Transfer learning-based multi-physics surrogate modeling and low-carbon optimization for complex public buildings

日本語

本論文では、転移学習を用いたマルチフィジックスサロゲートモデリングにより、複雑な公共建築物の低炭素最適化手法を提案している。建物のエネルギー消費と炭素排出を削減するための効率的な最適化手法を示す。

English

This paper proposes a transfer learning-based multi-physics surrogate modeling approach for low-carbon optimization of complex public buildings. The method enables efficient optimization to reduce building energy consumption and carbon emissions.

日本のGX文脈において

本研究は日本の建築物の省エネ・低炭素化において機械学習を活用した最適化手法として参考になるが、日本の具体的な政策や規制には直接リンクしない。

In the global GX context

This study contributes to global building energy efficiency research by introducing a transfer learning method for surrogate modeling in low-carbon optimization. It can be applied in various international contexts.