マルチデバイスMMT-UNetと限界排出係数を用いた産業のScope 1・Scope 2排出推計の統合フレームワーク

日本語

産業施設のScope 1・Scope 2排出量を、マルチデバイス対応のMMT-UNetと限界排出係数を組み合わせて統合的に推計するフレームワークを提案する研究。深層学習による画像・データ解析と排出係数モデルを融合し、企業のGHG算定を精緻化する狙いがある。抄録がないため詳細な検証結果は不明だが、AIを炭素会計に応用する試みとして注目される。

English

This work proposes a unified framework that estimates industrial Scope 1 and Scope 2 emissions by combining a multidevice MMT-UNet deep-learning model with marginal emission factors. It aims to refine corporate GHG accounting by fusing AI-based data analysis with emission-factor modeling. No abstract is available, so empirical results remain unverified, but it is notable as an AI-for-carbon-accounting effort.

日本のGX文脈において

SSBJ基準や有報でのScope 1・2開示が進む日本企業にとって、AIによる排出量推計の精緻化・自動化は算定負担軽減と信頼性向上に直結する。算定インフラ高度化の動きとして日本の開示実務に示唆を与える。

In the global GX context

As ISSB/CSRD and SEC climate rules push verifiable Scope 1/2 data, AI-driven estimation frameworks speak directly to the global need for more accurate, auditable corporate GHG accounting. It contributes to the emerging disclosure-infrastructure and carbon-accounting scholarship.