論文・プレプリント

Kyung Bae Jang, Tae Ho Woo

本研究は、システムダイナミクス手法を用いて、生成AIが原子力エネルギーの貢献最適化と石炭・石油などの炭素集約型電源の脆弱性緩和に果たす役割を分析。Test1（低初期値）が他より優れたパフォーマンスを示し、感度分析でも変動が最大であった。AIがゼロ炭素電源の戦略的活用に向けた国際合意形成を促進する可能性を示唆。

Ummesara ., Chaitanya Kumar Sahu, R Ranjith +5

本レビューは、AI技術（機械学習、リモートセンシング、IoTなど）とリジェネラティブ農業の統合が、土壌健全性の回復、炭素隔離、気候回復力の向上にどのように貢献するかを考察している。AIによる動的モニタリングと精密管理により、持続可能な食料生産システムの実現が期待される。課題と研究の方向性も提示している。

Pieter de Jong, Inga Timmerman, Alona Bilokha

本稿は、衛星リモートセンシングとNLPテキスト分析を組み合わせ、米国の高排出企業233社のESG開示と実際のメタン排出との乖離（Claim-Reality Divergence index）を測定。ESG主張の強度が高いほど乖離が大きいことを実証し、グリーンウォッシュが投資家向け開示を通じて行われることを示した。

Nguyen V.

本論文は、ESG領域に特化した質問応答システムのための埋め込み表現学習手法を提案する。検索拡張生成(RAG)フレームワークを用いて、ESG関連文書から正確な回答を抽出するためのドメイン適応型埋め込みを学習する。これにより、ESG開示情報の分析や投資判断支援への応用が期待される。

D. R, Santhosh Kumar A G

本論文は、2020-2025年の機関報告書や学術文献等の二次データを用いて、AI（特にNLP・ML）がESGデータ集約、グリーンウォッシング検出、気候リスクモデリング、ポートフォリオ最適化に与える影響を分析。ESGデータカバレッジが最大40%向上し、気候関連金融リスクの予測精度が向上する一方、データバイアスやモデル透明性の課題も指摘。責任あるAI導入の枠組みを提案。

Murali Krishna Pasupuleti

本論文は、気候変動リスク（物理的・移行リスク）を考慮したポートフォリオのリスク管理と財務的レジリエンスを向上させるため、生成市場モデルとディープヘッジングを組み合わせたフレームワーク（G-CADH）を提案する。条件付き時系列生成器と再帰的ヘッジ方針、裾リスク目標、気候エクスポージャーペナルティ、流動性制約、モデルガバナンステストを統合し、従来のベンチマークと比較して統合レジリエンススコアが向上することを示す。

Anuj Pal

本研究は、大規模言語モデル（LLM）がESG開示におけるシンボリック（表面的）なコミュニケーションと実質的なコミュニケーションを識別できるかを評価する。公開企業の年次・サステナビリティ報告書から抽出したESG開示データセットを構築し、LLMの性能を検証した。結果は、LLMが実質的な開示を高い精度で識別できることを示す一方、シンボリックな開示の識別には課題が残る。

‬‬‬Mohammad Khaled al-Bashiti, M.Z. Naser

機械学習（ベイズ最適化、NSGA-II/III）を用いて、コンクリート配合の最適化を自律的に行う手法を開発。2,300以上の実配合データを分析し、従来設計よりCO2を約40％、材料費を約30％削減可能であることを実証。さらに、コード不要のWebインターフェースを提供し、実務での大規模適用を可能とした。

Trésor Ndengo Tietia, Rostin Mabela Matendo Makengo, Pierre Kasengedia Motumbe +4

本論文は、コンゴ民主共和国のITインフラにおけるエネルギー消費を最適化するためのスマートネットワーク管理モデルを提案する。DQN、Q-Learning、PSO、ACOなどのAI技術を用いたシミュレーションにより、エネルギー消費を最大32%削減し、CO2排出量を21.2%削減できることを示した。特にDQNは高負荷時でも低レイテンシを維持し、エネルギー効率比（EER）92%を達成した。

Saher Elsayed

本論文はRLHFのカーボンフットプリントを初めて段階別に実測し、PPOフェーズが総排出の59-64%を占めることを示した。提案するCarbonAware-RLHFはリアルタイムの系統炭素強度予測に基づきRLHFフェーズを低炭素時間帯にシフトし、38.9%の平均炭素削減を達成した。精度への影響は0.22pp以下の低下に留まり、優れた炭素-品質トレードオフを実現している。

Q Zhang, 胜生 余, Tongna Liu

本成果は、地理分散型AI推論割り当てにおける炭素と水のトレードオフ分析を再現するためのアーティファクト（ソースコード、データ、テスト等）を提供する。水ストレススクリーニング下でのシナリオ分析の結果を再現でき、環境負荷評価の透明性を高める。コードはMITライセンス、データはCC BY 4.0で公開。

Niko Firzi Anansyah, Ratu Mutiara Siregar, Andi Prayogi +1

この研究は、パーム油産業向けにデュアルLLM（Groq Llama 3とGemini）を用いた自動ESG報告システムを開発した。厳格な重み付けルールにより、Ganoderma感染率が20%を超える場合にESGスコアを50に制限するプログラム上の制約を導入し、AI生成レポートの正確性とリスク管理を向上させた。このシステムは報告業務の効率化とリアルタイムの環境リスク警告を可能にする。

Krisztina Finta, Csaba Dezső Dér, Klaudia Gabriella Horváth +1

本研究は、AI駆動のショート動画マーケティングにおける持続可能性のパラドックスを調査。生成ツールの急速な採用がネットゼロ目標と相反することを示し、動画生成が画像生成の約30倍のエネルギーを消費することを明らかにした。さらに、新たな指標C-CPM（Carbon Per Mille）を提案し、EU CSRDのスコープ3開示要件に応える。

Saheed A. Adeniyi, Adeyemi A. Adefisan-Williams, Rukayat Abisola Olawale, Daniel O. Olokpo and Elizabeth I. Igbodor

本研究は、ナイジェリアの熱帯条件下でハイブリッド太陽電気乾燥機に、物理ベースの乾燥速度エンジンとオートエンコーダ駆動の予知保全エンジンを結合したデジタルツインを開発・評価した。42バッチの1分解像度データで、水分比をRMSE 0.031で予測し、ファンベアリングの劣化を故障5.3時間前に検出（精度94%、再現率91%）。最適化により、エネルギー31%、CO2e 36%、廃棄量約3分の2を削減した。

Damla Yalçıner Çal, Ecir Uğur Küçüksille

本研究は、EDGARデータセットを用いて1970〜2023年の温室効果ガス排出量をLSTMおよびTransformerモデルで予測した。LSTMは長期的な上昇傾向を捉えるが、体制変化下ではナイーブベンチマークを下回る性能だった。一方、Transformerは過去5年間で改善が見られ、セクター別では2020年頃の短期的減少は運輸・エネルギー関連に集中している。

Jiachen Shou, Waner Li, Hui Li +5

本研究は、中国30省の輸送部門における炭素排出の主要因を特定するため、ランダムフォレストとDEMATEL手法を統合的に使用。1997年～2022年のデータに基づき、研究開発費、科学技術成果登録数、エネルギー消費量が重要な因子であることを発見。また、同じ因子でも省によって因果特性が異なり、地域差を反映している。

Shimei Li, Yuqing Li, Jinman Luo +1

強化学習を用いて電炭結合システムの炭素排出を動的最適化する戦略を提案。リアルタイムで排出削減を実現し、従来方式より効率的。システムの環境負荷低減に貢献する。

Omar Nassar, Fahimeh Jafari, David King

本論文は、KG-ESGというAI駆動の概念実証を提案し、公開ESGニュースを構造化された知識グラフに変換する。FTSE100/250およびASX200企業を対象に、NER、感情分析、ESG分類を適用し、1,098件のニュース記事を処理。DistilBERTの感情精度66%、ゼロショット分類のESG精度60%とプロトタイプ段階だが、GraphRAGによる説明可能性と透明度の高い意思決定支援を実現する。

Mai-Phuong Nguyen, Minh Thi Ngoc Trieu

ベトナムの上場製造企業を対象に、デジタルトランスフォーメーションがESGパフォーマンスに与える影響を分析。テキストマイニングを用いてDX度とESG開示を定量化し、国有企業ではその効果が弱まることを発見した。

Cande Lian, Wentao Zeng, Jiabin Wu +10

本論文は、EV充電スタンドの故障リスクを気候ストレス（猛暑、豪雨、湿気）から予測する解釈可能な因果アンサンブルフレームワーク（FGDSE）を提案。25ヶ月の実データで12のベースラインを上回り、30日先まで約85%の再現率を維持。因果分析により、極端な熱が時間とともに影響を強める唯一の要因であることを特定し、気候適応型メンテナンスの定量的閾値を提示。低炭素モビリティのレジリエンス強化に寄与する。