Construction supply-chain carbon footprint with graph neural network-based input-output framework

GNNを用いた建設サプライチェーンのカーボンフットプリント分析 (AI 翻訳)

Hakpyeong Kim, Jun‐Ki Choi, Taehoon Hong

Building and Environment📚 査読済 / ジャーナル2026-06-01#AI×ESGOrigin: Global経営インパクト: 調達リスク対象セクター: construction

DOI: 10.1016/j.buildenv.2026.114904

原典: https://doi.org/10.1016/j.buildenv.2026.114904

🤖 gxceed AI 要約

日本語

本研究では、グラフニューラルネットワークを用いた産業連関分析により、建設サプライチェーン全体のカーボンフットプリントを推定する手法を提案する。従来の産業連関法をAIで拡張し、間接排出（Scope3）の可視化精度向上を目指す。

English

This study proposes a graph neural network-based input-output framework to estimate construction supply chain carbon footprints, enhancing the accuracy of Scope 3 emissions accounting with AI.

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

建設業は日本でCO2排出量の約4割を占めるが、Scope3算定はサプライチェーンが複雑で困難。GNNによる本手法は、SSBJ対応や有報での開示強化に有用な可能性がある。

In the global GX context

Global construction supply chains face significant Scope 3 data challenges. This GNN approach offers a scalable, data-driven alternative to traditional IOA, relevant for TCFD/ISSB alignment.

👥 読者別の含意

🔬研究者:AI×カーボンアカウンティングの先端事例として、特に産業連関分析とグラフニューラルネットワークの融合に興味がある研究者に示唆を与える。

🏢実務担当者:建設業のサプライチェーン排出量推定精度向上に寄与し、CDPやSBTiへの対応に活用可能。

🔗 Provenance — このレコードを発見したソース

openalex https://doi.org/10.1016/j.buildenv.2026.114904first seen 2026-06-24 05:00:15

🔔 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。