本研究提出了一种新颖的稀疏结构神经电路政策（NCP），旨在提升无线接入网络的能耗估计和能源效率。研究表明，NCP在降低计算开销和能耗方面表现显著，且对模型超参数变化具有较强鲁棒性，为电信行业提供了低成本、可扩展的机器学习解决方案。

本文研究了建筑能源建模和几何特征提取，提出了一种基于多尺度原型表示学习的方法，显著提高了能耗估计的准确性。通过零样本学习和机器学习技术，验证了建筑能耗预测的有效性，并展示了在城市生成和规划中的应用潜力。