カーボンニュートラルシステム最適化のための人間中心適応推論オプティマイザー
A Human-Centric Adaptive Reasoning Optimizer for Carbon-Neutral System Optimization (原題)
V.Bakyalakshmi, S. M., Saranya P, Saravanamurugan R, Senthil S. A., S. P
🤖 gxceed AI 要約
日本語
本研究は、炭素排出・エネルギー・財務・ESGデータを統合し、機械学習・深層学習による排出予測と人間中心の推論、政策制約評価、適応的フィードバック学習、多目的最適化を組み合わせたHCAROフレームワークを提案する。2つの公開ベンチマークデータセットで評価し、炭素排出を最大95.4%削減できる可能性を示した。適応性・拡張性の高い炭素中立システム最適化手法として位置づけている。
English
This paper proposes HCARO, a Human-Centric Adaptive Reasoning Optimizer that integrates ML/DL-based carbon emission forecasting, human expert rules, policy constraint evaluation, adaptive feedback learning, and multi-objective optimization for carbon-neutral systems. Tested on two public benchmark datasets, it reports a potential 95.4% carbon emission reduction. The framework aims to balance emissions, energy efficiency, forecasting accuracy, cost, and sustainability performance.
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
SSBJ・有報での気候関連開示やScope 3算定の高度化に向け、ESGデータとAIを組み合わせた意思決定支援の可能性を示す。日本企業のカーボンニュートラル経営や政策連動型の排出削減計画に応用できる知見を提供する。
In the global GX context
Amid TCFD/ISSB/CSRD disclosure requirements, this work illustrates how AI can operationalize ESG and carbon data into adaptive, policy-constrained decisions. It contributes to the growing AI×ESG literature on automated carbon accounting and climate-risk-aware optimization.
👥 読者別の含意
🔬研究者:AIとESGデータを統合した炭素中立最適化の枠組みと、人間中心推論・政策制約を組み込む手法の設計指針を得られる。
🏢実務担当者:ESG・排出データを活用した適応的意思決定により、排出削減とコスト・エネルギー効率の両立を図る実務的示唆が得られる。
🏛政策担当者:政策制約を最適化に組み込むアプローチは、規制・インセンティブ設計と企業の炭素中立計画の整合性を考える上で参考になる。
📄 Abstract（原文）
Carbon emissions and energy management issues are on the rise, which makes a carbon neutral system optimization approach necessary in different industries, smart cities, energy systems and corporate sustainability platforms. Existing methods have been based on carbon prediction, energy scheduling, fuzzy control and optimization, but not all of these at the same time. Thus, this method is constrained in providing adaptive and human-based carbon-neutral decisions. In this research, the Human-Centric Adaptive Reasoning Optimizer (HCARO) is proposed for optimizing a carbon neutral system. The goal of the current research is to develop a carbon-neutral decision-making process that can minimize carbon emissions while maximizing energy efficiency, forecasting accuracy, cost-consciousness and sustainability performance. The proposed methodological approach includes data related to carbon emissions, energy, operational, financial and ESG (Environmental, Social and Governance) as an input for preprocessing and normalization, feature extraction, Machine learning and deep learning-based carbon emission forecasting, human-centric reasoning, policy constraint evaluation, adaptive feedback learning and multi-objective optimization. Optimized decisions can be made more practical and relevant by applying the human expert rules and policy constraints. The HCARO framework implementation is done in Python and tested with two publicly available benchmark datasets from two different industrial domains. Optimization results showed a potential reduction of 95.4% of carbon emissions in HCARO. To conclude, HCARO is solution that is effective, scalable and adaptive for carbon-neutral sustainable system optimization.
🔗 Provenance — このレコードを発見したソース
- semanticscholar https://doi.org/10.1109/icoici69824.2026.11723506first seen 2026-10-30 05:39:37 · last seen 2026-11-05 06:04:54
🔔 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。