Недавнее исследование
Согласно [отчёту](https://aqli.epic.uchicago.edu/report/annual-update-2025) из Индекса качества воздуха и жизни Чикагского университета, лесные пожары ухудшают качество воздуха в Канаде. В отчёте говорится, что в 2023 году из-за лесных пожаров концентрация твёрдых частиц достигла уровней, невиданных с момента начала ведения записей в 1998 году.
Ситуация этим летом
Этим летом в Канаде был один из [самых плохих сезонов лесных пожаров за всю историю наблюдений](https://www.cbc.ca/news/climate/wildfire-season-2025-1.7606371). Из-за пожаров тысячи людей были вынуждены покинуть свои дома, а города периодически окутывал дым, что [ухудшало качество воздуха на улице](https://www.theguardian.com/world/2025/aug/05/wildfires-canada-us-air-quality-alerts).
Проблема закрытых окон
Когда мы чувствуем запах дыма или видим его, первое, что приходит в голову многим из нас, — закрыть окна. Однако дым от лесных пожаров содержит мелкие частицы (PM2.5), которые могут проходить через небольшие отверстия или зазоры.
Выбросы парниковых газов
В 2023 году лесные пожары в Канаде [вызвали больше выбросов парниковых газов](https://440megatonnes.ca/insight/how-forest-fires-affect-canadas-climate-progress/#:~:text=Canada’s%202023%20wildfires%20are%20the,sources%20in%20Canada%20in%202023.), чем все другие источники вместе взятые. Это означает, что проектирование более безопасных помещений — это необходимость для общественного здравоохранения. Но как мы можем разработать помещения с хорошей вентиляцией и защищённые от вредного воздействия дыма?
Решение с помощью ИИ
Традиционно для ответа на этот вопрос требовалось провести реальный процесс проб и ошибок в различных помещениях. Такой процесс требует много времени и не всегда осуществим. Однако мы недавно разработали [фреймворк](https://doi.org/10.1177/00375497231212198), интегрирующий моделирование и симуляцию с методами глубокого обучения, чтобы помочь ответить на этот вопрос.
Мы знаем, что улучшение качества воздуха в помещениях, будь то за счёт улучшенной вентиляции, оптимального соотношения занятости к площади или других настроек помещения, [может улучшить здоровье и снизить распространение инфекций](https://doi.org/10.1016/j.rineng.2024.103157).
Следующий шаг для исследователей и дизайнеров — определить лучшие характеристики внутреннего дизайна для снижения концентрации углекислого газа. Такие характеристики включают размеры помещения, расположение вентиляционных отверстий, уровни вентиляции, расположение окон, максимальное количество людей, расстановку сидений и так далее.
Наш фреймворк решает две актуальные проблемы: отсутствие проверенной, [точной информации](https://phys.org/tags/accurate+information/) и неэффективность производства и изучения [результатов моделирования](https://phys.org/tags/simulation+results/) для многих комбинаций настроек.
Мы используем [передовые математические модели и соответствующие программные инструменты](https://doi.org/10.1109/WSC48552.2020.9383937), которые позволяют нам моделировать различные закрытые помещения с разными настройками и собирать результаты моделирования.
Симулированные данные затем используются для формирования набора данных для обучения алгоритма искусственного интеллекта — в данном случае с использованием глубокой нейронной сети. Дизайнеры могут использовать обученную сеть для прогнозирования неизвестных настроек закрытого пространства при изменении других настроек.
Фреймворк позволяет дизайнерам моделировать, как изменения в планировке помещения, такие как количество вентиляционных отверстий и их расположение, или плотность людей, могут повлиять на самочувствие. Например, фреймворк может оценить, сколько людей может заболеть в данном пространстве, помогая архитекторам и планировщикам корректировать конфигурации для минимизации риска заражения до начала строительства.
Исследователи по всей Канаде используют машинное обучение для изучения качества воздуха в помещениях в домах, школах и офисах. Наши выводы показывают, что этот подход хорошо подходит для изучения того, как углекислый газ распространяется в помещениях. Однако более широкое исследование всё ещё необходимо. На сегодняшний день [тематические исследования](https://phys.org/tags/case+studies/) были сосредоточены исключительно на университетской среде. Тем не менее наш фреймворк разработан так, чтобы быть масштабируемым и адаптируемым к широкому спектру помещений. Будущие исследования должны быть расширены на школы, спортивные залы и [жилые здания](https://phys.org/tags/residential+buildings/), чтобы укрепить доверие к [фреймворку](https://phys.org/tags/framework/) и усовершенствовать его прогностические возможности.
Поскольку [изменение климата](https://phys.org/tags/climate+change/) усиливает сезоны лесных пожаров, канадцы будут проводить больше времени в помещениях, избегая дыма. Хорошая новость заключается в том, что у нас есть инструменты, данные и научные знания, чтобы сделать помещения более здоровыми и безопасными для всех. Мы не можем контролировать воздух снаружи, но мы можем спроектировать наши пространства так, чтобы контролировать качество воздуха внутри.