Research on intelligent design and synergistic optimization algorithms for photothermal performance in low-carbon building materials

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a novel AI-driven methodology for materials design optimization with interpretable models and multi-objective trade-offs.

🏢実務担当者:Offers building designers and urban planners a framework to select and configure low-carbon materials for improved thermal performance and energy efficiency.

🏛政策担当者:Supports policies promoting smart city initiatives and energy-efficient building standards through data-driven material innovation.

本論文は、複雑な都市条件下における低炭素建築材料の光熱性能最適化という課題に取り組むものである。統合計算フレームワークを開発し、記号的回帰を活用して材料の光熱挙動の解釈可能なモデルを構築し、強化学習を用いて変化する環境入力に応じて設計パラメータを動的に最適化する。本フレームワークは、大規模言語モデルを用いて知識抽出と探索空間のガイダンスを行い、進化的アルゴリズムを活用して熱効率と体積炭素排出量の間の多目的トレードオフを処理する。特徴表現と計算の実現可能性は、主成分分析とデータ正規化によって改善される。本手法は都市微気候シミュレーションにおいて検証される。結果は、最適化された材料レイアウトが、従来材料と比較して表面温度調整と熱流束低減において有意な改善を示すことを明らかにしている。本システムは、予測精度の維持とリアルタイム適応性のサポートに加えて、大幅な計算コスト削減も達成した。これらの結果は、スマートシティ環境における提案手法の有効性を示し、データ駆動型材料科学および都市環境工学における今後の研究に重要な情報を提供するものである。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

This paper addresses the challenge of optimizing photothermal performance in low-carbon building materials under complex urban conditions. An integrated computational framework is developed, leveraging symbolic regression to construct interpretable models of material photothermal behavior and reinforcement learning to dynamically optimize design parameters in response to changing environmental inputs. The framework uses large language models for knowledge extraction and search space guidance, while leveraging evolutionary algorithms for multi-objective trade-offs between thermal efficiency and embodied carbon. Feature representation and computational tractability are improved thru principal component analysis and data normalization. The method is validated in urban microclimate simulation. The results show that the optimized material layout has significant improvements in surface temperature regulation and heat flux reduction compared with traditional materials. In addition to maintaining prediction accuracy and supporting real time adaptability, the system also achieved a large amount of computational savings. These results demonstrate the effectiveness of the proposed method in smart city environments and provide important information for future research in data-driven materials science and urban environmental engineering.

• openalex https://doi.org/10.1117/12.3118404first seen 2026-07-13 05:45:04