廃プラスチックのCO₂支援熱化学変換における機械学習とカーボン・ブレークイーブン評価
Machine learning and carbon break-even assessment of CO₂-assisted thermochemical conversion of plastic waste (原題)
Jingyang Bai
🤖 gxceed AI 要約
日本語
本研究は、CO₂支援による廃プラスチックの熱化学変換について、文献データを統合した機械学習で生成物収率パターンとCO₂濃度の予測寄与を評価した。CO₂の予測情報は検出可能だが文脈依存であり、反応温度が最も一貫して影響する因子であった。さらにカーボン・ブレークイーブン分析により、CO₂消費が高温化に伴う追加加熱排出を相殺できるかを検討し、多くの条件で基準を満たすが、エネルギー炭素強度が高まるにつれ未達割合が増えることを示した。
English
This study applies publication-grouped machine learning to a harmonised literature dataset on CO₂-assisted thermochemical conversion of plastic waste, assessing transferable yield patterns and the predictive role of CO₂ concentration. CO₂ offers detectable but context-dependent predictive value, while temperature is the most consistent descriptor. A screening-level carbon break-even analysis shows most scenarios offset additional heating emissions, but failure rates rise with energy carbon intensity.
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
日本では廃プラスチック処理とCO₂利用（カーボンリサイクル）がGX政策の重点領域であり、本手法は企業の脱炭素技術評価やLCA高度化に資する。SSBJ開示におけるScope 3・製品ライフサイクル排出の算定精度向上にも示唆を与える。
In the global GX context
This work sits at the intersection of CCUS, plastic-waste valorisation, and data-driven carbon accounting, offering a transferable framework for evaluating whether CO₂ utilisation delivers net carbon benefits. It informs global debates on the credibility of CO₂-based technologies under CSRD/ISSB lifecycle disclosure and transition finance criteria.
👥 読者別の含意
🔬研究者:文献横断の機械学習とカーボン収支を統合した評価枠組みは、CO₂利用技術の予測と炭素妥当性を同時に扱う手法として参考になる。
🏢実務担当者:廃プラ処理・CO₂利用技術の導入検討時に、エネルギー炭素強度に応じたブレークイーブン条件を簡易スクリーニングできる。
🏛政策担当者:カーボンリサイクル技術の政策支援において、エネルギー供給の脱炭素度合いがCO₂利用の実効性を左右する点を考慮すべき。
📄 Abstract（原文）
CO₂-assisted thermochemical conversion offers a promising opportunity to couple plastic-waste valorisation with CO₂ utilisation in the context of low-carbon and net-zero development. Here, publication-grouped machine learning was applied to a harmonised literature dataset to evaluate transferable product-yield patterns and the predictive contribution of CO₂ concentration across independent studies. CO₂ provided detectable but context-dependent predictive information, while reaction temperature remained the most consistently influential descriptor. A screening-level carbon break-even analysis was further used to assess whether reported CO₂ consumption could offset the additional heating emissions associated with the higher temperatures used for CO₂-assisted conversion relative to conventional inert-atmosphere pyrolysis. Across the selected thermal and energy-supply scenarios, most condition–parameter combinations met the break-even criterion, while an increasing fraction failed to offset the additional heating emissions as energy carbon intensity increased. The framework integrates literature-derived machine learning with carbon assessment to evaluate both the predictive and carbon relevance of CO₂-assisted plastic conversion.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.26434/chemrxiv.15007806/v1first seen 2026-09-14 04:33:57
🔔 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。