Microbiome-Aware HVAC Control in Green Buildings Using Reinforcement Learning

我们中的大多数人一生中绝大部分时间都在建筑物内度过。我们在室内睡觉、工作和聚会，这些空间的空气由旨在让我们保持舒适与安全的机械系统进行管理。几十年来，衡量这种室内空气质量的标准一直集中在化学污染物和能源消耗上。例如，绿色建筑认证衡量的是建筑过滤二氧化碳、粉尘和挥发性化学物质的能力，同时追踪其维持凉爽或温暖所需的电力消耗。这些措施对于安全至关重要，但它们仅揭示了部分真相。它们忽略了在我们墙壁内繁衍的那个隐形的、充满生机的世界：微生物组（microbiome）。这是一个由细菌、真菌和其他微观生物组成的复杂群落，它们在我们的呼吸中循环往复。正如森林中的土壤拥有维持生态系统健康的特定生命平衡一样，建筑内部的空气也承载着自己的微生物群落，这会影响人类的健康，从我们的免疫系统到呼吸系统的福祉。

直到现在，控制我们室内空气的技术在很大程度上都忽视了这个生物层。加热和冷却系统是根据化学传感器来调节温度和湿度的，而不是基于微生物生态系统的健康状况。Pradip Thorat 的一项新研究引入了一种不同的思考方式，提出我们可以、也应该通过管理建筑内的空气，来支持一个稳定且健康的微生物群落。这项研究并不依赖于在真实建筑中的物理实验，而是使用了一种复杂的计算机模拟，来测试一种新型的人工智能。这个人工智能充当建筑管理员，不断调整通风和气流，以观察它是否能在节省能源的同时，为这些微观生命形式创造一个更好的环境。其目标是超越仅仅保持空气中无化学物质，转而主动培育一个平衡的生物环境。

研究人员构建了一个三区办公建筑的数字模型，包括一个办公室、一个会议室和一个大厅。他们编写程序让这个虚拟建筑模拟空气如何流动、湿度如何变化，以及微生物种群如何响应这些条件进行生长和演变。为了衡量该系统的成功，他们创建了一个名为“微生物组稳定性指数”（Microbiome Stability Index）的新指标。可以将这个指数想象成一个分数，它反映了微生物群落的平衡度和多样性，同时会对有害病原体占据主导地位或种群剧烈波动的情况进行惩罚。分数越高，意味着空气被认为越稳定、越健康。随后，团队训练了一个强化学习代理（一种通过试错来学习的人工智能类型）来控制建筑的通风。这个人工智能的任务是调整引入新鲜空气的量，在追求高稳定性分数与移动这些空气所需的能源成本之间寻找平衡。

模拟结果揭示了关于我们如何管理室内空气的一个令人惊讶的事实。与依靠恒定通风量的传统方法相比，AI 控制的系统实现了更高的稳定性分数。传统的做法是将通风率维持在每小时两次换气量的稳定水平，而 AI 则学会了更加动态地运作。它将平均通风量减少到了仅为每小时 1.30 次换气量，却依然将微生物群落的稳定性提高了 1.2%。这一发现挑战了“通风量越大，空气质量越好”的普遍假设。AI 学会了通过精心安排何时引入新鲜空气以及何时节省能源，从而能以更少的投入维持一个更健康的生物环境。该系统在模拟的大部分时间内都能保持空气稳定，只有在稳定性分数开始下降时，才会激进地加大通风量。

这项研究中最引人注目的发现之一涉及湿度。目前的建筑标准通常建议将相对湿度保持在 40% 到 60% 之间，以防止霉菌生长和尘螨滋生。然而，模拟显示，随着湿度的上升，微生物群落的稳定性实际上也在增加，并在达到 80% 时达到顶峰。这表明，目前优先考虑抑制霉菌的现有准则，可能在无意中限制了更广泛微生物生态系统的多样性和稳定性。数据表明，高湿度与更稳定的微生物组之间存在强烈的正相关关系，这一发现与传统上保持空气干燥的关注点相矛盾。研究人员指出，虽然 80% 的湿度在防止霉菌方面看起来似乎过高，但在该特定模型中，它似乎是维持平衡微生物群落的“甜点位”（sweet spot）。

研究还强调，在管理这种生物平衡方面，并非所有的建筑或气候都是平等的。模拟显示，位于沿海和湿热气候下的建筑在维持稳定微生物组方面具有天然优势，需要较少的能量来维持高分。相比之下，干旱的沙漠和寒冷干燥的气候则施加了沉重的惩罚，使得实现同样的稳定性变得更加困难且耗能更高。这表明，管理室内空气质量并不存在单一的通用规则。AI 还展示了同一栋建筑内的不同房间需要不同数量的能量才能达到相同的稳定性水平。例如，模拟中的办公空间需要比较小的会议室多出两倍的能量才能达到相同的稳定性分数，这仅仅是因为体积和气流动力学的差异。这指向了一个未来：建筑控制将是高度定制化的，能够根据每个房间的具体需求和当地气候进行调整。

尽管研究结果令人鼓舞，但研究人员谨慎地指出，这些发现来自于计算机模拟，而非真实的物理建筑。该模型做了一些简化处理，例如假设温度恒定，并将每个房间的空气视为一种完全混合的物质，这并未考虑到办公桌或窗户周围复杂的微环境。用于计算稳定性分数的公式也依赖于固定权重，这些权重可能需要针对不同类型的建筑或季节进行调整。尽管存在这些局限性，该研究仍提供了重要的概念验证。它证明了利用人工智能来管理室内空气的生物质量是可行的，能够在健康与能源效率之间取得传统系统无法实现的平衡。这项工作表明，下一代绿色建筑可能不仅仅关乎节能或过滤化学物质，更关乎为其中的人类主动培育一个健康的、充满生机的氛围。