論文の概要: Carbon Figures of Merit Knowledge Creation with a Hybrid Solution and Carbon Tables API

• arxiv url: http://arxiv.org/abs/2205.09175v1
• Date: Wed, 18 May 2022 18:53:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-20 12:09:20.885454
• Title: Carbon Figures of Merit Knowledge Creation with a Hybrid Solution and Carbon Tables API
• Title（参考訳）: ハイブリッドソリューションとCarbon Tables APIによるメリットの創造のカーボンフィギュア
• Authors: Maira Gatti de Bayser
• Abstract要約: 非同期REST APIは、功利的な知識のカーボンフィギュアの作成を加速するために記述されている。 知識は科学的なPDF文書の表から作成され、知識グラフに格納される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Nowadays there are algorithms, methods, and platforms that are being created to accelerate the discovery of materials that are able to absorb or adsorb $CO_2$ molecules that are in the atmosphere or during the combustion in power plants, for instance. In this work an asynchronous REST API is described to accelerate the creation of Carbon figures of merit knowledge, called Carbon Tables, because the knowledge is created from tables in scientific PDF documents and stored in knowledge graphs. The figures of merit knowledge creation solution uses a hybrid approach, in which heuristics and machine learning are part of. As a result, one can search the knowledge with mature and sophisticated cognitive tools, and create more with regards to Carbon figures of merit.
• Abstract（参考訳）: 今日では、大気中や発電所の燃焼中にCO_2$分子を吸収または吸着できる物質の発見を加速するために、アルゴリズム、手法、プラットフォームが作成されている。 この本では、科学的なpdf文書の表から知識が作成され、知識グラフに格納されるので、非同期rest apiがカーボン・フィギュア・オブ・メリット・ナレッジ(carbon figures of merit knowledge)の作成を加速するために説明されています。 メリット知識創造ソリューションの数値は、ヒューリスティックスと機械学習が組み合わさったハイブリッドアプローチを採用している。 結果として、成熟した洗練された認知ツールを用いて知識を探索し、炭素の有益度に関してさらに多くのものを作成することができる。

関連論文リスト

• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• Embodied Carbon Accounting through Spatial-Temporal Embodied Carbon Models [5.121964222836084]
  炭化炭素 (Embodied carbon) は、クレードルからゲートへの生成物に関連するプロセスから放出される全炭素である。 既存の研究は、ライフサイクル分析(LCA)のレポートを通じて、炭素のエンボディ化を導出している。 本報告では, 炭素会計のための新しい時空間エンボディカーボンモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-11T13:20:21Z)
• Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
  機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。 そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。 予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
  論文  参考訳（メタデータ） (2023-03-24T18:32:38Z)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
  我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。 私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-10T17:04:04Z)
• Taxonomy Enrichment with Text and Graph Vector Representations [61.814256012166794]
  我々は,既存の分類学に新たな語を加えることを目的とした分類学の豊かさの問題に対処する。 我々は,この課題に対して,少ない労力で高い結果を得られる新しい手法を提案する。 我々は、異なるデータセットにわたる最先端の結果を達成し、ミスの詳細なエラー分析を提供する。
  論文  参考訳（メタデータ） (2022-01-21T09:01:12Z)
• Semantic Workflows and Machine Learning for the Assessment of Carbon Storage by Urban Trees [3.7326934284216877]
  本研究は、気候変動に関する政府間パネル(IPCC)のガイドラインに従って、アフリカの地域における炭素貯蔵量を推定する。 我々の知る限りでは、気候変動に関する政府間パネル(IPCC)のガイドラインに従い、アフリカ各地の炭素貯蔵量を推定する最初の研究である。
  論文  参考訳（メタデータ） (2020-09-22T01:30:29Z)
• Towards the Systematic Reporting of the Energy and Carbon Footprints of Machine Learning [68.37641996188133]
  我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。 エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。 炭素排出量削減とエネルギー消費削減のための戦略を提案する。
  論文  参考訳（メタデータ） (2020-01-31T05:12:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。