The built environment is considered responsible for at least 20-40% of greenhouse gases emission. The way we design may exert an impact on this percentage. A new paradigm, namely artificial intelligence, is arriving. More and more tasks are becoming automated via algorithms. How could this power be applied in order to strengthen our knowledge about the ways we design buildings? The author of the following paper presents a study in which carbon footprint yielded by a multifamily building is analysed. ML has been used to generate an extensive overview of the possible design solutions. This, in turn, made it possible to observe correlations between various parameters that resulted in a reduced carbon footprint.
PL
Środowisko zabudowane odpowiada za co najmniej 20 do 40% emisji gazów cieplarnianych, a sposób, w jaki projektujemy, może wpłynąć na tę wartość. Coraz więcej zadań zostaje zautomatyzowanych za pomocą algorytmów. Jak możemy wykorzystać to narzędzie, aby wspomóc naszą wiedzę na temat sposobów projektowania budynków? Autor przedstawia badanie analizujące ślad węglowy budynku wielorodzinnego. Algorytm uczenia maszynowego został wykorzystany do wygenerowania obszernego przeglądu możliwych rozwiązań projektowych. Umożliwiło to zaobserwowanie korelacji między różnymi parametrami, co pozwoliło na wybór kombinacji parametrów o najniższym śladzie węglowym.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.