주차 공간을 찾는 데 소요되는 시간을 최소화함으로써 이 기술은 운전자들에게 최대 35분을 절약시키고 총 이동 시간을 현실적으로 예측할 수 있습니다.

MIT 에너지 이니셔티브가 개발한 모델링 도구 Macro는 탄소 중립, 신뢰성, 저비용의 전력 그리드를 지원하기 위한 인프라 구축 옵션을 탐색할 수 있게 해준다.

MIT 교수 및 MITEI 회원 기업 전문가들이 데이터 센터로부터의 전력 수요에 대해 논의하고 있습니다.

AI 데이터 센터의 급격한 증가로 온실 가스 배출이 증가할 것으로 예상되며, 연구자들은 이 환경 피해를 줄일 수 있는 해결책을 모색 중이다.

새로운 연구 결과, 기후 데이터의 자연 변동성으로 인해 인공지능 모델이 지역 온도와 강수량을 예측하는 데 어려움을 겪을 수 있다.

교차로에서 교통을 완화하기 위해 차량 속도를 자동으로 제어하는 새로운 연구 결과, 탄소 배출량을 11 ~ 22% 줄일 수 있다.

MIT 에너지 이니셔티브의 연례 연구 심포지엄은 인공지능을 깨끗한 에너지 전환의 문제와 해결책으로 탐구한다.

IntersectionZoo는 실제 도로 교통 문제를 활용하여 깊은 강화 학습 알고리즘의 진전을 테스트하는 벤치마킹 도구이다.

MIT와 해운 산업 리더들이 핵 추진 기술, 대체 연료, 데이터 기반 운영 전략 등을 개발하기 위해 국제적인 협력을 이끌고 있습니다.

Accenture Fellow Shreyaa Raghavan은 기계 학습과 최적화 방법을 적용하여 교통 부문 배출량을 줄이는 방법을 탐구합니다.

MIT 동문들이 설립한 Station A는 부동산 소유자들에게 청정 에너지 구매 과정을 간단하게 만드는 서비스를 제공하고 있다.

데이터 센터에 전기를 공급하는 것은 전력 그리드에 스트레스를 주고, 소비자에게 가격을 인상시키며, 깨끗한 에너지로의 전환을 늦추고 있다.

강력한 generative AI 모델의 신속한 개발과 배포는 전력 수요와 수소 소비 증가와 같은 환경적 영향을 야기한다.