Table des matières
Introduction
INSIGHTS
Caractéristiques des meilleurs plans de décarbonation des bâtiments
Maison Périphériques technologiques IA La technologie de l'intelligence artificielle accélère la réduction des émissions de carbone dans le domaine de la construction

La technologie de l'intelligence artificielle accélère la réduction des émissions de carbone dans le domaine de la construction

Jan 03, 2024 am 08:48 AM
人工智能 智能建筑 绿色建筑 Double carbone

La technologie de lintelligence artificielle accélère la réduction des émissions de carbone dans le domaine de la construction

Introduction
  • En appliquant l'apprentissage automatique, l'intelligence artificielle et la modélisation basée sur la physique, les propriétaires de portefeuilles d'immeubles peuvent identifier plus rapidement les opportunités de décarbonation des bâtiments, selon un rapport publié par McKinsey le 29 novembre.
  • En utilisant les données des satellites, l'analyse géospatiale, les réglementations, les coûts de main-d'œuvre et d'équipement, et en évaluant la faisabilité des systèmes de chauffage et de refroidissement, les niveaux d'isolation et l'énergie solaire ou géothermique, les algorithmes peuvent analyser et proposer des solutions pour la mise en œuvre du portefeuille de bâtiments. Émissions nettes nulles. .
  • Grâce à cette nouvelle approche, des plans d'optimisation financière peuvent être élaborés pour l'ensemble du portefeuille en quelques semaines, en tenant compte de l'environnement réglementaire ainsi que des caractéristiques uniques du bâtiment et de la structure du bail, affirment les experts dans le rapport.
INSIGHTS

Les experts de McKinsey affirment qu'étant donné que les bâtiments représentent 40 % des émissions mondiales liées à la combustion, les émissions directes des bâtiments doivent être réduites de 50 % et les émissions indirectes de 60 % d'ici 2030. Ce n'est que d'ici 2050 que nous pourrons atteindre émissions nettes de carbone nulles du parc immobilier. McKinsey a déclaré que les approches traditionnelles de décarbonisation, y compris les audits énergétiques physiques et les stratégies de zéro émission nette bâtiment par bâtiment, étaient considérées comme laborieuses et coûteuses. De plus, le manque d’inventaire centralisé et de normalisation a donné l’impression que la décarbonisation des bâtiments n’est pas rentable.

Le rapport indique que les approches basées sur l'IA augmentent la vitesse et l'ampleur de la planification de la décarbonation de plus de 100 fois par rapport aux audits énergétiques traditionnels et aux études sur le zéro net, éliminant ainsi le recours à des prototypes de bâtiments flous.

Cela met en évidence le potentiel des approches basées sur l'IA pour obtenir des rendements neutres ou positifs dans les portefeuilles immobiliers, en supposant qu'il n'y ait pas de facteurs tels qu'une future réglementation progressive, la tarification et les loyers du carbone, ou des primes vertes dans les évaluations immobilières. Le rapport souligne que l'optimisation de l'approvisionnement en énergies renouvelables au niveau du portefeuille, tout en mettant en œuvre des mesures d'efficacité énergétique et d'électrification pour chaque bâtiment, permet aux propriétaires et aux occupants des bâtiments de récupérer leurs investissements en réalisant des économies d'énergie, en optimisant les coûts d'investissement et en évitant les sanctions réglementaires.

Caractéristiques des meilleurs plans de décarbonation des bâtiments

McKinsey souligne que la réalisation des plans de décarbonation des bâtiments les plus efficaces comprend sept éléments qui peuvent être optimisés grâce à l'utilisation de l'intelligence artificielle et des méthodes d'apprentissage automatique :

  • Planification efficace du zéro net : Les propriétaires peuvent garantir un plan coordonné et complet pour l'ensemble de leur portefeuille grâce à des achats conjoints et un séquençage stratégique, contrairement aux plans de décarbonation traditionnels, qui ciblent souvent des bâtiments sélectionnés en fonction des émissions ou des réglementations existantes.
  • Plans spécifiques aux actifs : Des plans personnalisés prenant en compte des aspects tels que la disposition du bâtiment et le type d'isolation sont nécessaires pour parvenir à une décarbonation rentable. Chaque bâtiment nécessite une stratégie unique qui prend en compte son point de départ, les conditions locales et les détails des actifs tels que la composition des locataires et la structure des baux.
  • Le chemin complet vers le zéro net : Cela implique d'éviter les parties du plan qui nuisent aux résultats à long terme. Les entreprises doivent prendre des décisions globales et prospectives, car les stratégies à court terme peuvent augmenter les coûts et ignorer les synergies telles que les mesures d'isolation qui ont un impact sur les futures exigences CVC.
  • Plans intégrés de portée 1 et 2 : Des approches disjointes en matière d'efficacité énergétique et d'électrification entravent l'efficacité, indique le rapport. Ne pas tirer pleinement parti des interdépendances pourrait conduire à un approvisionnement en énergies renouvelables plus lent et plus coûteux.
  • Étapes réalisables : Les plans de construction doivent fournir des instructions précises aux gestionnaires des installations et permettre une communication facile entre les fournisseurs et les équipes de gestion des installations pour garantir une exécution rapide.
  • Quantification : Les plans doivent être suffisamment spécifiques pour fournir des informations détaillées sur la planification financière, y compris les objectifs de zéro émission nette, les défis en matière d'investissement en capital, les coûts d'exploitation, la dette potentielle et la répartition des coûts et des avantages entre les propriétaires et les locataires afin que les dirigeants puissent comprendre exactement coût pour atteindre zéro émission nette.
  • Prise de décision orientée Net Zero : Les propriétaires et les exploitants peuvent intégrer des plans de décarbonation dans leurs opérations en alignant les processus, les incitations et les structures de gouvernance. Cela comprend la mise à jour des plans d’investissement, les budgets des systèmes à faibles émissions et l’intégration d’une analyse de décarbonation dans les nouvelles acquisitions d’actifs.

Les défis de la décarbonisation liés à la mise à l'échelle des chaînes d'approvisionnement pour répondre à la nouvelle demande, à la formation de travailleurs qualifiés pour déployer des rénovations et à d'autres efforts d'électrification auront également un impact sur l'industrie, indique le rapport.

McKinsey a déclaré que l'adoption d'une approche de décarbonisation du cycle de vie basée sur l'IA peut faire des progrès significatifs dans la lutte contre les émissions liées aux bâtiments en simplifiant les plans, en accélérant les processus et en réduisant les coûts.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Commandes de chat et comment les utiliser
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Jun 28, 2024 am 03:51 AM

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Jun 10, 2024 am 11:08 AM

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Jun 11, 2024 pm 03:57 PM

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Sept questions d'entretien technique Cool GenAI et LLM Sept questions d'entretien technique Cool GenAI et LLM Jun 07, 2024 am 10:06 AM

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Jul 25, 2024 am 06:42 AM

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Cinq écoles d'apprentissage automatique que vous ne connaissez pas Cinq écoles d'apprentissage automatique que vous ne connaissez pas Jun 05, 2024 pm 08:51 PM

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Jul 17, 2024 pm 06:37 PM

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc. SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc. Aug 01, 2024 pm 09:40 PM

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière

See all articles