งานวิจัยนี้นำเสนอแนวทางการแก้ปัญหาการจัดวางตำแหน่งกังหันลม (Wind Farm Layout Optimization) ซึ่งปกติเป็นปัญหาที่ซับซ้อนและใช้เวลาคำนวณสูง เนื่องจากมีตัวแปรจำนวนมากและฟังก์ชันเป้าหมายที่ไม่เป็นเส้นตรง ทีมวิจัยได้พัฒนาอัลกอริทึมชื่อ Permutation-Invariant Bayesian Optimization (PIBO) โดยอาศัยทฤษฎี Optimal Transport มาช่วยจัดการกับปัญหาความสมมาตรของข้อมูล
จุดเด่นของ PIBO คือการตระหนักว่าลำดับของกังหันลมที่เหมือนกันไม่มีผลต่อปริมาณการผลิตพลังงานรวม (Permutation Invariance) ทำให้อัลกอริทึมไม่ต้องเสียเวลาคำนวณในส่วนที่ซ้ำซ้อน ผลจากการทดสอบในแอปพลิเคชันระดับอุตสาหกรรมจริงพบว่า PIBO สามารถหาจุดที่เหมาะสมที่สุดสำหรับการวางกังหันลมได้ดีกว่าวิธีดั้งเดิม โดยสามารถลดระยะเวลาในการประมวลผลลงได้เกือบครึ่งหนึ่ง
