Machine learning-based hybrid dynamic modeling and economic predictive control of carbon capture process for ship decarbonization

船舶脱炭素化のための機械学習ベースハイブリッド動的モデリングと経済予測制御 (AI 翻訳)

Xuewen Zhang, Kuniadi Wandy Huang, Dat-Nguyen Vo, Minghao Han, Benjamin Decardi-Nelson, Xunyuan Yin

Chemical Engineering Science📚 査読済 / ジャーナル2026-07-01#CCUS

DOI: 10.1016/j.ces.2026.123794

原典: https://doi.org/10.1016/j.ces.2026.123794

🤖 gxceed AI 要約

日本語

本論文は、船舶の脱炭素化を目的とした炭素回収プロセスに対し、機械学習ベースのハイブリッド動的モデルと経済予測制御を提案する。これによりCO2回収効率向上と運用コスト低減を実現し、海運分野のGXに貢献する。

English

This paper proposes a machine learning-based hybrid dynamic model and economic predictive control for carbon capture processes on ships. It aims to improve CO2 capture efficiency and reduce operational costs, contributing to decarbonization of the shipping sector.

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

日本は海運大国であり、船舶向けCCUSは日本のGX実現に直結する。本手法はSSBJ基準には直接関連しないが、脱炭素技術開発の観点で重要。

In the global GX context

This work addresses CCUS for hard-to-abate transport sectors, aligning with IMO decarbonization targets. It showcases MPC applications for carbon capture, relevant to global shipping decarbonization efforts.

👥 読者別の含意

🔬研究者:Provides a novel hybrid modeling and control method for CCUS systems, useful for process control and optimization researchers.

🏢実務担当者:Ship operators and CCS technology developers can apply the approach to optimize capture efficiency and costs.

🏛政策担当者:Demonstrates a promising technology for achieving IMO emission reduction targets in maritime transport.

🔗 Provenance — このレコードを発見したソース

crossref https://doi.org/10.1016/j.ces.2026.123794first seen 2026-05-14 22:21:20

🔔 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。