10 de novembro de 2023

A Universidade de Cambridge, no Reino Unido, está “treinando” um modelo de inteligência artificial (AI) para descarbonizar os edifícios da cidade. A eliminação ou redução da emissão de gases de efeito estufa por casas e prédios pode ser alcançada através da mudança das fontes de energia, melhoria no isolamento térmico e equipamentos mais eficientes.

Identificar quais propriedades precisam ser reformadas para ganhar eficiência energética ou substituir suas fontes de energia intensivas em carbono geralmente não inclui o isolamento térmico. Agora, segundo a universidade, isso é possível graças a um novo modelo de “aprendizado profundo” desenvolvido por pesquisadores do Departamento de Arquitetura da Universidade de Cambridge.

O primeiro tipo de IA do gênero, segundo a universidade, pode ajudar os tomadores de decisão política a identificar e priorizar com eficiência as casas que precisam de modernização. Isso é especialmente útil nos casos de edifícios difíceis de descarbonizar, responsáveis ​​por cerca de um quarto de todas as emissões habitacionais diretas – um grande obstáculo, segundo eles, para atingir a meta líquida zero de carbono – mas raramente são identificadas para melhorias.

Os pesquisadores treinaram a IA usando dados de sua cidade natal, Cambridge, no Reino Unido. Eles a alimentaram com dados de Certificados de Desempenho Energético, bem como imagens aéreas ou não das ruas, informações sobre temperatura da superfície do terreno e estoque de edifícios. No total, o modelo identificou 700 casas difíceis de descarbonizar. Todos os dados utilizados eram de código aberto.

O modelo de IA foi criado por Maoran Sun, um pesquisador urbano e cientista de dados, e sua orientadora de doutorado, Ronita Bardhan (Selwyn College), que lidera o Grupo de Design Sustentável de Cambridge.

Casas e edifícios podem ser difíceis de descarbonizar

As casas e prédios podem ser difíceis de descarbonizar por várias razões, incluindo a sua idade, estrutura, localização, barreiras socioeconômicas e disponibilidade de dados.

De acordo com Bardhan, esta é a primeira vez que a IA foi treinada para identificar edifícios difíceis de descarbonizar usando dados de código aberto para conseguir isso. “Os decisores políticos precisam saber quantas casas têm que descarbonizar, mas muitas vezes não têm os recursos para realizar auditorias detalhadas em cada uma. Nosso modelo pode direcioná-los para casas de alta prioridade, economizando tempo e recursos preciosos.”

Maoran disse: ““Treinamos nosso modelo usando os dados limitados de EPC que estavam disponíveis. Agora o modelo pode prever outras casas da cidade sem a necessidade de quaisquer dados de EPC.

“Esses dados estão disponíveis gratuitamente e nosso modelo pode até ser usado em países onde os conjuntos de dados são muito irregulares. A estrutura permite que os usuários alimentem conjuntos de dados de múltiplas fontes para identificação de casas HtD.”

Ele acrescentou: “Nossos modelos ajudarão cada vez mais os residentes e as autoridades a direcionar as intervenções de modernização para características específicas dos edifícios, como paredes, janelas e outros elementos. Mesmo fotografias muito simples de rua podem oferecer uma riqueza de informações sem colocar ninguém em risco.”

Os investigadores argumentam que “ao tornar os dados mais visíveis e acessíveis ao público, será muito mais fácil construir consenso em torno dos esforços para alcançar emissões líquidas zero”.