論文・プレプリント

Yaacob Ibrahim, Khaled Hussainey, Taghred Mokhtar Sayed Moawad

本研究は、MENA地域の上場非金融企業771社・年次のパネルデータを用いて、炭素強度が借入コストに与える影響を検証した。固定効果、操作変数、GMM、分位点回帰、機械学習を組み合わせた結果、炭素強度は借入コストに統計的に有意な影響を与えず、移行リスクがまだ価格設定されていないことを示唆する。ガバナンスの質が一部緩和効果を持ち、機械学習では非線形関係が検出された。

D. Barro, A. Basso, M. Corazza +1

本研究は機械学習を用いて、エネルギー転換がユーロ圏ソブリン信用リスクに与える影響を分析。再生可能エネルギーへの移行が国債利回りやCDSスプレッドに与える影響を評価し、気候変動リスクが金融安定性に及ぼす含意を提示。政策立案者や投資家にとって重要な知見を提供する。

Simona Epasto, Maria Lúcia, Masiel Melissa Pereira

本論文は、営農型太陽光発電（アグリボルタイクス）におけるAI活用を、農村景観の社会・領土的影響の観点から考察する。欧州SYMBIOSYSTプロジェクトやGIS・UAVを用いた地理空間モニタリングの事例を通じ、予測モデルや3Dデジタルツイン、センサー統合型アグリテックが計画・ガバナンス・視覚表現を再形成する様を分析。AIは効率向上に寄与する一方、空間的不平等やアルゴリズムによる土地収奪、データ主権のリスクを生むと指摘し、参加型で場所に敏感…

Minyou Qing, Suhaiza Zailani

本レビューは、道路貨物輸送（RFT）の脱炭素化におけるAI駆動実践の応用を体系的に分析した。227件の論文をSPAR-4-SLRプロトコルに従ってレビューし、ビブリオメトリック分析とサイエンスマッピングを実施。過去10年間で発表が指数関数的に増加し、特に過去3年間で顕著である。8つの知識クラスター（パワートレインエネルギー管理、戦略的フリート電化、インターモーダル回廊計画、物理情報に基づく同時最適化など）を特定し、車両レベルの効率改善か…

Xueqing Wang, Lang Wang

中国A株上場企業を対象に、気候リスクがグリーン特許の質と量の乖離（グリーンイノベーション・バブル）を悪化させることを実証。経営者近視眼と資金制約が経路であり、デジタル変革とESGパフォーマンスは緩和せず増幅する。非国有・低排出・経営者保有比率の高い企業で顕著。

Md Qamruzzaman

バングラデシュの上場金融機関62社（2005-2023年、1,178企業年）を対象に、知的資本・人的資本・自然資本の開示が持続可能性パフォーマンスに与える影響を、パネル回帰とディープラーニング（MLP）で実証。3つの開示はすべて有意に正の効果を持ち、知的資本開示が最有力。開示の質がグリーン融資量よりも重要であることを示唆。

Pengfei Zhang, Pan Liu, Li Jiang +1

本論文は、マルチマイクログリッドの低炭素運用を最適化するため、協力ゲーム理論とマルチエージェント深層強化学習を組み合わせた戦略を提案する。エネルギー・炭素・グリーン証明書のP2P取引メカニズムとNash交渉に基づく公平な利益配分を導入し、集中訓練・分散実行の枠組みで運用コストを削減する。中国長江デルタの事例で、集中型MILPと比較して最適性ギャップ1.25%、独立運用と比較して連合運用コスト8.19%削減、炭素取引コストを33〜40%削…

Venkata Krishna Reddy, Aadam Quraishi, G. C. Prashant +1

本論文は、再生可能エネルギー（RE）投資と展開のための深層学習ベースの意思決定支援システム（DSS）を提案する。CNNで気象・エネルギー・経済データから特徴を抽出し、RNNで将来のエネルギー需要と供給を予測、強化学習でコスト削減とグリッド運用を最適化する。REの不安定性に対処し、持続可能なエネルギー移行を支援する。

Lila Simon, Abino Simon, Aalbin Simon

本書は、持続可能なエネルギー生態系の実現に向けて、AIと再生可能エネルギーの統合を探求する。インドと世界の再生可能エネルギー状況を概観し、太陽光、風力、水力、バイオマス、地熱の各分野におけるAIの応用（予測分析、エネルギー予測、スマートグリッド管理、消費最適化、分散型マイクログリッド）を検討する。効率向上、コスト削減、リアルタイム意思決定を可能にするAIの役割を強調し、課題（初期コスト、データプライバシー、規制ギャップ、人材不足）と今後…

Michelangelo Misuraca, Luca D’Aniello, Maria Spano

本研究は、Redditの気候変動データ（2018-2026年、91,817コメント）を用いて、再生可能エネルギーに関する社会的表象を階層的喚起法（HEM）と計算手法を組み合わせて分析する。理論に基づく語彙アンカリングとデータ駆動の意味拡張により、表象の中心・周辺・対照的要素を特定し、言説の安定性と変動性を明らかにした。持続可能性コミュニケーション研究に貢献する。

Jianxun Zhao, Mingxuan Huang, Changqing Tian +1

本研究は、野菜産地のハンドリング工程におけるGHG排出削減を目的とし、感度分析で主要パラメータを特定した上で、深層決定性方策勾配（DDPG）を用いた排出最適化モデルを構築した。マルコフ決定過程としてモデル化し、報酬関数設計によりGHG排出最小化、野菜質量保持率最大化、保管時間短縮の多目的最適化を実現。ケーススタディでは、1000kgの野菜処理で排出量を117.06kg CO2eqから36.63kg CO2eqへ削減しつつ、質量保持率も向…

Bingler J.A.

本論文は、気候関連開示テキストを分析するために特化した言語モデルClimateBertを用いて、企業の気候リスク開示における「安い話」（実質を伴わない主張）と「チェリーピッキング」（都合の良い情報の選択的開示）の実態を調査する。開示の質と戦略的行動を評価する手法を提供し、規制や投資家の監視に示唆を与える。

Zhang Bokai, Chengjie Huang, Xiao Qiang

本研究は、中国上場企業の2012年から2022年のパネルデータを用い、環境裁判所の設立を自然実験として、企業の気候リスク開示への影響を多期間DIDで検証した。結果、環境裁判所の設立は気候リスク開示を有意に促進し、そのメカニズムとして機関投資家の監視強化と評判メカニズムの代替性を明らかにした。

Xiao Qin, Quan Fang, Yuan Virtanen

本研究は、2016年から2025年までの中国A株上場企業を対象に、気候政策の不確実性が企業の持続可能性（ESGスコア）に与える影響を実証分析した。二方向固定効果モデルを用いた結果、気候政策の不確実性は企業の持続可能性を向上させることが示された。この効果は、南部地域、産業政策支援セクター、大企業で特に顕著である。

Jinqi Jiang, Zhijing Wu, guosen zhang +9

廃水処理プラントのGHG排出を予測するMLフレームワークWaterMAPを提案。中国5155プラントの4万件超のデータで検証し、Scope1/2/3排出量を推定。2060年までに9.6〜34.0%の削減可能性を示した。

Mengqi Yuan, Wenfei Zang, Guangchong Chen

中国の省別データ（2012-2022年）を用いて、AIと高品質エネルギー発展（HED）の結合調整度（AHCC）を分析。両者は進展したが、AIは低水準で地域格差が大きく、空間的自己相関が強まっている。技術革新や経済発展はAHCCを促進する一方、環境規制や政府介入は抑制する。デジタルとエネルギー転換の協調政策に示唆を与える。

Michael Padget, Gregg Furie, Dionne Kringos +2

本論文は、医療機関の環境持続可能性を評価するための指標を、品質測定基準に基づいて体系的に評価した初の研究である。温室効果ガス排出量、水使用量、エネルギー使用量、旅行、固形廃棄物の6つの指標を評価し、スコープ1・2排出量、水使用量、固形廃棄物を調整済み患者日数で標準化した最小セットを提案している。

Mehrdad Taghipour, Sina Rostami, Muhammad Bilal

本スコーピングレビューは、手術室の電力消費と炭素排出削減のための技術・運用戦略を体系的に整理し、AI駆動管理システムを含む既存手法を評価する。その上で、運動エネルギー回収の方法論的ギャップを特定し、AI対応のエネルギー回収型スマートフローリングという新たな概念枠組みを提案する。

Rufaizal Che Mamat, Azuin Ramli, M. N. A. Ghani +3

本研究は、住宅建設の4段階（生産、輸送、運用、解体）におけるカーボンフットプリント予測に、ファインツリー回帰とANFISを適用し比較した。2000件のデータを用いた結果、ANFISが全段階で優れた精度を示し、特に運用段階でRMSEが大幅に改善された。持続可能な建設のための効率的な予測ツールを提供する。

Christian‐Oliver Ewald, Yaoyu Li

本研究は、FinBERTによるニュース感情分析とPCA次元削減を組み合わせたテキストベースの枠組みでEU炭素価格を予測する。2020〜2024年の週次データを用い、CNN-LSTMモデルが従来モデルより優れ、RMSEを約33%削減した。深層学習と次元削減の組み合わせが炭素市場予測に有効であることを示す。