建築物約佔美國能耗的40％，佔全球二氧化碳排放量的三分之一。讓建築物更節能不僅是節省成本的措施，而且是關鍵的緩解氣候變化戰略。因此，“智慧”建築的興起正在日益成為世界各地的規範。

智慧建築可自動化供暖、通風和空調（HVAC）等系統；以及改善燈光、電力和安全性。自動化需要感測資料，例如室內和室外溫度和溼度，二氧化碳濃度和佔用狀態。智慧建築結合了多種技術，可以使資料更加節能。

由於HVAC系統約佔建築物能源消耗的一半，因此智慧建築使用智慧恆溫器，恆溫器可自動執行HVAC控制並可以瞭解建築物居住者的溫度偏好。

在《應用能源》雜誌上發表的一篇論文中，麻省理工學院資訊與決策系統實驗室（LIDS）的研究人員與Skoltech科學家合作，設計了一種新的智慧恆溫器，該恆溫器使用了資料有效演算法，可以在溫度範圍內瞭解最佳溫度閾值週期。

“儘管物聯網技術和資料分析最近取得了進步，但是智慧建築的實施卻受到了建築中資料獲取過程的耗時的阻礙，”電氣工程與計算機科學教授兼主任Munther Dahleh表示，智慧恆溫器演算法使用建築物資料來學習如何最佳操作，但是收集資料可能要花費數月的時間。

為了加快學習過程，研究人員使用了一種稱為“流形（manifolds）”學習的方法，其中，複雜的“高維”函式由稱為“流形”的簡單和低維函式表示。透過利用多種學習方法和對建築物熱力學的瞭解，研究人員用一組具有多個，更易於解釋的引數的“閾值”策略代替了可以具有許多引數的通用控制方法。為學習最佳而開發的演算法需要較少的資料，因此它們的資料效率更高。

為恆溫器開發的演算法採用一種稱為強化學習（RL）的方法，這是一種資料驅動的順序決策和控制方法，近年來在掌握雙陸棋和圍棋等遊戲方面引起了廣泛關注。

該論文的主要作者，LIDS的博士後Ashkan Haji Hosseinloo說：“我們為計算機遊戲提供了高效的模擬引擎，可以為RL演算法生成大量資料，從而學習良好的遊戲策略。” “但是，我們沒有大資料可用於建築物中的微氣候控制。”

擁有機械工程學背景和RL等方法的訓練，Hosseinloo可以將統計資訊和最新計算的見解應用於現實世界的物理系統。他說：“我的主要動機是透過提高這些系統的效率來減緩，甚至預防能源和環境危機。”

智慧恆溫器的新RL演算法是“事件觸發”的，這意味著它們僅在某些事件發生時才做出決定，而不是按預定的時間表做出決定。這些“事件”由達到閾值的某些條件定義，例如房間中的溫度超出最佳範圍。Hosseinloo說：“這使得學習更新的頻率降低，並使我們的演算法的計算成本降低。”

計算能力是學習演算法的潛在限制，計算資源取決於演算法是在雲中執行還是在裝置本身（例如智慧恆溫器）上執行。Hosseinloo說：“我們需要既具有計算效率又具有資料效率的學習演算法。”

節能建築除了減少排放和削減成本外，還具有其他優勢。建築物的“小氣候”和空氣質量會直接影響建築物佔用者的生產力和決策效能。考慮到許多大規模的經濟、環境和社會影響，小氣候控制已成為政府，建築物管理者甚至房主的重要問題。”

“新一代智慧建築旨在從資料中學習如何自動操作並以最少的使用者干預進行操作，”合作作者Skoltech方面的教授Henni Ouerdane說。“學習型恆溫器可以潛在地學習如何與其他HVAC裝置配合使用，或者基於其對電價的預測來調節其設定點溫度，從而節省能源和成本。”

Hosseinloo還認為，他們的方法和演算法適用於機器人、自動駕駛汽車和交通運輸等其他基於物理的控制問題，其中資料和計算效率至關重要。