在美国，建筑物的能源使用是一个严重的问题：建筑物占总用电量的70％，而供暖和制冷所产生的能源消耗却占很大比例。
尽管这在很大程度上归因于建筑设计和使用效率的普遍低下，但真正理解（更不用说解决）了，建筑能耗是一项严肃的工作，仅在美国就有超过1亿个建筑。橡树岭国家实验室（ORNL）的雷切尔·哈肯（Rachel Harken）最近发表的一篇文章强调了超级计算如何帮助应对这一挑战。
正如哈肯（Harken）解释的那样，由于数据收集和组织的繁琐过程，建筑能源模型在实践中很少用于新建或改建项目。现在，ORNL的一个团队正致力于制作一种经济有效的建筑模型，该模型可应用于该国的每座建筑物。
该团队的方法会自动从公共数据中提取“高层”建筑描述符-占地面积，方向等。然后进行一系列的模拟，将这些参数与其他可能性进一步不同的未知参数混合在一起，并且模拟输出允许模型将建筑物的实际能源使用与最能匹配使用的一组参数进行匹配。使用这些结果，这些模型可以提出合适的节能措施，并有助于深入了解分布式能源（例如本地太阳能）在哪里可能是一个很好的策略。
为了测试他们的方法，团队只关注了该国0.1％的建筑物：田纳西州查塔努加的电力委员会（EPB）为近18万栋建筑物服务。 ORNL的团队负责人兼研发高级职员Joshua New说：“ EPB希望通过采取措施降低关键高峰时段的能源需求，可以节省多少客户资金。”
New说：“ EPB有178,368座建筑物，每个建筑物模型需要约3,000个输入。” “如果要包括15分钟的照明时间表，我们将有35,040个数字只是告诉我们照明灯是开还是关，而这仅仅是一个输入。”
为此，团队在Oak Ridge领导力计算设施（OLCF）上使用了ORNL自己的Titan超级计算机。 Titan于8月退役，它利用18,688个AMD Opteron CPU和18,688个Nvidia K20 GPU交付了近18个Linpack petaflops。他们在Titan上运行了9个不同的场景，每个场景长达6.5小时，试图准确地对现有能源使用进行建模，并研究哪种改造方法对整个城市的能源使用影响最大。
幸运的是，结果验证了团队的方法。现在，EPB计划在200座建筑物中安装智能恒温器，以帮助验证模拟的预测结果。该团队还计划公开提供这些模型，希望它们将有助于减少全国范围的能源使用。
