論文の概要: AI-driven E-Liability Knowledge Graphs: A Comprehensive Framework for
Supply Chain Carbon Accounting and Emissions Liability Management
- arxiv url: http://arxiv.org/abs/2312.00045v1
- Date: Sun, 26 Nov 2023 23:09:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 03:59:47.519927
- Title: AI-driven E-Liability Knowledge Graphs: A Comprehensive Framework for
Supply Chain Carbon Accounting and Emissions Liability Management
- Title（参考訳）: ai駆動e-liability knowledge graphs: サプライチェーン炭素会計と排出責任管理のための包括的枠組み
- Authors: Olamide Oladeji, Seyed Shahabeddin Mousavi, Marc Roston
- Abstract要約: 本稿では,Kaplan と Ramanna が提唱した E-liability carbon accounting method and emissions Liability Management (ELM) を紹介する。
我々は、AIと計算を活用する新しいデータ駆動統合フレームワーク、E-Liability Knowledge Graphフレームワークを紹介します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While carbon accounting plays a fundamental role in our fight against climate
change, it is not without its challenges. We begin the paper with a critique of
the conventional carbon accounting practices, after which we proceed to
introduce the E-liability carbon accounting methodology and Emissions Liability
Management (ELM) originally proposed by Kaplan and Ramanna, highlighting their
strengths. Recognizing the immense value of this novel approach for real-world
carbon accounting improvement, we introduce a novel data-driven integrative
framework that leverages AI and computation - the E-Liability Knowledge Graph
framework - to achieve real-world implementation of the E-liability carbon
accounting methodology. In addition to providing a path-to-implementation, our
proposed framework brings clarity to the complex environmental interactions
within supply chains, thus enabling better informed and more responsible
decision-making. We analyze the implementation aspects of this framework and
conclude with a discourse on the role of this AI-aided knowledge graph in
ensuring the transparency and decarbonization of global supply chains.
- Abstract（参考訳）: 炭素収支は気候変動と闘う上で基本的な役割を担っているが、その課題がないわけではない。
本稿は、従来の炭素会計の実践を批判し、その後、カプランとラマンナが提唱したE-liability Carbon Accounting Method and Emissions Liability Management (ELM)を導入し、その強みを強調した。
実世界の炭素会計改善のためのこの新しいアプローチの膨大な価値を認識し、E-liability Knowledge GraphフレームワークであるAIと計算を活用する新しいデータ駆動統合フレームワークを導入し、E-liability Carbon Accounting方法論の現実の実装を実現します。
提案手法は,サプライチェーン内の複雑な環境相互作用を明確化し,より良い情報とより責任のある意思決定を可能にする。
我々は,このフレームワークの実装面を分析し,グローバルサプライチェーンの透明性と脱炭を確実にする上で,このAI支援知識グラフの役割について論じる。
関連論文リスト
- Integrating AI's Carbon Footprint into Risk Management Frameworks: Strategies and Tools for Sustainable Compliance in Banking Sector [0.0]
本稿では,AIの炭素フットプリントを銀行セクターのリスク管理フレームワーク(RMF)に統合することを検討する。
近年のAI研究、例えばOpen Mixture-of-Experts (OLMoE)フレームワークは、より効率的でダイナミックなAIモデルを提供する。
これらの技術的例を用いて、この論文は、銀行がAIの炭素フットプリントを特定し、評価し、緩和するための構造化されたアプローチを概説している。
論文 参考訳（メタデータ） (2024-09-15T23:09:27Z) - Carbon Footprint Accounting Driven by Large Language Models and Retrieval-augmented Generation [3.428260237038657]
従来のライフサイクルアセスメント手法は人間の専門知識に大きく依存しており、ほぼリアルタイムのアップデートを困難にしている。
本稿では,大規模言語モデル(LLM)と検索拡張生成技術を統合し,炭素フットプリント情報検索と分析のリアルタイム,専門的,経済的な側面を強化する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-08-19T06:05:24Z) - Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。
階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。
MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文 参考訳（メタデータ） (2024-06-12T05:08:51Z) - 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) - Efficient Strategies on Supply Chain Network Optimization for Industrial Carbon Emission Reduction [0.0]
本研究では, 産業用炭素排出量削減を目的としたサプライチェーンネットワーク最適化の効率化戦略について検討した。
本稿では, リアルタイムの炭素排出量データを活用したアダプティブカーボン排出量指数(ACEI)を導入し, サプライチェーン運用における即時調整を行う。
論文 参考訳（メタデータ） (2024-04-17T14:53:55Z) - Towards Sustainable SecureML: Quantifying Carbon Footprint of Adversarial Machine Learning [0.0]
敵MLの炭素フットプリントに関する最初の研究を開拓した。
ロバストネス炭素トレードオフ指数(RCTI)について紹介する。
この新しい計量は、経済の弾力性原理にインスパイアされ、反対の強靭性の変化に対する二酸化炭素の感度を捉えている。
論文 参考訳（メタデータ） (2024-03-27T21:02:15Z) - Leveraging AI-derived Data for Carbon Accounting: Information Extraction
from Alternative Sources [0.0]
我々は、信頼できる炭素会計手順への道筋に重要な役割を果たす、より多様なデータソースの必要性について論じる。
金融・海運データに対するOpenAIのGPT APIを用いたNLPを用いた分析により,近年の現実世界データに関するケーススタディを提案する。
論文 参考訳（メタデータ） (2023-11-26T22:49:41Z) - Accountability in Offline Reinforcement Learning: Explaining Decisions
with a Corpus of Examples [70.84093873437425]
本稿では、オフラインデータセットを決定コーパスとして利用するAOC(Accountable Offline Controller)を紹介する。
AOCはローデータシナリオで効果的に動作し、厳密なオフラインの模倣設定まで拡張でき、保存性と適応性の両方の品質を示す。
シミュレーションおよび実世界の医療シナリオにおいて、AOCのパフォーマンスを評価し、説明責任を維持しながら高いレベルのパフォーマンスでオフライン制御タスクを管理する能力を強調した。
論文 参考訳（メタデータ） (2023-10-11T17:20:32Z) - 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) - (Private)-Retroactive Carbon Pricing [(P)ReCaP]: A Market-based Approach
for Climate Finance and Risk Assessment [64.83786252406105]
Retrospective Social Cost of Carbon Updating (ReSCCU) は、実験的に測定された証拠を収集して制限を補正する新しいメカニズムである。
炭素税の文脈でReSCCUを実装するために,Retroactive Carbon Pricing (ReCaP)を提案する。
組織的リスクを緩和し、政府の関与を最小限に抑えるため、我々はPrivate ReCaP(Private ReCaP)予測市場を導入する。
論文 参考訳（メタデータ） (2022-05-02T06:02:13Z) - 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。