Naukowcy opracowali nową metodę optymalizacji rozmieszczenia turbin na farmach wiatrowych, którą nazwali PIBO – Permutation-Invariant Bayesian Optimization. Klucz do jej skuteczności leży w wykorzystaniu teorii transportu optymalnego i uwzględnieniu symetrii problemu. Otóż kolejność, w jakiej ustawiamy turbiny, nie ma znaczenia dla całkowitej produkcji energii – liczą się tylko ich położenia. Standardowe algorytmy optymalizacyjne tego nie rozumieją i zmarnowują energię obliczeniową na badanie konfiguracji, które w istocie są identyczne. Nowa metoda radzi sobie zdecydowanie lepiej: znajduje bardziej efektywne ułożenia farm wiatrowych i robi to około dwa razy szybciej niż klasyczne podejścia.
Vanilla Bayesian Optimization jest już szeroko stosowany do trudnych problemów optymalizacyjnych, gdzie funkcja celu jest droga w obliczeniu, nieprzejrzysta i nikonweksna – a projekt farmy wiatrowej idealnie pasuje do tego profilu. Problem w tym, że tradycyjne algorytmy traktują pozycje turbin jak kolejkę, jakby liczył się porządek elementów. Naukowcy dostrzegli, że farmę wiatrową należy myśleć inaczej: nie jako permutację, ale jako układ przestrzenny. Inspirując się matematyką transportu optymalnego, wprowadzili niezmienność permutacji bezpośrednio do samego algorytmu. To zmienia grę – system nie marnuje czasu na sprawdzanie wariantów, które są de facto identyczne.
Dla branży odnawialnych źródeł energii to ma realne znaczenie. Energetyka wiatrowa to już konkurencyjna część rynku, ale każdy procent wzrostu efektywności to pieniądze zaoszczędzone lub dochodów więcej. Szybsze znajdowanie optymalnych konfiguracji farm oznacza krótsze okresy projektowania i wdrożenia. PIBO pokazuje, że warte uwagi są metody bazujące na głębszym zrozumieniu struktury problemu – zamiast universalnych rozwiązań, które ignorują jego specyfikę. To przykład, jak zaawansowana matematyka może przynieść bardzo praktyczne korzyści w inżynierii.