الأشكال من الحياة المجهرية مع توفير الطاقة في الوقت نفسه. والهدف هو الانتقال مما هو أبعد من مجرد الحفاظ على نظافة الهواء من المواد الكيميائية إلى رعاية بيئة بيولوجية متوازنة بشكل نشط.

قام الباحثون ببناء نموذج رقمي لمبنى مكتبي يتكون من ثلاث مناطق، يضم مكتباً وقاعة اجتماعات وردهة. وبرمجوا هذا المبنى الافتراضي ليحاكي كيفية حركة الهواء، وكيفية تغير الرطيب، وكيف تنمو وتتحول المجموعات الميكروبية استجابة لهذه الظروف. ولقياس نجاح نظامهم، ابتكروا مقياساً جديداً يسمى "مؤشر استقرار الميكروبيوم". فكر في هذا المؤشر كدرجة تعكس مدى توازن وتنوع المجتمع الميكروبي، مع فرض عقوبات في الحالات التي تسيطر فيها المسببات المرضية الضارة أو عندما تتقلب الجمهرة بشكل حاد. كلما ارتفعت الدرجة، اعتُبر الهواء أكثر استقراراً وصحة. ثم قام الفريق بتدريب "وكيل تعلم تعزيزي"، وهو نوع من الذكاء الاصطناعي الذي يتعلم من خلال التجربة والخطأ، للتحكم في تهوية المبنى. كانت مهمة الذكاء الاصطناعي هي ضبط كمية الهواء النقي التي يتم إدخالها، موازناً بين الرغبة في الحصول على درجة استقرار عالية وبين تكلفة الطاقة المطللة لتحريك ذلك الهواء.

كشفت نتائج هذه المحاكاة عن حقيقة مفاجئة حول كيفية إدارتنا لهوائنا الداخلي. فقد تمكن النظام الذي يتحكم فيه الذكاء الاصطناعي من تحقيق درجة استقرار أعلى من الطريقة التقليدية التي تعتمد على كمية ثابتة من التهوية تعمل باستمرار. وبينما حافظ النهج القياسي على التهوية بمعدل ثابت قدره تغييران للهواء في الساعة، تعلم الذكاء الاصطناعي أن يكون أكثر ديناميكية بكثير؛ فقد خفض متوسط التهوية إلى 1.30 تغيير هواء في الساعة فقط، ومع ذلك نجح في تحسين استقرار المجتمع الميكروبي بنسبة 1.2 بالمائة. تتحدى هذه النتيجة الافتراض الشائع بأن زيادة التهوية هي دائماً الأفضل لجودة الهواء. لقد تعلم الذكاء الاصطناعي أنه من خلال توقيت إدخال الهواء النقي بعناية وتوقيت توفير الطاقة، يمكنه الحفاظ على بيئة بيولوجية أكثر صحة بجهد أقل. وكان النظام فعالاً بشكل خاص في الحفاظ على استقرار الهواء خلال معظم فترة المحاكاة، حيث يقوم بزيادة التهوية بقوة فقط عندما تبدأ درجة الاستقرار في الانخفاض.

كان أحد الاكتشافات الأكثر لفتاً للانتباه في الدراسة متعلقاً بالرطوبة. فالمعايير الحالية للمباني توصي عموماً بالحفاظ على الرطوبة النسبية بين 40 و60 بالمائة لمنع نمو العفن وعث الغبار. ومع ذلك، أظهرت المحاكاة أن استقرار المجتمع الميكروبي يزداد بالفعل مع ارتفاع الرطوبة، ليصل إلى ذروته عند 80 بالمائة. وهذا يشير إلى أن الإرشادات الحالية، التي تعطي الأولوية لمنع العفن، قد تكون تحد من تنوع واستقرار النظام البيئي الميكروبي الأوسع دون قصد. وأشارت البيانات إلى وجود علاقة إيجابية قوية بين الرطوبة العالية واستقرار الميكروبيوم، وهو اكتشاف يتناقض مع التركيز التقليدي على إبقاء الهواء جافاً. وأشار الباحثون إلى أنه على الرغم من أن رطوبة بنسبة 80 بالمائة قد تبدو مرتفعة لمنع العفن، إلا أنها تبدو هي "النقطة المثالية" للحفاظ على مجتمع ميكروبي متوازن في هذا النموذج المحدد.

كما سلطت الدراسة الضل الضوء على أن ليست كل المباني أو المناخات متساوية عندما يتعلق الأمر بإدارة هذا التوازن البيولوجي. فقد أظهرت عمليات المحاكاة أن المباني في المناخات الساحلية والاستوائية الرطبة قادرة بطبيعتها على دعم ميكروبيوم مستقر، مما يتطلب طاقة أقل للحفاظ على درجات عالية. وفي المقابل، فرضت المناخات الصحراوية القاحلة والباردة الجافة عقوبة شديدة، مما جعل تحقيق نفس المستوى من الاستقرار أمراً أصعب وأكثر استهلاكاً للطاقة. وهذا يشير إلى أن قاعدة واحدة عالمية لإدارة جودة الهواء الداخلي قد لا تصلح في كل مكان. كما أظهر الذكاء الاصطناعي أن غرفاً مختلفة داخل نفس المبنى تتطلب كميات مختلفة من الطاقة للوصول إلى نفس مستوى الاستقرار. فعلى سبيل المثال، احتاج المكتب في المحاكاة إلى ضعف الطاقة التي احتاجتها غرفة الاجتماعات الأصغر لتحقيق نفس درجة الاستقرار، وذلك ببساطة بسبب الاختلافات في الحجم وديناميكيات تدفق الهواء. وهذا يشير إلى مستقبل تكون فيه ضوابط المباني مخصصة للغاية، حيث تتكيف مع الاحتياجات المحددة لكل غرفة ومع المناخ المحلي.

ورغم أن النتائج واعدة، إلا أن الباحثين حذروا من أن هذه النتائج تأتي من محاكاة حاسوبية، وليس من مبنى فيزيائي. فقد وضع النموذج عدة تبسيطات، مثل افتراض درجة حرارة ثابتة والتعامل مع الهواء في كل غرفة كمادة مختلطة تماماً، وهو ما لا يأخذ في الاعتبار البيئات الدقيقة المعقدة حول المكاتب أو النوافذ. كما أن الصيغة المستخدمة لحساب درجة الاستقرار اعتمدت على أوزان ثابتة قد تحتاج إلى تعديل لأنواع مختلفة من المباني أو المواسم. وبالرغم من هذه القيود، توفر الدراسة إثباتاً حاسماً لمبدأ إمكانية التطبيق. فهي تثبت أنه من الممكن استخدام الذكاء الاصطناعي لإدارة الجودة البيولوجية للهواء الداخلي، موازنةً بين الصحة وكفاءة الطاقة بطريقة لا تستطيع الأنظمة التقليدية القيام بها. ويشير العمل إلى أن الجيل القادم من المباني الخضراء قد لا يقتصر فقط على توفير الطاقة أو تصفية المواد الكيميائية، بل يتعلق أيضاً بالرعاية النشطة لخلق جو حي وصحي للأشخاص في الداخل.