持続可能な歴史的建造物改修とライフサイクル炭素最適化のための説明可能な物理誘導深層学習フレームワーク
An Explainable Physics-Guided Deep Learning Framework for Sustainable Heritage-Building Retrofit and Lifecycle-Carbon Optimisation (原題)
T. Weerakoon, Keshmin Senaratna, Jānis Zvirgzdiņš, I. Geipele, Sanda Lapuķe, S. Wimalasena, Praseetha Cheriyam Veettil
🤖 gxceed AI 要約
日本語
歴史的建造物の改修において、物理誘導型の説明可能な深層学習フレームワークARCHERを提案。縮約物理モデルによるライフサイクル炭素会計、時間表現、アンサンブル不確実性、制約付き多目的最適化を統合する。8192のソボルサンプリングシナリオで供給エネルギーと生涯炭素のR2は0.9986を達成。バランス解は無対策比でエネルギー84.3%減、生涯炭素88.1%減を実現した。
English
ARCHER is an explainable physics-guided deep learning framework for retrofitting heritage buildings, combining reduced-order lifecycle-carbon accounting, temporal transformers, ensemble uncertainty, and constrained multi-objective optimisation. Across 8192 Sobol-sampled scenarios it achieved R2 of 0.9986 for supplied energy and lifespan carbon, with balanced Pareto solutions cutting energy by 84.3% and lifetime carbon by 88.1% versus no-action baseline.
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
日本には文化財建造物や歴史的ストックが多く、省エネ改修と炭素削減の両立は建築物の脱炭素政策・Scope3建物排出管理に直結する。改修判断の定量支援として実務参考になる。
In the global GX context
Adds a physics-consistent, uncertainty-aware method to building decarbonisation and lifecycle-carbon accounting, relevant to CSRD/ISSB building emissions and retrofit transition finance where embodied and operational carbon trade-offs must be disclosed.
👥 読者別の含意
🔬研究者:物理誘導と不確実性校正を組み合わせたライフサイクル炭素最適化の手法設計を学べる。
🏢実務担当者:歴史的・既存建物の改修投資判断でエネルギーと生涯炭素のトレードオフを定量化できる。
🏛政策担当者:文化財保全と脱炭素を両立する改修支援策の根拠として活用可能。
📄 Abstract（原文）
Retrofitting heritage buildings promotes sustainable development by balancing decarbonisation with lifetime implications on cultural conservation, comfort, and resource efficiency. Existing data-driven techniques emphasise accuracy over conveying physical-consistency uncertainty, heritage limitations, and embedded operational-carbon trade-offs. This study introduces Adaptive Retrofit and Conservation for Heritage Energy Resilience (ARCHER), an explainable physics-guided deep learning framework that combines reduced-order physics lifecycle-carbon accounting, temporal representation, ensemble uncertainty, and constrained multi-objective optimisation. ARCHER translates dual-target forecasts into retrofit alternatives that are evaluated for moisture legacy impact cost and discomfort before recalculating Pareto solutions using the governing equations. In 8192 Sobol-sampled scenarios for one heritage building, ARCHER attained domain R2 values of 0.9986 for supplied energy and lifespan carbon. Although the Temporal Transformer had lower errors and ARCHER’s intervals remained undercalibrated, the uncertainty ranking lowered RMSE in the least-uncertain decile to 1.51 kWh m−2 year−1 and 15.40 kgCO2e m−2. Exact recalculation kept 42 Pareto optimum possibilities, whereas balanced solutions cut energy and lifetime carbon by 84.3% and 88.1%, respectively, compared to the no-action baseline. ARCHER promotes sustainable heritage decision support by integrating environmental performance, cultural compatibility, and risk screening.
🔗 Provenance — このレコードを発見したソース
- semanticscholar https://doi.org/10.3390/su182111319first seen 2026-11-12 06:00:54 · last seen 2026-11-13 06:05:52
🔔 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。