轉載從: Tech News 科技新報
應用機器學習（machine learning）的弱人工智慧能下棋，但產業界更在意的是機器學習在產業的應用，許多人認為可用來協助工業設計開發，瑞士洛桑聯邦理工學院（L’Ecole Polytechnique Fédérale de Lausanne，EPFL）正在利用機器學習設計熱泵浦壓縮機，可比現有產品小 10 倍，效能提升，而能減少耗電 20%~30%。
熱泵浦就是利用壓縮機將一邊的熱轉移到另一邊，在亞熱帶的台灣，主要的應用就是冷氣機，用來把室內的熱抽出到室外。冷氣在熱帶與亞熱帶國家是夏季耗電元兇，不過在溫帶國家，熱泵浦如今被視為節能的好幫手，因冬季溫帶國家需要供暖，供暖需求是溫帶國家冬季耗電源元兇，比起傳統電熱器只是單純把電力變成熱，熱泵浦可把室外的熱能吸入室內，用更少電能提供更多供暖效果。
如此一來，改善熱泵浦的效率，就成為節能的重要環節，傳統熱泵浦的壓縮機是以活塞來壓縮冷媒，活塞需要潤滑油以減少摩擦，以免減低效能。瑞士研究團隊的目標是研發創新的壓縮機，改用微型加強壓縮機（micro-turbocompressor），系統以空氣墊來避免摩擦，而不使用潤滑油，團隊指出，微型加強壓縮機藉由減少摩擦，可提升熱轉換效率 20%~30%。
研發團隊為了各種熱泵浦找尋最佳化的微型加強壓縮機大小，使用機器學習，輸入 50 萬次模擬資料，讓機器學習演算法學習，產生熱泵浦設計的標準表格，讓不同的熱泵浦都能找到最適合的微型加強壓縮機大小。團隊表示，在機器學習演算法協助下，大幅縮短與簡化了熱泵浦設計過程。
團隊更表示，微型加強壓縮機的技術已成熟，壓縮機製造商能技術轉移團隊的技術，應用在產品開發過程，目前也有產業界對此感興趣，不過，目前團隊只測試過開發原型機，要商用化該技術，還需要打造許多工業量產流程，團隊估計應用微型加強壓縮機技術的產品，最快要 5 年才能推到市面。
（首圖來源：瑞士洛桑聯邦理工學院）
延伸閱讀：
- 科學家正嘗試用機器學習破譯古代文字
- MIT 開發新型數據分析工具，不用是專家也能使用機器學習預測
- 半導體材料製造效率再提升的機會，有可能來自機器學習
- 機器學習助鈣鈦礦踩油門，太陽能材料分析速度快 10 倍