Corrigendum to “Collaboratively optimize of multi-scale spatial form within urban blocks for low-carbon performance: A machine learning-driven design support framework” [Sustainable Cities and Society, 143 (2026), 107342]
低炭素性能のための都市ブロック内のマルチスケール空間形態の協調最適化に関する正誤表：機械学習駆動型設計支援フレームワーク (AI 翻訳)
G Li, Hongxin Guo, Jian Kang, Yichen Dong, Hua Zhong, Anting Gao, Wei Lu, Shen Xu
🤖 gxceed AI 要約
日本語
本論文（正誤表）は、都市ブロック内のマルチスケール空間形態を機械学習で最適化し、低炭素性能を向上させる設計支援フレームワークを提案する。建築形態とエネルギー消費の関係を解析し、設計段階での炭素排出削減に寄与する。
English
This corrigendum refers to a framework that uses machine learning to optimize multi-scale spatial forms within urban blocks for low-carbon performance. It analyzes the relationship between building morphology and energy consumption, aiding carbon reduction in the design phase.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本の都市計画・建築分野では、ZEH・ZEB化や街区単位のエネルギー管理が進んでおり、本フレームワークは設計初期段階での低炭素化に貢献可能。SSBJの開示基準にも関連する。
In the global GX context
Globally, urban building energy modeling (UBEM) and machine learning are increasingly used for climate action. This framework integrates spatial design with carbon performance, aligning with UNFCCC and ISSB goals for sustainable urban development.
👥 読者別の含意
🔬研究者:Provides a machine learning methodology for multi-scale urban low-carbon optimization, applicable to urban energy modeling and sustainable design research.
🏢実務担当者:Offers a design tool for architects and urban planners to quantify and reduce carbon emissions at the block scale using ML.
🏛政策担当者:Highlights the potential of ML-driven design for achieving carbon neutrality in urban areas, informing urban planning regulations.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.1016/j.scs.2026.107678first seen 2026-07-09 05:16:04
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は 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資料に基づいて行うことを前提とします。