論文・プレプリント

S. Kong

本研究は、韓国のスマート農業組織におけるデジタル変革がガバナンスの透明性向上と汚職リスク低減にどのように寄与するかを検討する。AI、IoT、ブロックチェーンなどの技術を活用したデータ駆動型意思決定と改ざん防止トレーサビリティシステムが、伝統的な農業組織の閉鎖性と情報非対称性の問題を軽減するメカニズムを分析。2025年以降のカーボンニュートラル政策とESG経営要件の文脈で、デジタルプラットフォームがグリーンな組織アイデンティティと腐敗への…

Subhodeep Mukherjee, Ruchi Sharma, Rashmiranjan Panigrahi +1

本論文は、循環型サプライチェーン（CSC）におけるデジタル技術（IoT、ブロックチェーン、AI、ビッグデータ）の有効性を系統的レビューにより評価。4つのテーマ（デジタル技術の活用、主要産業、SDGsとの関連、パフォーマンス効果）を抽出し、トレーサビリティや資源効率の向上、ステークホルダー連携の促進を確認。製造業や電子機器産業での実践が先行。政策立案者や実務者にデジタル戦略とSDGs達成の統合に向けた示唆を提供。

Tingting Li, Ziming Zhao, Zhaoxuan Li +2

本論文は、ウェブサービスにおける大規模言語モデル（LLM）のクエリルーティングにおいて、カーボンフットプリントを最小化しつつ公平性を保つ手法を提案する。これにより、AIサービスの環境負荷低減と持続可能性に貢献する。

明辉 李

大学の炭素排出モニタリングの課題に対し、デジタルツインとIoTを統合したリアルタイム認識・動的最適化フレームワークを提案。強化学習を用いた最適化アルゴリズムにより、エネルギー効率と資源利用を改善。カーボンフットプリントの帰属分析と責任配分フレームワークも提供し、閉ループカーボン管理メカニズムを設計した。

Jun-Hye Baek, Jae Min Lee, Dong‐Seong Kim

本論文は、AIとブロックチェーンを組み合わせた個人の炭素削減活動認証フレームワークを提案。画像分析によるエコ活動の検証と、結果の改ざん防止を実現。実験により実現可能性を確認し、信頼性とスケーラビリティを示した。

Jasmine Selvakumari Jeya Israel, Aldrin Joan Pandian William, Pradeep Kumar Mishra +1

本研究は、Bi-LSTMを用いて鉄鋼、セメント、アルミニウム産業の排出予測、カーボンオフセット配分、グリーンファンド活用を最適化する手法を提案。Bi-LSTMは2050年までの長期予測で高い性能を示し、グリーン技術導入率や炭素回収効率などの変数が持続可能性に与える影響を明らかにした。MLの統合により透明性が向上し、データ駆動型の持続可能性フレームワーク構築を支援する。

R. Thendral, M. Abinanthida

CarbonSense360は、AIとブロックチェーンを統合したWebプラットフォームで、OCR・NLPによる自動データ取得、AIによる排出予測とパーソナライズド推奨、ブロックチェーンによる透明な活動検証を実現。ゲーミフィケーションで持続可能な行動を促進。

Guanqiuyue Chen, Edmund Loi, Ka Ip Chan

中国の炭素排出権取引パイロット政策が企業のデジタル変革に与える影響を、2009～2020年の上海・深センA株上場企業データを用いたDID分析で検証。AI、ビッグデータ、クラウド、ブロックチェーン、デジタル技術応用の5次元で評価した結果、政策はデジタル変革を有意に促進し、特に国有企業や中小企業で効果が大きいことを確認。

Shamsun Nahar, Florina Rahman, Mahrima Akter Mim

AIと機械学習を用いて再生可能エネルギーとデータ分析を統合し、エネルギー需要予測、排出量推定、ESG報告を自動化するプラットフォームを提案。シミュレーションにより効率向上と報告時間短縮を実証。

C. Rao, Praveen Kumar Naidu Rayanki, Polepalli Rajeev Meenon +2

本論文は、中国の自動車・エネルギー分野を対象に、RFIDによる排出データ収集、IBCによるクロスチェーン相互運用、DP-FLによる不正検知・価格予測を統合したプライバシー保護型ブロックチェーンIoTフレームワークを提案。実験では、インター検証遅延を74.8%削減、不正検出率を93.5～96.8%に向上、取引コストを52.4%削減、市場流動性を35.6%改善した。

Erica Hargety Kimei, Devotha Godfrey Nyambo, Neema Mduma +1

本研究は、深層学習を用いて乳牛からの温室効果ガス濃度を予測する不確実性対応モデルを提案。ゲート付き回帰型ユニット（GRU）とモンテカルロドロップアウトを組み合わせ、亜酸化窒素、メタン、二酸化炭素の濃度を1時間単位で予測。結果は高い確率的校正を示し、外生変数の導入が性能向上に寄与することを確認。ただし、制御された無放牧システムに限定される。

Arunodaya Raj Mishra, Pratibha Rani, A. F. Alrasheedi +3

本論文では、デジタルカーボンフットプリントを考慮した都市モビリティ戦略の実施に向けて、ハイブリッド・ピクチャーファジー意思決定フレームワークを提案する。多基準意思決定に基づき、持続可能な交通手段の選択を支援する手法を提供する。

Shaena Ulissi, Andrew Dumit, P. James Joyce +4

本論文は、AIを活用した製品カーボンフットプリント（PCF）システムの評価基準を提案する。マッピングとサプライチェーンモデリングのケーススタディを通じて、精度、データ品質、スケーラビリティなどを評価する枠組みを提供する。企業のGHG排出量算定におけるAI活用の信頼性向上に貢献する。

Jiawei Wen, Chengxin Pang, Yanxin Wang +1

本研究は、LCAデータベースを用いたPCF算定において、LLMと意味検索を組み合わせた排出係数自動マッチングアルゴリズムを提案。8産業製品でEcoinvent 3.10を用いた評価により、高精度かつ低遅延で専門家の手作業を上回る性能を示した。大規模自動PCF算定の実現可能性を高める技術的ソリューションとなる。

Jayashree Chaudhari1 and Asst. Prof. Sonali Tushar Sambare

本研究は、AIを活用したグリーンクラウドコンピューティングフレームワークを提案し、データセンターのエネルギー消費と炭素排出を大幅に削減する。ワークロード管理、動的リソース割り当て、エネルギー認識タスクスケジューリング、適応冷却戦略を統合し、実環境のワークロードで35-45%のエネルギー削減と30-40%の排出削減を実証した。

Jayashri Waman, Pratik Pawar, Shruti Dalvi +1

本論文は、貨物輸送に焦点を当てた既存研究とは異なり、旅客輸送向けにAIを活用した都市モビリティ最適化システム（AUMO）を提案する。炭素認識ルーティングとスマートカープールを統合し、シミュレーションによりCO2排出量と車両数の削減、占有率向上を実証した。

Arshia Eslami, Mahsa Ardakani, Amin Roostaee +2

本研究では、エッジロボットシステム向けのVision-Language-Action（VLA）モデルの推論におけるエネルギー消費と二酸化炭素排出量を分析した。NVIDIA Jetson AGX Orin上でπ0.5、X-VLA、SmolVLAを評価し、タスク性能、レイテンシ、消費電力、推論あたりのエネルギー、推定炭素排出量を報告。X-VLAは高精度だが高消費電力、SmolVLAは効率的だが低精度。エネルギー効率と精度のトレードオフを示し…

Yuan Chai, Haytham F. Isleem, P Kumar +2

本論文はIoTテレメトリ、ERPログ、系統炭素強度データを統合したAIパイプラインを提案し、サブ時間単位でのScope1-2排出量推定と削減アクション推奨を行う。Transformer、CNN、BiLSTMのアンサンブルと多目的最適化（NSGA-III）を用い、SHAP/LIMEで説明可能性を確保。247組織の18ヶ月評価で、検証排出量との整合性が高かった（MAPE 3.2%対18.7%）が、因果関係の推定は観察的でありデータ品質に依存…

Kaiwen Zhao, Bharathan Balaji, Stephen Lee

本論文は、PDF形式の製品サステナビリティレポートからカーボンフットプリント情報を抽出するための質問応答フレームワークを提案する。1,735件の報告書からなるオープンデータセットCarbonPDF-QAを作成し、Llama 3をファインチューニングしたCarbonPDF手法が既存手法を上回る性能を示した。GPT-4oがデータの不整合に弱いという課題を解決している。

Heedo Choi, Jee Soo Park, Chul-Hee Lim

本論文は、説明可能なグラフニューラルネットワーク（GNN）を用いて、IPCC AR6フレームワークに基づく都市高温リスク評価を提案する。時空間注意メカニズムを導入し、気候正義の観点から脆弱地域を特定する。AI技術と気候リスク評価を融合した点が特徴。