Large language models-enhanced multi-timescale scheduling optimization in low-carbon industrial parks with multi-modal process memory

マルチモーダルプロセスメモリを用いた低炭素産業団地における大規模言語モデル強化型マルチタイムスケールスケジューリング最適化 (AI 翻訳)

Tao Wu, Xinyu Li, Jie Li, qiang liu, Xiaojian Wen, Jinsong Bao

Advanced Engineering Informatics📚 査読済 / ジャーナル2026-04-28#省エネ

DOI: 10.1016/j.aei.2026.104748

原典: https://doi.org/10.1016/j.aei.2026.104748

🤖 gxceed AI 要約

日本語

本論文は、大規模言語モデルとマルチモーダルプロセスメモリを活用し、低炭素産業団地におけるマルチタイムスケールのスケジューリング最適化手法を提案する。これにより、エネルギー効率向上と脱炭素化を支援する。

English

This paper proposes a scheduling optimization method for low-carbon industrial parks using large language models and multi-modal process memory. It enables multi-timescale scheduling to enhance energy efficiency and support decarbonization.

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

日本の産業団地の脱炭素化にも応用可能なAI活用事例であり、SSBJやカーボンニュートラル目標への貢献が期待される。

In the global GX context

This work contributes to the global trend of AI-driven industrial energy management, relevant for TCFD/ISSB reporting on operational efficiency and emission reduction.

👥 読者別の含意

🔬研究者:AIとエネルギー最適化の融合に興味のある研究者向け。

🏢実務担当者:産業団地の運営者やエネルギー管理者が実装可能な手法。

🔗 Provenance — このレコードを発見したソース

openalex https://doi.org/10.1016/j.aei.2026.104748first seen 2026-05-17 06:12:30 · last seen 2026-05-20 05:12:05

🔔 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。