論文・プレプリント

Y. Yardımcı, Yasemin Erbil

本レビューは建設業界のLCAにAIを統合する研究を分析。機械学習やANNがエネルギー消費・炭素排出予測に使われるが、データ構造の未整備や標準化不足で断片的。運用エネルギーに偏り、内包影響や広範な持続可能性指標を無視。今後の標準化とリアルタイム監視が重要。

F. Pacheco-Torgal

本論文は、人工知能（AI）が建築環境の脱炭素化と気候レジリエンスに果たす役割を体系的にレビューする。設計段階での生成デザイン、運用時の予知保全やデジタルツイン、廃棄物管理など、建物ライフサイクル全体でのAI応用をマッピングし、エネルギー効率向上、材料循環、レジリエンス強化の可能性を示す。AIの効果はデータ品質、相互運用性、規制枠組み、人材育成に依存し、循環経済戦略と連携することで最大化されると論じる。

Anna Szewczyk, J. Dzwierzynska

本レビューは、AI、生成デザイン、BIMが持続可能な建築設計に与える影響を体系的に評価。PRISMA手法を用い、アルゴリズム知能がSDGs（特に9,11,12,13）を支援するエビデンスを統合。AIベースのヒューリスティック手法により材料使用と構造質量を最適化し、体化炭素を削減できることが示された。生成ワークフローやPINNsは循環性とLCA統合の鍵であるが、遺伝的アルゴリズムの応用不足やAIモデルのエネルギー消費などの課題も指摘された…

Linda Cusumano, Mats Granath, N. Olsson +1

本研究は、セットベースデザインと遺伝的アルゴリズム（NSGA-II）を組み合わせ、建物の初期設計段階でコストと炭素排出を同時に最適化する手法を提案する。参照建物への適用で、遺伝的アルゴリズム単独では炭素排出35%削減（コスト9%増）、セットベースデザイン統合で最大42%削減（同等のコスト増）を達成し、初期設計における優位性を示した。

Chanhyeok Kang, Bokyung Jung, Taekyu Lee +2

本研究は、建物の体化炭素推定のための実用的フレームワークを提案する。最小限の入力属性（延べ床面積、階数など）から簡易IFCモデルを自動生成し、EPDデータをリンクしてベースライン排出量を算出。その結果を機械学習（LightGBM）で補正することで、精度R²=0.803、MAPE=23.3%を達成した。限られた情報からでも信頼性の高い推定が可能であることを示し、BIM-LCA統合やカーボンニュートラル設計・改修に貢献する。

A. Nawarathna, Zaid Alwan, Barry J. Gledson +1

スリランカのオフィスビル25棟のデータを用いて、初期設計段階でエンボディドカーボン（EC）を推定する回帰モデルを開発。グロス内部床面積と外壁面積が主要な変数であり、データ制約下でも実用的なEC推定を可能にする。

N. Albelwi

本研究は、連合学習に基づく建築ストックモデリングシステム「FedCarbon」を提案する。データを一箇所に集約せずに建設関係者が協調して埋込炭素を評価可能とし、差分プライバシーと注意機構により精度とプライバシーを両立。768件の住宅構成データと2340件の欧州データで検証し、R2=94.2%、MAE=21.4 kgCO2e/m2を達成した。

N. Albelwi

本研究は、建設段階のエンボディドカーボンをリアルタイム最適化するデジタルツインLCAフレームワークDT-LCAFを提案。BIM、IoT、ML（グラフ注意ネットワークと強化学習）を統合し、CBECSとICE DBのプロキシデータで10.24%のMAPEと18.4%の炭素削減を達成。実プロジェクトへの適用は今後の課題。

S. Ren, Min Chen

本研究は、船舶統合エネルギーシステム（SIES）のためのデータ駆動型スケジューリング戦略を提案。LSTMによる燃料消費予測とNSGA-IIを用いた多目的最適化により、CO2排出量とコストの削減を同時に実現。中国の79,970DWTばら積み貨物船を対象としたケーススタディでは、太陽光発電と蓄電池の連携で23.6～40.0%の排出削減が可能で、再エネ投資は約6年で回収できることを示した。

Zhihan Qiu

船舶のエネルギー効率管理は、IMOのCII規制等により重要性が増している。本論文は、IoT、ビッグデータ、AIなどのデジタル技術を船舶の燃料消費監視、航路最適化、動力システム制御に適用する実践と課題を分析し、データ相互運用性の低さ、中小造船所の投資コスト、乗組員のデジタルスキル不足などの課題を指摘する。

Bin Xu, Luyang Wang, Tingting Xiang +1

本研究は、機械学習を活用した三者目的最適化フレームワークを提案し、鉄鋼製品の船舶積載計画問題を解決する。積載効率の最大化と炭素排出量の最小化を同時に達成し、実データで99.88%の積載率と95.5%のCO2削減を実証した。DNNサロゲートにより計算速度を3.57倍向上させた。

Aniruddha Bora, J. Chalfant, C. Chryssostomidis

国際海運は世界の温室効果ガス排出量の約3%を占めるが、航路計画は依然としてヒューリスティック手法が主流である。本論文では、物理情報を組み込んだオフライン強化学習フレームワークPIERを提案し、メキシコ湾の7航路で検証した結果、大圏航路と比較して平均CO2排出量を10%削減し、極端な燃料消費（中央値の1.5倍超）を9分の1に低減した。PIERは気象予報に依存せず、局所観測のみで性能を維持する。

Doru Coșofreț, Florin Postolache, Adrian Popa +2

本論文は、海事輸送におけるCO2排出制御のためのハイブリッドデジタル技術を提案する。物理学に基づく適応速度最適化により、燃料消費とCO2排出を約13%削減し、CIIやEU ETSなどの規制遵守を支援する。強化学習（PPO）と厳密最適化手法を統合し、実船データで検証した。固定航路の事前評価ツールとして有用。

Juei-Cheng Jao, Muhammad Hanzla Alvi

本論文は、国際海運の脱炭素化と自律航行船舶（MASS）の法的課題を検討。AIを活用したMASSによる燃料最適化と排出削減の可能性を示す一方、SOLASやCOLREGSなどの既存条約が有人船を前提としており、安全性、サイバーセキュリティ、責任配分に未解決の問題があると指摘。事例研究と他分野の比較から、責任制度の断片化が被害者補償不足やイノベーション阻害を招くリスクを論じ、積極的な法改正を提言している。

M. Spalding

本論文は、国際海運の脱炭素化と海洋保全におけるAIの役割を包括的に検討する。航海最適化、風力推進補助、自動運航、港湾調整、予知保全、船体設計最適化、船体メンテナンスロボティクスなどへの応用を分析し、同時にAIデータセンターのエネルギー消費という環境フットプリントにも言及する。IMOの2023年GHG戦略（2050年ネットゼロ）を背景に、気候目標と海洋生態系保護を両立する研究方向性を提案する。

Dimitra Palantza, Konstantinos Karyotis, Judit Torres Fernández del Campo +2

本研究は、地中海式アグロフォレストリーシステムにおいて、機械学習とリモートセンシングを統合した土壌有機炭素（SOC）の高解像度マッピング手法を開発。Sentinel-2データと環境共変量を用いたハイブリッドモデルにより、R2 0.76、RMSE 0.03の精度を達成し、Tier-3 GHGインベントリやMRVシステムへの応用可能性を示した。

Md. Fardous Hasan Bappy

この論文は、産業脱炭素化のためにレジリエントなハイブリッドマイクログリッドを設計する際に、メタヒューリスティック最適化手法と商用ソルバーを比較している。AIを活用した最適化がエネルギーシステムの効率とコスト削減に寄与するかを分析し、産業用グリーン変革への示唆を提供する。

Simin Huang, Lin Yang, Jing Meng +4

本研究は、機械学習最適化フレームワークを用いて、5つの実現技術（水素、貯蔵、送電網、電化交通、CCUS）が脱炭素、公平性、レジリエンスの3つの移行目標に与える影響を定量化し、効率最大の投資配分を特定した。分析の結果、投資分布は移行パフォーマンスから乖離しており、過小投資の水素インフラと貯蔵が三次元的な進歩を促進する一方、過剰投資の送電網と電化交通がCCUSの不足により炭素集約型システムを固定化していることが判明した。提案として、水素イン…

Adekola Priscilla

本研究は、中国の二酸化炭素目標のもと、農業炭素吸収源の空間的波及効果と動的進化を分析した。2000～2022年の30省のパネルデータを用い、空間計量モデル（空間ダービンモデル）と機械学習（ランダムフォレスト類似）を適用。その結果、炭素吸収源には正の空間的自己相関があり、1単位の増加が隣接省の0.35単位増加につながる波及効果が確認された。また、東部・中部では収束傾向がある一方、西部は「低吸収源の罠」に陥っており、政策連携が不可欠である。

Deepti Singh, Rakesh Kumar, Pooja

本研究は、自己充填コンクリート（SCC）の配合設計に人工知能（ANN、RF、GA）を適用し、強度と施工性を維持しながら炭素排出量を21～29%削減する最適配合を特定した。120サンプルのデータセットを用いてANNとRFモデルが強度・流動性・粘度・炭素排出量を予測し、RFが高精度を示した。遺伝的アルゴリズムにより低炭素かつ性能を満たす配合を自動探索する手法を確立した。