本文提出一种游戏化方法作为智能建筑基础设施的新框架，旨在激励人类占用者重新考虑个人能源使用并对其环境产生积极影响。我们引入了一种以博弈论为基础的策略，在建筑管理员与占用者之间创建接口，可能会激励节能行为，运用新型效用学习框架提高预测性能，通过双向递归神经网络扩展效用学习模式进行优化，最后我们还开源了与能源博弈论框架有关的去匿名化的高维数据。

Oct, 2019

本文旨在通过实证研究来评估数据集修改对人工智能能源效率的影响。实验结果表明，可以通过仅对数据集进行修改（数据点数和特征数），显著降低（高达92.16%）能耗并几乎不降低准确性。此外，本文还证明了通过更改算法能够实现节能（高达两个数量级）。研究成果呼吁进一步研究采用数据为中心技术，进一步推动绿色人工智能的普及。

Apr, 2022

通过收集Scopus数据库中的3,568篇相关论文，自动发现了AI治理能源的15个参数或主题，这篇论文深化了我们对能源中AI治理的知识，并有望帮助政府、工业、学术界、能源生产者和其他利益相关者了解AI在能源部门的应用，从而实现更好的设计、运营、利用和风险管理。

Oct, 2022

本文提出了B-SMART：用于建筑自主控制的第一种参考架构，以帮助工程师和建筑师系统且有效地应用人工智能算法和技术于智能建筑，以减缓气候变化并减少能源消耗及相关碳排放量，并通过案例研究证明了B-SMART如何加速将人工智能引入到现有的智能建筑中。

Nov, 2022

通过对98个文献的分析，系统地回顾了绿色人工智能研究领域。大多数研究关注于AI 模型的环境可持续性，包括监控 AI 模型的排放量、调整超参数以提高模型的可持续性，或者对模型进行基准测试。实验室实验是最常见的研究策略。报告的节能率高达115％，其中节能50％以上相当普遍。

Jan, 2023

本文探究了人工智能资源感知和可持续性的问题，强调评估和报告能源效率取舍的重要性，研究发现不同的数据集都有自己的效率取舍，方法可以更或 weniger 地表现得高效。

Apr, 2023

本研究提出了一种基于物联网的综合智能能源管理框架，并研究了基于智能机制的能源管理解决方案，使用所收集的数据来监控、控制和提高系统的效率。

Jun, 2023

电动出行解决方案的关键是能源管理，本文通过分析现有文献探讨了人工智能在解决电动出行领域的各种挑战中的潜力，并提出了未来研究的有效途径，以推动可持续和高效的电动出行解决方案的发展。

Sep, 2023

能源优化、人工智能、实时监测、智能系统和能源供应是该研究论文的主要关键词和研究领域，并通过对17个不同研究方法的评估揭示了它们的优势和局限性，为未来的人工智能与能源消耗优化的整合指明了方向。

Jun, 2024

利用人工智能算法，研究了人工智能在可再生能源领域的应用，包括可再生能源发电、能源预测和能源系统优化等方面，分析了其性能和结果，并总结了人工智能在能源行业发展中的重要性和未来方向。

Jun, 2024