GX・脱炭素 論文ハブ

論文・プレプリント

arXiv、Jxiv、Zenodo、SSRN、J-STAGE 等から GX・脱炭素関連の論文を収集し、 AI 関連度スコアと日英の編集解説付きで一覧化します。 原典 DOI と provenance trail を併記し、利用者は元の論文に戻れます。

要約は AI 支援で生成されています。最終的な解釈・検証は利用者が原典に基づいて行ってください。

🔔 キーワードアラートを登録 →📊 このコーパスの研究プロファイル(SNE分析)を見る →🌍 English papers page →
言語:全言語🇯🇵 日本語🌍 英語
種別:全種別プレプリントジャーナル学会データセットレポート
並び:新着順AI 関連度順閲覧数順
絞り込み: #AI×ESG (解除)

42 件中 21–40 件

🌍 ENデータセットFigshare2026#AI×ESGDOI

Supplementary file 1_Building resilient livestock systems for climate change adaptation and mitigation in South Asia: a structured narrative review.docx

補足ファイル1_南アジアにおける気候変動適応と緩和のための強靭な畜産システムの構築:構造化ナラティブレビュー.docx

Hasitha Priyashantha, Imasha S. Jayathissa, Janak K. Vidanarachchi +3

本論文は、南アジアの畜産システムにおける気候変動適応と緩和戦略を統合的にレビュー。AIやセンサーを活用した精密畜産、伝統的知識、政策提言を包含。ケーススタディと地域協力の枠組みを提示。

詳細を見る →
🌍 ENデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

Spatial Siting of AI Data Centers and Digital Carbon-Water Arbitrage: An Evaluation Model Based on the Carbon-Water Nexus

AIデータセンターの空間配置とデジタルカーボン・ウォーターアービトラージ:カーボン・ウォーターネクサスに基づく評価モデル

HONGZHI LU, Mohamad Anuar Kamaruddin

本論文は、AIデータセンターの立地選定において、炭素と水の両方の影響を考慮した評価モデルを提案する。デジタルカーボン・ウォーターアービトラージの概念を用いて、環境負荷を最小化する最適な配置を検討する。

詳細を見る →
🌍 EN🇪🇺 EUデータセットZenodo2026#AI×ESGDOI

DeepOWT v4.25.1: Deep Learning Derived, Dense Sentinel-1 Time Series for Offshore Wind Infrastructure

DeepOWT v4.25.1: 深層学習に基づく洋上風力インフラのための高密度Sentinel-1時系列データ

Hoeser, Thorsten, Bachofer, Felix, Kuenzer, Claudia

DeepOWTは、深層学習を用いて衛星データから洋上風力発電所の位置と時間的変化をグローバルに抽出したデータセット。最新版v4.25.1では、1D SARプロファイル時系列に深層学習によるイベント予測(展開開始・終了など)を追加し、機械学習用の訓練データも公開している。これにより、洋上風力インフラの展開と運用の動態を高分解能で把握できる。

詳細を見る →
🌍 ENデータセットZenodo2026#AI×ESGDOI

Construct Tables Excel with Prompts PDF, synthetic survey responses, robustness tests and prompts

再生可能エネルギー受容性研究における人間と合成データ:構造的一貫性、文脈的不確実性、予測限界の比較

Bhatia, Tanvi

本研究は、再生可能エネルギー受容性の調査において、LLMを用いて生成した合成データと実際の人間の回答を比較し、構造方程式モデリング(SEM)を用いて両者の構造的一貫性、文脈的不確実性、予測限界を分析した。合成データは人間の回答パターンをある程度再現するが、文脈依存性の高い項目で乖離が見られることを明らかにした。これにより、再生可能エネルギー受容性研究におけるLLM活用の可能性と限界を示している。

詳細を見る →
🌍 ENデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

ML-Accelerated Quantum Variational Sampling for Carbon Capture Systems under Uncertainty

不確実性下の炭素回収システムのためのML加速量子変分サンプリング

Jesús Pérez Expolio

本論文は、機械学習と量子変分サンプリングを組み合わせ、不確実性のある炭素回収システムの最適化を提案。AI/ML技術を応用し、CCUSプロセスの効率化とコスト低減を目指す。産業応用への貢献が期待される。

詳細を見る →
🌍 ENデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

A probabilistic Carbon Valley dataset for AI-infrastructure pressure on global carbon budgets

確率的カーボンバレーデータセット:AIインフラが地球規模の炭素予算に与える圧力

Yassine Charabi

本データセットは、AIインフラ展開による累積炭素債務を評価するための確率的枠組み(Carbon Valley)を提供する。2024~2035年の4つの展開経路(Lift-Off、Base、Headwinds、High Efficiency)を対象とし、モンテカルロシミュレーションにより192万件の年次記録と累積債務記録を含む。ブレークイブン分析や感度分析も可能で、関連研究の再現性を担保する。

詳細を見る →
🌍 ENデータセットFigshare2026#AI×ESGDOI

<p>Regression of environmental KPIs on topic prevalences in ESG reports.</p>

ESGレポートにおけるトピック出現頻度を用いた環境KPIの回帰分析

Ivan Savin (5189054), Mateo López Carel, Eva Schlindwein

ESG報告書から抽出したトピックの出現頻度と環境KPIとの関連を回帰分析で解析。自然言語処理と機械学習を活用し、報告書内容が実際の環境パフォーマンスにどう影響するかを定量的に評価する手法を提案。

詳細を見る →
🌍 EN🇪🇺 EUデータセットFigshare2026#AI×ESGDOI

<p>34 main topics in ESG reports.</p>

Ivan Savin (5189054), Mateo López Carel, Eva Schlindwein

欧州600社のESG報告書を自然言語処理で分析し、34の主要トピック(うち6つは環境関連)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は環境KPI改善と関連するが、排出量や電気自動車は有意な関連を示さない。トピックモデルとKPI分析を組み合わせた手法が、ESG開示の実質性評価に貢献。

詳細を見る →
🌍 EN🇪🇺 EUデータセットRiuNet (Universitat Politècnica de València)2026#AI×ESGDOI

Tracking the Energy Transition of Spanish Firms (2023–2025): A Large-Scale Web and LLM-Based [Dataset]

スペイン企業のエネルギー転換の追跡(2023-2025):大規模Web・LLMベース[データセット]

Xavier Martínez-Barbero, Ana Pastor-Merino, Josep Domenech

本論文は、スペインの104,553社の企業ウェブサイトをLLMで解析し、エネルギー効率化、脱炭素、再生可能エネルギー導入の実践を州・産業別に集計したデータセットを紹介する。2023年と2025年の2時点での比較が可能で、企業のエネルギー転換の実態を大規模に捉える枠組みを提供する。

詳細を見る →
🌍 EN🇨🇳 CNデータセットScienceDB2026#AI×ESGDOI

AI-Hire and carbon performance

AI採用と炭素パフォーマンス

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。

詳細を見る →
🌍 EN🌍 GlobalデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

Trade-offs and synergy between educational equity and low-carbon urban mobility

教育公平性と低炭素都市モビリティの間のトレードオフと相乗効果

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。

詳細を見る →
🌍 EN🌍 GlobalデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

Confidence graded mangrove restoration planning reveals constrained blue carbon opportunities and finance limits across the Indo-West Pacific

信頼度で段階づけられたマングローブ再生計画により、インド西太平洋地域における限られたブルーカーボン機会と資金制約が明らかに

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。

詳細を見る →
🌍 EN🌍 GlobalデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

ESG-DocQA: A Three-Reviewer Validated Dataset for Evidence-Grounded Question Answering over Corporate ESG Reports

ESG-DocQA: 企業ESG報告書に対するエビデンスに基づく質問応答のための三者検証済みデータセット

Huajian Jiang

本論文は、企業のESG報告書に対するエビデンスに基づく質問応答のためのベンチマークデータセットESG-DocQAを紹介する。300サンプルからなり、検証、比較、推論の3種類の質問を含む。3人のレビュアーによる検証を経て高い信頼性を達成している。データセットはJSONL形式で提供され、再現性スクリプトも含む。

詳細を見る →
🌍 EN🌍 GlobalデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

ESG-DocQA: A Three-Reviewer Validated Dataset for Evidence-Grounded Question Answering over Corporate ESG Reports

ESG-DocQA: 企業ESG報告書に対する根拠に基づく質問応答のための3人レビュー検証済みデータセット

Huajian Jiang

ESG報告書を対象に、根拠に基づく質問応答のための300サンプルのベンチマークデータセットを構築。3人のレビュアーによる検証を経て、高い信頼性を達成。ドメイン分布はE=145、S=91、G=64で、検証・比較・推論の3種類の質問を含む。ソース報告書は著作権のため再配布せず、メタデータのみ提供。

詳細を見る →
🌍 EN🇨🇳 CNデータセットMendeley Data2026#AI×ESGDOI

Towards a low-carbon digital future: AI affordance and digital-green synergistic transformation of manufacturing firms

低炭素デジタル未来に向けて:製造企業におけるAIアフォーダンスとデジタル・グリーン相乗的変革

Hao Wang

本研究は、中国の上場製造企業2,334社(2015-2024年)のデータを用いて、AIアフォーダンス(AIA)がデジタル・グリーン相乗的変革(DGST)を促進することを二重機械学習モデルで実証。技術革新の多様化、内部統制の質、市場競争力が媒介効果を持つ。AIAの閾値効果も確認された。

詳細を見る →
🌍 ENデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

ESG-DocQA: A Three-Annotator Validated Dataset for Evidence-Grounded Question Answering over Corporate ESG Reports

ESG-DocQA: 企業ESG報告書に対する根拠に基づく質問応答のための3アノテーター検証済みデータセット

Huajian Jiang

本データセットは、企業のESG報告書に基づく質問応答(QA)ベンチマークであるESG-DocQAの完全な提出パッケージです。300サンプルの検証済みベンチマーク、アノテーションガイドライン、実験結果、補足資料を含みます。書類画像の根拠付けに焦点を当てています。

詳細を見る →
🌍 EN🌍 GlobalデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

ESG-DocQA: A Three-Annotator Validated Dataset for Evidence-Grounded Question Answering over Corporate ESG Reports

Huajian Jiang

本論文では、企業のESG報告書に対する根拠に基づく質問応答のためのベンチマークデータセットESG-DocQAを提案する。300サンプルから成り、検証、比較、推論の3種類の質問を含む。3名のアノテーターによる検証で高い信頼性を達成。環境(E)145、社会(S)91、ガバナンス(G)64の分布。リポジトリには完全なメタデータと再現可能なスクリプトが含まれる。

詳細を見る →
🌍 EN🌍 GlobalデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

KenyaESG: A Sentence-level ESG Disclosure Classification Dataset for Nairobi Securities Exchange Corporate Reports

KenyaESG: ナイロビ証券取引所の企業報告向け文書レベルESG開示分類データセット

Joseph Agossa

本論文は、ナイロビ証券取引所上場企業の年次報告書・統合報告書・サステナビリティ報告書(2010-2024年)から構築された、文書レベルでのESG開示分類データセット「KenyaESG」を紹介する。環境・社会・ガバナンスの3軸それぞれに対し、3,900文の微調整セットと100文の評価セットを提供し、高いアノテーター間一致率を達成した。特に、キーワードベースのフィルターと単一レビューによるラベル付与手法を採用し、OCR劣化やスワヒリ語を含む…

詳細を見る →
🌍 EN🇨🇳 CNデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

Processed Chinese Regional Carbon Market Dataset for AMST-Pyraformer

AMST-Pyraformer向け処理済み中国地域炭素市場データセット

Zhaoshuai Dang

本データセットは、中国の湖北省、広東省、北京市、上海市の地域炭素市場の価格データを収録。AMST-Pyraformerと呼ばれるマルチスケール時系列モデルを用いた炭素価格予測に使用される。多変量・単変量予測実験に対応。

詳細を見る →
🌍 EN🌍 GlobalデータセットZenodo (CERN European Organization for Nuclear Research)2026#AI×ESGDOI

ESG-DocQA: A Three-Annotator Validated Dataset for Evidence-Grounded Question Answering over Corporate ESG Reports

ESG-DocQA: 企業のESG報告書に対する根拠に基づく質問応答のための3アノテーター検証済みデータセット

Huajian Jiang

ESG報告書に対する質問応答ベンチマークデータセットを発表。300サンプルを3人のアノテーターで検証。文書画像を用いた根拠付き回答を可能にする。

詳細を見る →
← 前へ2 / 3次へ →