연구의 초점은 점차 단일 목표 프레임워크에서 다중 목표 프레임워크로 이동했습니다( 그림 4A ). 2018년 이후 두세 가지 지속가능성 목표를 다루는 연구가 크게 증가했습니다. 현재 다중 목표 연구와 단일 목표 연구의 비율은 1:3에 가까워지고 있으며, 이는 다중 목표 접근 방식의 중요성이 커지고 있음을 보여주는 동시에 향후 발전 가능성이 크다는 것을 시사합니다.

그림 4. AI4SAD 연구의 발전 추세

전체 캡션 표시

그림 뷰어

그림 5. AI4SAD의 적용 효과

전체 캡션 표시

그림 뷰어

이와 동시에 SAD 연구에서 다루는 지속가능성 차원의 범위도 시간이 지남에 따라 확장되었습니다( 그림 4B ). 초기 연구는 주로 열 및 에너지 성능에 초점을 맞추었습니다. 2018년 이후 조명, 탄소 배출, 공기 흐름과 같은 다른 차원을 대상으로 하는 연구가 꾸준히 증가했으며, 이는 SAD 실천에서 자원 효율성과 환경 친화성에 대한 중요성이 점점 더 강조되고 있음을 반영합니다. 알고리즘 응용 분야 또한 심화되고 다양화되었습니다( 그림 4C ). 2017년부터 AI4SAD 연구는 기존의 머신러닝(ML) 방법을 넘어 딥러닝(DL) 및 대규모 언어 모델을 포함한 기타 고급 지능형 알고리즘을 점진적으로 통합해 왔습니다. 현재까지 DL 기반 알고리즘과 기타 고급 알고리즘은 전체 연구의 각각 20.59%와 21.81%를 차지합니다.