Toward a foundational thermal model for residential buildings
本文介绍了一种物理信息 Transformer 架构，该架构嵌入领域知识，能够在无需针对特定建筑进行校准的情况下，实现对不同住宅建筑和气候条件下准确且可泛化的热预测，并在 CityLearn 数据集上展现出具有前景的零样本迁移能力。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，试图教计算机预测明天一栋房子在温度上的感受。目前，大多数计算机需要针对每一栋房子单独进行“训练”。这就像为学校里的每个学生都聘请一位私人导师：你教学生 A 如何对阳光做出反应，然后必须重新开始，去教学生 B，而学生 B 可能住在一栋拥有不同窗户和保温层的房子里。这种方法既缓慢又昂贵，且难以扩展。
本文提出了一种构建“通用建筑大脑”的新方法，它无需为每栋房子配备专属导师，即可理解任何房子的物理特性。
以下是他们方法的分解，辅以简单的类比：
1. 问题：“一刀切”的陷阱
目前，如果你想高效地控制建筑的供暖或制冷，就需要一个了解该特定建筑特性的模型。
- 旧方法：这就像试图通过死记硬背某个特定的人说的每一句话来学习一门新语言。如果你遇到一个新的人，你就得从头开始。
- 新目标：作者希望构建一个能学习热力学“语法”的模型。如果你理解了语法（物理原理），你就能立即理解任何新的说话者（建筑），即使你以前从未见过他们。
2. 解决方案：“物理融合”的翻译器
作者构建了一种名为物理 Transformer的新型人工智能。它不仅仅是盯着数字猜测模式，而是迫使人工智能像物理学家一样“思考”。他们通过两个主要技巧实现了这一点：
技巧 A：学习变化的“速度”（导数增强）
- 类比：想象你在开车。普通的人工智能可能会试图记住汽车在每一秒的确切位置。然而，作者的人工智能专注于汽车加速或刹车的速度。
- 为何有效：学习“如果我踩油门，我就会加速”这条规则，比记住汽车可能处于的所有速度要容易得多。同样，人工智能学习房子升温或降温的速度，而不仅仅是记住“房子 A 是 72 华氏度”。这条规则几乎适用于所有房子，使得将知识迁移到新建筑变得更加容易。
技巧 B：预测“下一步”（基于欧拉法的残差预测）
- 类比：与其从零开始猜测下午 5 点房子的确切温度，不如让人工智能问：“现在的温度是多少，接下来一小时会变化多少？”
- 为何有效：这就像预测天气。预测明天的确切温度很难，但预测“因为阳光普照，气温将升高 2 度”则更容易。通过关注变化而非绝对数值，人工智能学习了普遍适用的热传递规则，这些规则在德克萨斯州的房子和佛蒙特州的房子中同样有效。
3. “静态”记忆
人工智能在做出预测前，还会查看一张“记忆卡”。这张卡片包含了关于建筑的永久事实：它有多大、墙壁有多厚、有多少扇窗户。
- 类比：在猜测一个人对辛辣食物的反应之前，你先查看他们的“档案卡”，看看他们是否通常对辛辣敏感。人工智能会检查建筑的档案，以判断它是“慢炖锅”（厚墙）还是“快热器”（薄墙）。
4. 结果：“零样本”的魔力
团队在三个截然不同的气候区（炎热的德克萨斯州、温和的加利福尼亚州和寒冷的佛蒙特州）的 247 栋模拟房屋上测试了该方法。
- “零样本”测试：他们仅用两栋房子训练了人工智能，然后让它预测一栋它从未见过的房子的温度。
- 结果：人工智能的表现令人惊叹。其准确度几乎与在 32 栋不同房子上训练过的模型相当。
- 对比：他们将这种“物理人工智能”与一个庞大的通用人工智能（称为 TimesFM）进行了对比，后者在数百万个时间序列数据集上进行了训练。通用人工智能在建筑预测上彻底失败（温度误差超过 2 摄氏度）。而拥有特定“热力学语法”的物理人工智能则准确得多。
5. 注意事项（局限性）
作者诚实地指出了他们工作的局限性：
- 这是模拟：他们在计算机生成的房屋上进行了测试，而非现实世界的建筑。现实中的房屋存在混乱且不可预测的人类行为（例如因为有人觉得热而打开窗户），模拟可能无法完全捕捉到这些情况。
- 仅限住宅：他们仅测试了单户住宅。他们尚未在拥有复杂多区域供暖系统的巨型办公楼上尝试过这种方法。
- 气候限制：他们在三种美国气候区进行了测试。目前尚不确定该方法是否能在热带雨林或沙漠中完美运行，而无需进行额外的调整。
结论
这篇论文表明，要构建真正“智能”的建筑人工智能，我们不应只是向通用计算机投入更多数据。相反，我们应该从一开始就构建计算机的大脑，使其理解基本的物理定律（热量、保温、随时间的变化）。通过这样做，人工智能可以从极少量的数据中学习，并立即理解它以前从未见过的新建筑。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。