应用机器学习（machine learning）的弱人工智能能下棋，但产业界更在意的是机器学习在产业的应用，许多人认为可用来协助工业设计开发，瑞士洛桑联邦理工学院（L’Ecole Polytechnique Fédérale de Lausanne，EPFL）正在利用机器学习设计热泵浦压缩机，可比现有产品小 10 倍，效能提升，而能减少耗电 20%~30%。
热泵浦就是利用压缩机将一边的热转移到另一边，在亚热带的台湾，主要的应用就是冷气机，用来把室内的热抽出到室外。冷气在热带与亚热带国家是夏季耗电元凶，不过在温带国家，热泵浦如今被视为节能的好帮手，因冬季温带国家需要供暖，供暖需求是温带国家冬季耗电源元凶，比起传统电热器只是单纯把电力变成热，热泵浦可把室外的热能吸入室内，用更少电能提供更多供暖效果。
如此一来，改善热泵浦的效率，就成为节能的重要环节，传统热泵浦的压缩机是以活塞来压缩冷媒，活塞需要润滑油以减少摩擦，以免减低效能。瑞士研究团队的目标是研发创新的压缩机，改用微型加强压缩机（micro-turbocompressor），系统以空气垫来避免摩擦，而不使用润滑油，团队指出，微型加强压缩机借由减少摩擦，可提升热转换效率 20%~30%。
研发团队为了各种热泵浦找寻最佳化的微型加强压缩机大小，使用机器学习，输入 50 万次模拟资料，让机器学习算法学习，产生热泵浦设计的标准表格，让不同的热泵浦都能找到最适合的微型加强压缩机大小。团队表示，在机器学习算法协助下，大幅缩短与简化了热泵浦设计过程。
团队更表示，微型加强压缩机的技术已成熟，压缩机制造商能技术转移团队的技术，应用在产品开发过程，目前也有产业界对此感兴趣，不过，目前团队只测试过开发原型机，要商用化该技术，还需要打造许多工业量产流程，团队估计应用微型加强压缩机技术的产品，最快要 5 年才能推到市面。
- Using Artificial Intelligence to Design More Efficient Heat Pumps
（首图来源：瑞士洛桑联邦理工学院）
延伸阅读：
- 科学家正尝试用机器学习破译古代文字
- MIT 开发新型数据分析工具，不用是专家也能使用机器学习预测
- 半导体材料制造效率再提升的机会，有可能来自机器学习
- 机器学习助钙钛矿踩油门，太阳能材料分析速度快 10 倍
