論文・プレプリント

Graziano E.A.

本論文は、サステナブルファイナンスにおける人工知能（AI）の応用を包括的にレビューし、ESG評価、気候リスク分析、グリーンウォッシング検出などの分野におけるAI手法を整理する。さらに、AIを統合したサステナブルファイナンスの枠組みを提案し、今後の研究と実践の方向性を示す。

Yong Z.J.

本論文は、機械学習モデルを用いてグリーンファイナンスが温室効果ガス排出に与える影響をグローバルに分析した。グリーンファイナンス政策が排出削減に寄与する可能性を示唆する。

Kowalik R.

本論文は、太陽光発電統合建物における人工知能の応用を網羅的にレビューする。エネルギー予測、インテリジェント制御、ネットゼロ性能達成に焦点を当て、機械学習や最適化手法の有効性を示す。AIが建物のエネルギー効率向上と脱炭素化に果たす役割を総合的に評価する。

D. Hall

本エッセイは、AIを活用したカーボンインテリジェンスプラットフォームをスポーツ業界に導入することを提案する。このプラットフォームは、輸送ネットワーク、スタジアム運営、イベントサプライチェーンのデータをリアルタイムで分析し、排出量の追跡・予測・削減を可能にする。スポーツのグローバルなリーチと文化的影響力を活用し、気候イノベーションのリーダーとしての地位を確立する可能性を論じている。

Kanan Aliyev, Emre Artun, B. Kulga

シェール貯留層におけるCO2貯留の経済性と炭素削減効果を機械学習で定量化。CCUS導入判断に資する。

Wenqi Liao

本データセットは、AI採用強度と企業の炭素パフォーマンスの関連性を企業レベルのパネルデータを用いて調査する。AIへの露出、政策採用、労働力構成などの変数を含み、AI統合が環境成果に与える影響を分析する。

Samson Mwakapoma, Bertha Mwaituka, Ally Ngulugulu

本研究は、タンザニアのクリーンクッキング技術にAIを活用し、システム性能向上と炭素クレジット市場へのアクセス改善を検討する。リアルタイム監視、予知保全、行動分析、AIベースのMRVシステムにより、燃料効率向上、排出削減、炭素会計の正確性向上が期待される。課題はデジタルインフラ不足、高コスト、専門知識不足。

Hang Yang, Hongli Diao, Shibin Xia

本稿は、AI技術がCCUS（炭素回収・有効利用・貯留）の各プロセスに革命をもたらす可能性を論じる。機械学習や最適化アルゴリズムにより、効率的なCO2回収、貯留サイト選定、プロセス監視が実現する。脱炭素技術の核心領域として重要性が高い。

Jiahong Qi, Biying Yu, ZM Xu +15

本論文は、学校登録政策下での教育公平性と低炭素交通のトレードオフと相乗効果を調査する。XGBoostモデルで通学手段選択の決定要因を特定し、Nested Logitモデルで各交通手段選択確率への影響を定量化する。非線形関係も考慮した分析結果から、政策介入の示唆を得る。

Ivan Savin, Mateo López Carel, Eva Schlindwein

本研究は、STOXX Europe 600構成企業のESG報告書1,477件を自然言語処理で分析し、34トピック（うち6つが環境関連）を特定。持続可能なバリューチェーンや再生可能エネルギーに関するトピックは環境KPI改善と関連するが、排出量や電気自動車は関連しないことを発見した。特定テーマに着目した開示と実際の環境行動の関係を明らかにした点が貢献。

Shabanpour, Negar, Roche, Stephane, Mellouli, Sehl

本研究は、BERTopicを用いてカナダのReddit投稿から個人の気候行動に関する議論を分析。エネルギー、交通、食生活、消費の4領域を特定し、異なるモデル設定が補完的な洞察を提供することを示した。政策立案やコミュニケーション戦略への応用が期待される。

Gihun Gil, Minu Baek, Jio Yoo +5

コンフォーマル予測を用いて製紙工場のエネルギーシステムにおける炭素排出を最適化する手法を提案。不確実性を定量化しつつ、排出削減とコスト効率の両立を図る。

Guohao Li

本研究はインド西太平洋地域を対象に、ランダムフォレストやMaxEntなどの機械学習と専門家評価を統合した信頼度段階型のマングローブ再生計画フレームワークを開発。高信頼度の再生可能面積は2,235km²と限られ、生態学的優先地域は南シナ海周辺に集中する一方、市場ベースのシナリオでは炭素クレジット価格が50 USD/tCO2e以上でなければ広範な実現が難しいことを示した。

Kharisma Rinandyta, Rizki Atthoriq Hidayat, Surya Hafizh

本研究は、インドネシア・テルクサレの海草ブルーカーボンストックを定量化し、2035年までの将来動態を予測した。Sentinel-2衛星画像とSVM分類によって2019-2025年の分布をマッピングし、ARIMAモデルで炭素ストックの変動を投影。結果は高い時間的変動性を示し、2028年に約5万トンの回復可能性を示唆するが、人為的圧力への感受性も明らかになった。

Diptyaroop Maji, Kang Yang, Prashant Shenoy +2

CarbonXは、時系列基盤モデルを活用した脱炭素化のためのオープンソースツールである。このツールは、計算論的アプローチで炭素排出量を推定・最適化する。AIモデルを用いることで、従来の手法より高精度な予測が可能となる。

Vidya N

本研究は、マングローブと海草の遷移帯（エコトーン）における炭素貯蔵能を定量化。Sentinel-2衛星画像とランダムフォレスト分類により生息域を識別し、堆積物コアから有機炭素を測定。エコトーンは中間的な炭素濃度を示し、未計上だった炭素プールとして重要。

Zhang H.

本論文は、機械学習を用いてCCUSにおけるCO2パイプラインの漏洩リスクを評価し、影響範囲を分析する手法を提案している。脱炭素技術の安全性向上に寄与する研究。

de la Cruz-Azuara J.E.

本論文は、CO2地中貯留とCO2増進回収（EOR）における機械学習手法の適用を批判的にレビューする。シミュレーションから実現場へのギャップを特定し、実規模展開のためのロードマップを提示する。CCUS分野の研究者・実務者に重要な知見を提供する。

Indra Kumar Pandey, Sulekh Kumar, Brajkishor Prasad +3

本研究は、フライアッシュと高炉スラグを原料とするジオポリマーコンクリートの炭素排出量予測に、アリコロニー最適化（ACO）を組み込んだアンサンブル機械学習手法を適用。ACO拡張XGBoostモデルが最高精度（R2=0.97）を示したが、モデル間の性能差は僅少。硬化パラメータ（初期養生時間、温度、水酸化ナトリウム量）が炭素排出に最も影響。CatBoostとACO勾配ブースティングがノイズに対して安定している一方、XGB系は精度高いが入力変動…

Pengfei Xu, Siqi Jia, Y Cao +5

本研究は、パーコレーション理論と時空間クラスタリングを統合し、中国323都市の地上交通由来炭素排出（TCE）の空間クラスタを客観的に特定した。ランダムフォレストと解釈可能な機械学習を用いて地域別の排出要因を分析し、長江デルタではGDP、北京・天津・河北では人口と交通、珠江デルタでは道路貨物が主要因であることを明らかにした。