論文・プレプリント

(著者不明)

本論文は、日本の有価証券報告書に含まれる表形式データから構造化情報を抽出する新しいタスク（UFO）を提案する。表のレイアウト認識と意味理解に基づく手法を開発し、人手で作成したベンチマークデータセットを用いて評価した。実験結果は、提案手法が高い精度で表からの情報抽出を実現することを示している。

Chung-Hao Hsu, Asif Khan

本章は、スマートで持続可能なサプライチェーンを監査するためのデータ・ブロックチェーン・アルゴリズム・ガバナンス保証フレームワークを提案する。従来の監査思考をAIとサステナビリティの文脈に拡張し、アルゴリズム決定、ブロックチェーン追跡可能性、ガバナンスの保証を扱う。ブロックチェーンとAIの役割を区別し、AIによる意思決定システムの信頼性と説明可能性を重視する。

Yongzhi Huang

本稿は、サステナビリティ開示の信頼性を評価するためのフレームワーク「Fiscal Geometry」を提案する。AIによる自動検証だけでは不十分で、まず開示請求が構造化された証拠ルーティングプロセスを通る必要があると論じる。開示請求が主張から証拠分類、信頼性評価へと移行する過程を明確にし、AIが開示情報を処理する前に証拠経路を理解する必要性を強調する。

Rola Shawat, Abanoub Wassef, Yaacob Ibrahim +3

この研究は、エジプトの新興市場において、サステナビリティ開示の保証レベル（限定 vs 合理的）と保証提供者（監査法人 vs 非監査法人）が非専門投資家の反応に与える影響を2×2実験で調査。保証レベルが支配的であり、合理的保証が投資家評価を有意に向上させる一方、提供者の種類は有意な影響を与えない。機械学習（SHAP値）を用いた探索的分析も行い、保証が投資判断に影響する経路を解明。

Evha Rozario, Shuchita Shahnaz, Foysal Mahmud +4

本論文は、都市インフラにおけるエネルギー消費とカーボンフットプリント削減のための統合的予測分析フレームワークを提案する。6層から成るフレームワークは、データ取得から予測モデリング、説明可能性、最適化、フィードバックループまでを包含し、解釈可能性を組織的な受容の前提条件と位置付け、持続可能な開発目標（SDGs）に整合する。概念的枠組みを提供し、今後の実証的検証のための設計も提示する。

Weihua Qu, Z D Guo

本稿は、中国のパリ協定加盟を外生的ショックとして、差の差分析とダブル機械学習を組み合わせ、炭素リスクが企業の財務危機に与える影響を分析。高炭素排出企業は低炭素企業よりも財務危機に陥りにくいという結果が得られた。そのメカニズムとして、グリーンイノベーション効果、ESGパフォーマンス、メディア注目が正の調整効果を持つことを確認。さらにXGBoostとSHAPを用いて、炭素リスクが財務危機予測の精度を高めることを示した。

Marco Fiorentini, Matteo Francioni, Stefano Zenobi +9

本研究は、リモートセンシングデータと機械学習（線形、XGBoost、ランダムフォレスト）を用いて土壌有機炭素（SOC）を推定するフレームワークを提案。人工的な「圃場管理ゾーン」変数を追加することで、精度が平均40%向上。カーボンクレジット検証への応用が期待される。

Ikechukwu Okwuosa

バイオガスを原料とした水蒸気改質プロセスによる低炭素水素製造の最適化を、人工ニューラルネットワーク（ANN）と遺伝的アルゴリズム（GA）の統合により行った。Aspen HYSYSによるシミュレーションデータでANNを訓練し、GAで最適条件を探索。水素モル分率0.5536を達成し、検証誤差は2.67%と高精度であった。

Chandan Sharma, Priya Rani

本研究は2017年から2024年までのインド企業におけるESG報告の進化を、NLPに基づくテキスト分析とK-meansクラスタリングを用いて調査した。所有構造が報告に有意に影響し、民間企業がより高い透明性を示す一方、企業規模は環境（E）次元にのみ影響を与えた。ガバナンス（G）が規制圧力により最も顕著であり、環境・社会報告は低く、COVID-19パンデミック時に報告が一時的に減少した。標準化された枠組みの必要性を示唆する。

Tao Li, Yi Wu, Mingyang Li

本研究は、スタッキングアンサンブルとSHAP説明可能性を用いて森林炭素密度と純一次生産量（NPP）をマッピングする手法を提案。中国の森林データを用いて検証し、管理ゾーニングに資する知見を提供。AIと環境評価の交差点としてgxceedの焦点に合致。

An Thi Binh Duong, Linh Tran Khanh Do, Scott McDonald +4

本研究は、進化的機械学習（EML）を建設企業の持続可能なパフォーマンス向上に活用する戦略的枠組みを提案・検証した。ベトナムの建設企業213社のデータ分析から、EML統合戦略と業務実態・関係者の準備・革新能力の整合が、ネットゼロ建設サプライチェーンと業績向上に重要であることを示した。

Yufei Xi, Jiangzhang Zhu, Peng Wang +1

炭素価格予測のための新しいハイブリッドフレームワークEvoGame-CAKNetを提案。進化ゲーム理論で市場参加者の戦略をモデル化し、マルチヘッド注意機構とKANを用いて高次元データの非線形関係を学習。中国4市場での実験でMAPEを18.3～31.6%削減した。

Gaopeng Jiang, Huihui An, Yaling Tian +2

本研究は、長江デルタ地域の運輸産業における炭素排出削減要因と経済成長とのデカップリング効果を分析。STIRPAT-RidgeモデルとTapioデカップリングモデルを用いて、人口、産業構造などが主要な要因であることを示し、政策と市場メカニズムによりデカップリングが強化されていることを明らかにした。

Ramirez, Dely, Muñoz Tabora, Jonathan, Melgar Dominguez, Ozy Daniel

ホンジュラス1990～2023年の年次パネルデータを用い、GDPとCO2排出のデカップリングを機械学習（k-means, Random Forest）や計量経済手法で分析した研究のデータセットとRスクリプトを提供。タピオ指数、環境クズネッツ曲線、構造ブレイク検出などを含む。GX研究の再現性向上に寄与。

Zhao C.

本レビューは、CCUSシステムにおけるCO2輸送の多相計量技術と知的誤差補正手法を包括的にまとめた。AI/MLを活用した誤差補正が計測精度向上に有効であることを示し、実用化への課題と展望を論じている。

Yang J.

本研究は、機械学習を用いて取締役会秘書の特性からESG開示の質を予測する手法を提案している。取締役会秘書の属性が開示品質に与える影響を分析し、AIによる予測モデルの有効性を示す。

O. Zhytkevych

本研究は、環境外部性の内部化を経済理論に基づき、機械学習（自己組織化マップ）を用いて各国の脱炭素経路をクラスタリングする概念枠組みを提案する。高効率型、移行型、化石燃料依存型の3つのクラスタを識別し、協調的脱炭素ハブの特定に貢献する。

M. Uddin, Md. Samsuzzaman Sobuz, Mohamed Ghalla +5

本研究は、バイオチャーを混入したコンクリートの圧縮強度、コスト、CO2排出量を予測するため、ハイブリッド機械学習モデル（XGB-HistGB）を開発・評価した。9つの入力パラメータを用いた実験データに基づき、XGB-HistGBモデルは高い予測精度（R2=0.958）を示し、SHAP分析により微細骨材、材齢、高性能減水剤が重要な影響因子であることが判明した。さらに、ユーザーが配合を入力して即座に性能を予測できるGUIも開発された。バイオ…

Jiaran Liu, Yuheng Huang

本研究では、グリーン建材の性能予測とライフサイクル最適化のための勾配ブースティングベースの枠組みGBMP-LCAを提案する。材料組成、耐久性指標、カーボン排出量などの多様な特徴量にLightGBMを適用し、SHAPによる解釈可能性分析により持続可能性制約下での材料最適化を支援する。実験により従来手法より高い予測精度（R2=0.87）を示し、耐久性向上と炭素排出削減のトレードオフを明らかにした。

Dilba Rayaru Kandiyil, M. Sadique, Denise Lee +2

この研究は、セメント産業の組込み炭素を推定するために、マクロ経済データのみを用いた機械学習とLCAを組み合わせたフレームワークを提案する。GDP per capitaなどからクリンカー対セメント比を予測し、技術別LCAモデルでA1-A3段階の排出量を算出する。18カ国での検証により物理的に妥当な結果を得ており、データ不足地域での炭素政策スクリーニングに貢献する。