利用物理模型預測未來時段的系統行為，用以取代傳統 PID 控制或邏輯規則（Rule-based）難以應對非線性負載變化（如天氣突變、製程波動）的限制。
結合深度強化學習（DRL），讓 AI 代理（AI Agent）在虛擬環境中不斷試誤與學習，最終能根據當下氣象預報、電價費率與人員密度，自動計算出「全系統最低能耗」的運轉參數（例如同時微調冰水主機出水溫、水泵頻率與冷卻水塔風扇轉速）。
「前瞻技術導入模型預測控制（MPC），利用物理模型預測未來時段的系統行為，並結合深度強化學習（Deep Reinforcement Learning, DRL），讓 AI 代理（AI Agent）在虛擬環境中不斷試誤與學習。」