Advancing Building Energy Modeling with Large Language Models: Exploration and Case Studies

要約

人工知能の急速な進歩により、ChatGPT のような大規模な言語モデルの出現が促進され、特殊なエンジニアリング モデリング、特に物理ベースの建築エネルギー モデリングに拡張される潜在的なアプリケーションが提供されています。
この論文では、特に ChatGPT と EnergyPlus の融合に焦点を当てて、大規模な言語モデルと建築エネルギー モデリング ソフトウェアとの革新的な統合について調査します。
まず文献レビューが行われ、建築エネルギーモデリングへの応用に関する研究は限られているものの、エンジニアリングモデリングに大規模言語モデルを組み込む傾向が高まっていることが明らかになりました。
建物のエネルギーモデリングの課題に対処する際の大規模言語モデルの可能性を強調し、シミュレーション入力の生成、シミュレーション出力の分析と視覚化、エラー分析の実施、協調シミュレーション、シミュレーションの知識の抽出とトレーニング、シミュレーションの最適化などの潜在的なアプリケーションの概要を説明します。
3 つのケーススタディは、建築エネルギー モデリング タスクの自動化と最適化における大規模言語モデルの変革の可能性を明らかにし、持続可能な建築慣行とエネルギー効率の向上における人工知能の極めて重要な役割を強調しています。
ケーススタディは、パフォーマンスを向上させ、エンジニアリングの労力を軽減するには、適切な大規模言語モデル手法を選択することが不可欠であることを示しています。
この発見は、将来の人工知能研究における学際的なアプローチを提唱しており、その意味は建築エネルギーモデリングを超えて他の特殊な工学モデリングにまで広がります。

要約(オリジナル)

The rapid progression in artificial intelligence has facilitated the emergence of large language models like ChatGPT, offering potential applications extending into specialized engineering modeling, especially physics-based building energy modeling. This paper investigates the innovative integration of large language models with building energy modeling software, focusing specifically on the fusion of ChatGPT with EnergyPlus. A literature review is first conducted to reveal a growing trend of incorporating large language models in engineering modeling, albeit limited research on their application in building energy modeling. We underscore the potential of large language models in addressing building energy modeling challenges and outline potential applications including simulation input generation, simulation output analysis and visualization, conducting error analysis, co-simulation, simulation knowledge extraction and training, and simulation optimization. Three case studies reveal the transformative potential of large language models in automating and optimizing building energy modeling tasks, underscoring the pivotal role of artificial intelligence in advancing sustainable building practices and energy efficiency. The case studies demonstrate that selecting the right large language model techniques is essential to enhance performance and reduce engineering efforts. The findings advocate a multidisciplinary approach in future artificial intelligence research, with implications extending beyond building energy modeling to other specialized engineering modeling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google