Un gruppo di ricercatori della Hanbat National University (Corea del Sud), guidato dal Dr. Sangkeum Lee, ha sviluppato un innovativo metodo di apprendimento per rinforzo quantistico (QRL) per la gestione energetica domestica e dei sistemi HVAC residenziali. Secondo lo studio, pubblicato su Energy and AI (settembre 2025), il sistema combina principi di quantum computing, rilevamento in tempo reale dell’occupazione e analisi dei dati operativi (consumo elettrico, controllo dei condizionatori, temperatura esterna).
I test condotti su 26 abitazioni in tre mesi hanno mostrato risultati sorprendenti: fino al 63% di riduzione dei consumi elettrici e un taglio del 64,4% dei costi, mantenendo il comfort termico. Il modello ha superato le prestazioni di altri metodi di machine learning, dimostrando maggiore efficienza nella gestione di impianti multi-zona complessi.
Compatibile con i sensori e gli impianti HVAC standard, il sistema QRL è progettato per funzionare anche in condizioni incerte, come previsioni meteo o di presenza inaccurate.
Secondo il Dr. Lee, la tecnologia potrà essere applicata a termostati intelligenti, sistemi di gestione energetica autonoma, microgrid e impianti virtual power plant (VPP). “Può ottimizzare comfort, costi e emissioni senza interventi manuali”, ha affermato Lee.
