← 論文一覧に戻る

気候変動および再生可能エネルギー知識統合のための検索拡張型大規模言語モデル

Retrieval-Augmented Large Language Models for Climate Change and Renewable Energy Knowledge Synthesis (原題)

Orabi A, Harb H, Khedr A

Research Squareプレプリント2026-06-16#エネルギー転換
DOI: 10.21203/rs.3.rs-10042165/v1
原典: https://doi.org/10.21203/rs.3.rs-10042165/v1

🤖 gxceed AI 要約

日本語

本論文は、気候変動と再生可能エネルギーに関する知識統合のための検索拡張生成（RAG）フレームワークを提案する。FAISSとHNSWを用いた意味検索とLLMを組み合わせ、IPCCやIEAなどの信頼できる文書から情報を取得する。実験では87%の精度と41%の幻覚削減を達成し、静的モデルより優れる。

English

This paper proposes a Retrieval-Augmented Generation (RAG) framework for climate change and renewable energy knowledge synthesis. It combines dense retrieval (FAISS, HNSW) with LLMs to ground responses in authoritative sources like IPCC and IEA reports. Experiments show 87% accuracy and 41% reduction in hallucination compared to parametric-only baselines.

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

日本でも、気候変動や再エネに関する膨大な情報を効率的に統合するニーズが高まっている。本フレームワークは、日本企業や研究機関が国内外の政策文書や科学報告を横断的に分析する基盤となり得る。

In the global GX context

As climate and energy knowledge grows exponentially, this RAG framework offers a scalable method for synthesizing information from diverse authoritative sources. It addresses the critical challenge of factual grounding in LLMs, relevant for global climate reporting and policy analysis.

👥 読者別の含意

🔬研究者:Demonstrates a domain-specific RAG architecture that reduces hallucination and improves factual accuracy for climate knowledge tasks.

🏢実務担当者:Could be used by sustainability teams to quickly retrieve and summarize relevant climate reports and data.

🏛政策担当者:Enables evidence-based policymaking by providing grounded summaries of complex climate and energy documents.

📄 抄録（日本語訳）

<title>抄録</title> <p>気候変動の緩和と再生可能エネルギーへの移行には、大規模かつ継続的に進化する科学的、技術的、政策的知識を推論できるインテリジェントシステムが必要である。トランスフォーマーベースの大規模言語モデル（LLM）は強力な生成能力を示す一方で、静的なパラメトリック知識への依存により、事実に基づく正確性、透明性、新たに出現する気候エビデンスへの適応性が制限される。本論文は、気候変動と再生可能エネルギーインテリジェンスのためのドメイン特化型検索拡張生成（RAG）フレームワークを提案する。本システムは、トランスフォーマーベースのデコーダアーキテクチャと、FAISSおよびHNSWインデックスを用いた高密度意味検索を統合する。気候変動に関する政府間パネル、国際エネルギー機関、国連気候変動枠組条約、国際再生可能エネルギー機関の報告書を含む権威ある気候文書は、トランスフォーマーベースの埋め込みを用いてインデックス化される。我々は、検索および生成の両コンポーネントを、Recall@K、MRR、nDCG、ROUGE-L、および幻覚率の指標を用いて評価する。実験結果は、パラメトリックのみのベースラインと比較して、87%の精度と41%の幻覚の減少を示す。</p>

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

<title>Abstract</title> <p>Climate change mitigation and renewable energy transitions require intelligent systems capable of reasoning over large, continuously evolving bodies of scientific, technical, and policy knowledge. While transformer-based Large Language Models (LLMs) demonstrate strong generative capabilities, their reliance on static parametric knowledge limits factual grounding, transparency, and adaptability to newly emerging climate evidence. This paper proposes a domain-specific Retrieval-Augmented Generation (RAG) framework for climate change and renewable energy intelligence. The system integrates a transformer-based decoder architecture with dense semantic retrieval using FAISS and HNSW indexing. Authoritative climate documents, including reports from the Intergovernmental Panel on Climate Change, International Energy Agency, United Nations Framework Convention on Climate Change, and International Renewable Energy Agency indexed using transformer-based embeddings . We evaluate both retrieval and generation components using Recall@K, MRR, nDCG, ROUGE-L, and hallucination rate metrics. Experimental results show 87% accuracy and a 41% reduction in hallucination compared to parametric-only baselines.</p>

🔗 Provenance — このレコードを発見したソース

🔔 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。