- ケンブリッジ大学の研究者は、脱炭素化が困難な住宅を特定するためのAIモデルを開発し、ネットゼロ目標の達成に革命をもたらしました。
- このAIモデルはHtD（Hard-to-Decarbonize）住宅の分類において90%の精度を実現し、政策立案者の時間とリソースを節約します。
- データ駆動型のこのアプローチにより、住民や自治体は改修介入を効果的にターゲットにすることができます。
ケンブリッジ大学建築学科の研究者たちは、「脱炭素化が困難な（HtD）」住宅を特定し、改修やその他の脱炭素化対策において優先順位をつけることができる画期的なAIモデルを開発しました。この革新的なアプローチは、政策立案者によって見過ごされがちな住宅関連の排出量の重要な原因に対処することで、ネットゼロ排出量の実現において重要な役割を果たす可能性があります。
脱炭素化が困難な住宅：ネットゼロへの障壁
HtD住宅は、すべての直接住宅排出量の4分の1以上を占めており、ネットゼロ排出量の実現への道筋における大きな障害となっています。これらの住宅の脱炭素化が困難な要因には、その年代、構造的な特徴、立地、社会経済的な障壁、関連データの可用性が含まれます。従来、政策立案者は一般的な建物や特定の脱炭素化技術に焦点を当てており、HtD住宅を軽視してきました。
AIモデルが90%の精度でHtD住宅を特定
ロンイタ・バードン博士と都市研究者兼データサイエンティストのモラン・サン率いるケンブリッジの研究者たちは、HtD住宅を分類するためにディープラーニングAIモデルを訓練し、驚異的な90%の精度率を達成しました。この精度は、すでに進行中のプロセスであるモデルへのデータ追加により、さらに向上すると期待されています。
バードン博士は強調しました。「これは、オープンソースデータを使用して脱炭素化が困難な建物を特定するためにAIが使用された初めての事例です。政策立案者は、すべての住宅の詳細な監査を行うためのリソースを欠いていることが多く、私たちのモデルは、貴重な時間とリソースを節約するために、彼らの努力を優先度の高い住宅に向けるのに役立ちます。」
地理的分布に関する洞察
AIモデルはHtD住宅を特定するだけでなく、それらの地理的分布に関する洞察も提供します。この情報は、当局が必要とされている場所に効率的に介入を実施し、ターゲットを絞ることを可能にします。
複数のデータソースの活用
研究者たちは、エネルギー性能証明書（EPC）、ストリートビュー画像、空中写真、地表温度データ、建物ストックデータなど、さまざまなデータソースを使用してAIモデルを訓練しました。彼らは、公開されているデータのみを使用して、故郷のケンブリッジ市内で700のHtD住宅と635の非HtD住宅を特定しました。
モラン・サンは、モデルの適応性を強調し、「私たちは、利用可能な限られたEPCデータを使用してモデルを訓練しました。これで、モデルはEPCデータなしで、市内の他の住宅を予測できるようになりました。」さらに、このアプローチは、限られたまたは不十分なデータセットを持つ国々でも適用可能であり、世界中でアクセス可能になります。
データレイヤーの進展
研究者たちは、エネルギー消費、貧困レベル、建物の外観の熱画像など、要因に関連する追加のデータレイヤーを追加することで、モデルの強化に積極的に取り組んでいます。これらの強化により、モデルの精度がさらに向上し、注意を払う必要がある特定の建物の機能に関するより詳細な情報が提供されることが期待されています。
ケンブリッジを超えて
初期モデルはケンブリッジを研究対象として開発されましたが、研究者たちはすでにその適用を他の英国の都市に拡大しています。彼らは、新しい衛星からのより高解像度の熱画像にアクセスするために、スペース製品ベースの組織と協力しています。バードン博士は、NSIP – UK Space Agencyプログラムに参加し、高解像度の熱赤外線宇宙望遠鏡を使用して世界中の建物のエネルギー効率を監視する作業を行いました。
脱炭素化政策の変革
この革新的なAIモデルは、脱炭素化政策の意思決定を変革する可能性があります。AIの能力を活用し、より大規模なデータセットを処理することで、政策立案者は証拠に基づいたより情報に裏打ちされた意思決定を行い、効果的な気候変動適応戦略を推進することができます。
バードン博士は強調しました。「人々に自身のデータを与えることで、支援を交渉しやすくなります。」彼女は付け加えました。「これらは単純なデータセットであり、当局や個々の住民にとって非常に使いやすくアクセスしやすいモデルにすることができます。」
ケンブリッジの独自の課題
ケンブリッジは比較的裕福ですが、脱炭素化において独自の課題を抱えています。市の歴史的な住宅ストックと建築法規により、歴史的に重要な一部の物件では改修や現代素材の使用が制限されています。これらの独自の課題は、AIモデルを洗練し、多様な都市環境でのその適用可能性を評価するための有益なサイトとなります。
将来の協力とコンセンサスの構築
研究者たちは、ケンブリッジ市議会と発見を議論し、ケンブリッジゼロおよび大学の脱炭素化ネットワークの同僚と引き続き作業を行う計画です。データをより可視化し、一般にアクセス可能にすることで、研究者たちは、ネットゼロ達成に向けた取り組みに関するコンセンサスを構築することがより達成可能になると信じています。
この画期的なAIモデルは、脱炭素化が困難な住宅という課題に対処するための重要な一歩を表しており、住宅部門でのネットゼロ排出量達成に向けた進捗を加速させる可能性があります。その適応性、精度、そして広範な使用の可能性は、持続可能で脱炭素化された未来をコミットする政策立案者や個人にとって強力なツールとなります。
暗号通貨のニュースを読むだけでなく、それを理解しましょう。ニュースレターに登録してください。無料です。
免責事項。 ここに提供される情報は取引助言ではありません。 Cryptopolitan.com 当社は、このページに提供される情報に基づいて行われたいかなる投資に対しても責任を負いません。いかなる投資判断を下す前に、独立した調査および/または資格を有する専門家への相談を強く推奨します。
ジョン・パーマー
John Murangiri氏は、市場分析のスキルを身につけてCryptopolitanに参加しました。John（通称JP）はナイロビ大学でマスコミュニケーションおよびメディア研究の学士号を取得し、これまでにInsideBitcoins.comやMetacoingraphで暗号資産市場の洞察を提供してきました。
