arXiv、Jxiv、Zenodo、SSRN、J-STAGE 等から GX・脱炭素関連の論文を収集し、 AI 関連度スコアと日英の編集解説付きで一覧化します。 原典 DOI と provenance trail を併記し、利用者は元の論文に戻れます。
要約は 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に基づいて行ってください。
218 件中 1–20 件
Do Korean Firms Disclose What Matters? AI-Measured Financially Material ESG Disclosure, Regulatory Anticipation and Firm Value
Young‐Chan Lee, Chuyu Yang
韓国KOSPI上場808社の事業報告書7,278件（2016〜2025年度）を対象に、LLM注釈で訓練した分類器で各文をESG課題と具体性で分類し、SASB業種基準で重要性の有無を判定した。分類器は辞書・ゼロショット法を上回るが、人的コーディングとの比較では重要情報を過小評価する。重要なESG情報は報告書のごく一部で緩やかに増加しているにすぎず、2021年の開示義務化ロードマップ後は大企業が開示を拡大したものの、重要課題へのシフトは明確…
Navigating the Computational Turn: Global Trends and Cross-Cultural Challenges in AI-Enabled Financial Statement Analysis
Justyna Fijałkowska, Federico Lanzalonga
本論文は2015〜2025年の財務諸表分析（FSA）の方法論的再編を、Scopusの454件を対象とした書誌分析で描き出す。FSAは比率中心の解釈からAI活用エコシステムへと三段階で進化し、ML/DL、監査・不正検知、ESG拡張、異文化会計の5クラスター構造を持つことを示す。NLP・LLMが開示処理コストを左右する基盤となりつつある一方、ナラティブ開示の言語・文脈解釈における異文化課題が残ると論じる。
<p>AI-Driven ESG Frame Analysis Through Interactive Dashboards for Sustainable Finance</p>
Nadiia Novytska, Ilias Sviatko, Jorge Augusto Meira +4
企業のESG開示文のナラティブ構造を、12種のフレーム分類で分析するAIフレームワークを開発。文書から主張単位のフレーム・意味三つ組・マテリアリティ・根拠を抽出し、4つの専門的視点で集約するダッシュボードを試作。Shellや独仏銀などの報告書で実証し、約束と実績のギャップやポジティブ偏重を可視化。SFDRのPAI指標やCSRD、サステナビリティ・リンク金融の分析を支援しうる。
<p>AI for Climate Stabilization: Forecasting, Optimization, and Autonomous Mitigation Systems</p>
Hunter Hughes
AIが地球システムモデルを置き換え、ニューラルオペレータや基盤気候モデルで1万倍高速な予測を実現する動向を整理。深層強化学習とモデル予測制御による系統平衡や産業最適化で再エネ抑制を最大87%緩和し、難脱炭素部門で15〜30%の省エネを達成。生成材料モデルによるMOF探索でDAC再生エネルギーを1200→650kWh/tCO₂に低減、衛星IoT・MRVで検証可能な炭素会計を提示。2030年に4.8〜6.2Gt、2040年に12.8Gtの削…
An AI-Enabled Ontology-Driven Metric System for Automated Environmental, Social, and Governance Management and Reporting
Yu, Mingqin
本論文はESG指標をドメイン知識表現とシステム設計の問題として再定義し、3つの成果物を開発する。指標・算定ロジック・依存関係・出典を第一級概念としてモデル化したESG指標ナレッジグラフ、それを実行可能な報告に落とすオントロジー駆動型システム、規制文書からLLMで指標知識を自動構築する枠組みである。意味仕様・運用・自動構築を分離することで、透明で統治可能かつ適応的なESG指標システムを実現する。
AI and ESG Disclosure in Indian Listed Companies | Submission-oriented draft ARTIFICIAL INTELLIGENCE AND THE QUALITY OF ESG DISCLOSURE: EVIDENCE FROM INDIAN LISTED COMPANIES
Garv Nijhara
AI能力がESGデータ分析能力を介してESG開示の品質（完全性・比較可能性・検証可能性・意思決定有用性）を高める統合モデルを提示する。取締役会の技術ガバナンスを調整変数とし、インド上場企業を対象にSmartPLSによる高次PLS-SEMとパネル固定効果で検証する設計。SEBIのBRSR義務化・BRSR Core保証制度を背景に、開示の「量」ではなく「質」に着目する点が貢献。
Sustainable Development Goals Omission and Environmental Sentiment Metric for Greenwashing and ESG Controversies Alert in Green Bonds
Andrea Nicolodi, Sandra Paterlini, Monica Gentile +2
グリーンボンド発行体のサステナビリティ報告書を対象に、辞書ベース手法とドメイン特化BERTを組み合わせ、SDGs情報の省略と環境関連文言の量・トーンを分析した。新指標SDGOIは、機会志向の環境記述が多いほどSDGs省略が増える傾向を示し、緑洗浄リスクの特徴となりうる。さらに環境センチメント指標ESMを開発し、高スコアがESG論争や緑洗浄告発と有意に関連することを示した。開示の信頼性リスクを警告する実用的ツールとして、投資家・規制当局の…
Vague Environmental Disclosure and Capital Market Responses in High-Pollution Industries: Evidence from Large Language Models
Xiaoli Li, Yiliang Song, Baicun Shen
中国の高汚染A株企業1016社のMD&Aテキストから、LLMを用いた曖昧開示指数（GFIX）を構築。GFIXが高い企業は発表四半期の株価リターンが有意に低く、機関投資家保有もその後減少することを示す。曖昧な環境ナラティブは情報リスクのシグナルとして投資家に割り引かれ、環境規制の節目後にGFIXが上昇する点も確認。開示の検証可能性がグリーン移行リスクの価格形成を左右することを示唆する。
Closing the Information Gap: AI Scope 3 Emissions Disclosure
Michael P. Vandenbergh, Ethan Ickovics Thorpe
AIデータセンターの電力需要と排出増に対し、公的規制の空白を民間開示制度で埋める改革を提案する論考。S&P500企業の2024・25年報告書のいずれもAI利用の炭素足跡を開示していないと指摘。GHGプロトコルScope 3の明確化、CDP質問項目追加、SBTiガイダンス、サプライチェーン契約拡充の4施策を提言し、AI企業の顧客である企業が削減を促す市場シグナルを強化すべきとする。
Closing the Information Gap: AI Scope 3 Emissions Disclosure
Michael P. Vandenbergh, Ethan Ickovics Thorpe, Emily Moberg
AIデータセンターの電力需要と排出増に対し、公的規制の空白を民間開示制度で補う改革を提案。S&P500企業の2024・2025年サステナビリティ報告書のいずれもAI利用の炭素足跡を開示していないと指摘。GHGプロトコルScope 3の明確化、CDP質問項目追加、SBTiガイダンス、サプライチェーン契約での要求拡大の4点を即時実施可能な方策として提示する。
Carbon Accounting for AI Agents: A Per-Task Ledger for Energy and Emissions in Agentic Workflows
Karmendra Pandey
本ホワイトペーパーは、単一モデル呼び出しの枠を超え、プランナー・検索・ツール呼び出し・リトライ・検証を含むAIエージェントのワークフロー全体に対し、タスク単位の炭素台帳を定義する。各ステップのエネルギー×PUE×系統炭素強度に償却済み内包炭素を加え、測定・モデル・開示・例示のラベルを付す。炭素予算をコスト予算のように配分するカーボンアウェア・オーケストレーションを提示し、地域別ルーティングだけで排出量が7倍変動する例を示す。EU AI …
Replication package for "Beyond Reported Emissions: Uncovering Hidden Corporate Carbon Footprints"
Pothin, Florian, Rondeau, Fabien, Razafindrabe, Tovonony +1
本パッケージは、CDP開示における企業のScope 3報告を15カテゴリ別に補正する研究の再現コードと集計結果を提供する。各報告を活動除外・境界不完全・適正開示に分類し、勾配ブースティングモデルで欠損規模を推計、報告値にアンカーした上限の下で補正フットプリントを再構成する。対象は2013〜2023年の13,675社・40,037社年。コードはMIT、集計結果はCC BY 4.0で公開され、原データは非再配布。
Lifecycle Intelligence for Carbon Energy Water Footprint Optimization in Artificial Intelligence Systems
Kuldeep Singh Kaswan, Avadhesh Kumar, Praveena Nair Rajendra +1
AIシステム自体の炭素・エネルギー・水フットプリントをライフサイクル視点で最適化する枠組みを提案する研究。AIの環境負荷を評価・削減する「インテリジェンス」手法に焦点を当てる。要旨未取得のため詳細は限定的だが、AI×環境評価の交差領域に位置づけられる。
Net carbon benefit of CO₂ curing of cement from coupled machine learning and process carbon accounting
Liyuan Chen, Jiaying Pan
セメントのCO₂養生プロセスについて、機械学習とプロセス炭素会計を組み合わせて正味の炭素便益を評価した研究。CO₂の固定・利用と排出を統合的に算定し、養生技術が実際に気候便益をもたらす条件を明らかにする。AIと炭素会計の融合により、CCUS・脱炭素技術の評価精度を高める手法を提示する。
The Role of Artificial Intelligence in Ensuring Transparency and Accountability in Corporate Social Responsibility Initiatives
Nainesh Patel
CSR報告のグリーンウォッシュや指標の不整合、事後的で自己利益的な保証慣行を課題とし、AIが透明性・説明責任をどう強化できるかを検討する。2011〜2024年の文献・機関報告の構造的レビューに基づき、NLP・機械学習による異常検知・ブロックチェーン・対話型AIの4能力を、開示検証・リアルタイム監視・トレーサビリティ保証・参加型ステークホルダー対話の4メカニズムに対応づけた概念枠組みを提示する。情報非対称性の低減、ESG格付けの調和、EU…
Empirical Modeling and Machine Learning Prediction of Operational Electrical Load, Power Quality, and Carbon Emissions in a Korean Steel Manufacturing Plant
Vishwakarma A, Guneja RK
韓国鉄鋼工場の2018年15分間隔メータデータ35,040件を分析。負荷変動と無効電力・力率の関係をパスモデルで示し、MLPが負荷予測でR²=0.72を達成。工場内対策は年440tCO₂の1.7%削減にとどまる一方、夜間シフトは夜間限界排出が高い場合に排出を増やし、昼間太陽光時間への移行は8〜25tCO₂削減した。Scope2会計下での需要シフト設計の重要性を示す。
Boundary-consistent screening of electricity, carbon and water footprints for generative-AI inference: a reproducible methodological note
Er.Lavanya Sivaramakrishnan
生成AI推論の環境フットプリント推定値は、ワークロードや報告指標、インフラ会計境界の違いにより単純比較が困難である。本稿は、公表値を直接比較可能・条件付き比較可能・比較不能に分類する保守的スクリーニング手順を提案する。機能単位・ワークロード・報告統計・境界・電力会計・水消費範囲の整合を要求し、一見矛盾する公表値が測定慣行の非互換から生じることを示す。
Learning When to Transfer: Reinforcement Learning for Carbon-Footprint Modeling in New Manufacturing Domains
Muhammad Umar Farooq, Daniel Cooper
新規材料・工程のカーボンフットプリントを予測する際、既存製造データの無差別な再利用は負の転移を招く。本研究は強化学習により転移の可否を選択する手法を提案し、検証ゲートで改善時のみ転移予測を採用する。材料押出AM5材料729実験で検証し、RMSE 5.2 g CO2e/部品を達成、ターゲット単独学習比20%改善、無差別プーリング比10.3%改善を示した。
Carbon Footprint Estimation from Indian Food Images
Hemendra Kumar R R, Jayanthi P
本研究は、食事画像から炭素フットプリントを自動推定するAIフレームワークを提案する。YOLOv8mベースの物体検出モデルをインド料理31カテゴリ・7,438枚の画像で訓練し、mAP@50で90.4%の高精度を達成した。検出した食品をLCA排出係数にマッピングすることで、食事単位のGHG排出量を自動算定する。将来的にモバイル・Webアプリでのリアルタイム推定や低炭素食事推薦への応用が期待される。
Large Language Models for Energy and Carbon Footprint ...
(著者不明)
タイトルのみで抄録がなく詳細は不明だが、大規模言語モデル（LLM）をエネルギー消費やカーボンフットプリントの評価に応用する研究とみられる。AIを用いた炭素・エネルギー会計の自動化はgxceedが重視するAI×ESGの交点に位置し、開示データ処理の効率化や算定支援への貢献が期待される。