返回首页
CNCC2021 | “绿色低碳人工智能技术与应用”论坛成功召开
本文转载自深圳市人工智能与机器人研究院
12月16日上午，由 AIRS 与香港中文大学（深圳）（以下简称：港中大（深圳））联合发起的 CNCC2021“绿色低碳人工智能技术与应用”论坛在线上成功召开。本论坛由港中大（深圳）研究员、AIRS 智能低碳项目交通方向负责人陈勇全博士担任论坛主席，港中大（深圳）校长讲座教授、数据科学学院执行院长、AIRS 副院长查宏远教授担任论坛共同主席。
本论坛邀请了两位学术界人工智能专家和三位业界翘楚，共同研讨在“双碳”目标下，能源和交通行业如何实现人工智能技术与智能网联交通、新能源汽车、智慧能源的深度融合发展，以助力绿色低碳目标的实现。本次论坛邀请的嘉宾分别为：
· 上海科技大学科道书院院长、IEEE Fellow杨旸教授
· 香港中文大学（深圳）校长讲座教授、理工学院副院长、AIRS 副院长、IEEE Fellow黄建伟教授
· 深圳市城市交通规划设计研究中心解决方案中心主任、世界交通运输大会（WTC）未来交通技术与政策学科联合主席、深圳交通碳排放实验室负责人邵源院长
· 南方电网电动汽车服务有限公司技术研发部副总经理李勋博士
· 阿里云能耗云团队的技术总监邱剑博士
论坛主席陈勇全博士首先介绍了论坛背景，自国家领导人在联合国大会上作出“30/60碳达峰碳中和承诺”后，全国两会、各个部委、各级政府积极部署，各行各业开展专题研究，共同探讨实现“双碳”目标的行动方案。
以下是论坛的嘉宾演讲回顾：
灰盒：基于深度强化学习的绿色大规模动态系统仿真
杨旸教授详细介绍了采用白盒和黑盒的方法进行数据建模时遇到的问题，提出基于灰盒的方法，即基于深度强化学习的约束集反演算法(DRESIA)，简化了白盒复杂的重构和预测机制，保留了模型的可解释性，提高了可行域的搜索效率，同时提高了泛化能力，进一步提高了建模环境的动态适应性，为系统建模提供了一种新的性能和效率的平衡方案。
杨旸教授用试验进行了验证，在满足给定QoS要求的前提下，DRESIA实现了在大规模5G赛博孪生系统可行域的高效动态优化搜索，结果表明，DRESIA算法降低了计算成本和能量消耗，平衡了可行域的准确性和鲁棒性，验证了基于灰盒方法的有效性和优越性。
面向国家双碳战略的智能低碳前沿理论研究和关键技术探索
黄建伟教授围绕国家的双碳战略部署，介绍了碳达峰/碳中和国内外现状，提出了AIRS碳中和的创新方案——通过AI赋能大规模分布式低碳系统来加速碳中和进程，主要立足低碳经济、能源产业、交通产业等3个方面。