論文の概要: Circular Microalgae-Based Carbon Control for Net Zero
- arxiv url: http://arxiv.org/abs/2502.02382v1
- Date: Tue, 04 Feb 2025 15:01:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 14:52:14.024894
- Title: Circular Microalgae-Based Carbon Control for Net Zero
- Title（参考訳）: 循環型マイクロ藻類によるネットゼロの炭素制御
- Authors: Federico Zocco, Joan García, Wassim M. Haddad,
- Abstract要約: 気候変動の主な原因は、大気中の二酸化炭素の蓄積による温室効果である。
この研究は、古典的で学習ベースのネットワーク制御問題としてネットゼロにアプローチする最初のステップである。
- 参考スコア（独自算出の注目度）: 1.1265248232450553
- License:
- Abstract: The alteration of the climate in various areas of the world is of increasing concern since climate stability is a necessary condition for human survival as well as every living organism. The main reason of climate change is the greenhouse effect caused by the accumulation of carbon dioxide in the atmosphere. In this paper, we design a networked system underpinned by compartmental dynamical thermodynamics to circulate the atmospheric carbon dioxide. Specifically, in the carbon dioxide emitter compartment, we develop an initial-condition-dependent finite-time stabilizing controller that guarantees stability within a desired time leveraging the system property of affinity in the control. Then, to compensate for carbon emissions we show that a cultivation of microalgae with a volume 625 times bigger than the one of the carbon emitter is required. To increase the carbon uptake of the microalgae, we implement the nonaffine-in-the-control microalgae dynamical equations as an environment of a state-of-the-art library for reinforcement learning (RL), namely, Stable-Baselines3, and then, through the library, we test the performance of eight RL algorithms for training a controller that maximizes the microalgae absorption of carbon through the light intensity. All the eight controllers increased the carbon absorption of the cultivation during a training of 200,000 time steps with a maximum episode length of 200 time steps and with no termination conditions. This work is a first step towards approaching net zero as a classical and learning-based network control problem. The source code is publicly available.
- Abstract（参考訳）: 気候の安定は人類の生存に必要な条件であり、あらゆる生物の生存に必要な条件であるため、世界中の様々な地域での気候の変化が懸念されている。
気候変動の主な原因は、大気中の二酸化炭素の蓄積による温室効果である。
本稿では,大気中の二酸化炭素を循環するネットワークシステムの設計を行う。
具体的には、二酸化炭素エミッタコンパートメントにおいて、制御における親和性のシステム特性を利用した所望時間内での安定性を保証する初期条件依存有限時間安定化制御器を開発する。
次に, 二酸化炭素排出量を補うために, 二酸化炭素排出源の625倍の体積を持つマイクロ藻の栽培が必要であることを示す。
マイクロ藻類の炭素摂取量を増やすため, 強化学習のための最先端ライブラリであるStable-Baselines3の環境として非アフィン・イン・ザ・コントロール型マイクロ藻類力学式を実装し, ライブラリを通して, 光強度による炭素の微細藻類吸収を最大化するコントローラを訓練するための8つのRLアルゴリズムの性能試験を行った。
8つのコントローラはすべて、200,000タイムステップで最大200タイムステップ、終了条件のないトレーニングにおいて、栽培の炭素吸収を増加させた。
この研究は、古典的で学習ベースのネットワーク制御問題としてネットゼロにアプローチする最初のステップである。
ソースコードは公開されている。
関連論文リスト
- Improving Power Plant CO2 Emission Estimation with Deep Learning and Satellite/Simulated Data [0.0]
発電所からのCO2排出は、重要なスーパーエミッターとして、地球温暖化に大きく貢献する。
本研究では、Sentinel-5PからのNO2データの統合、連続したXCO2マップの生成、OCO-2/3からの実際の衛星観測をデータスカース領域における71以上の発電所に組み込むことにより、利用可能なデータセットを拡張することによる課題に対処する。
論文 参考訳（メタデータ） (2025-02-04T08:05:15Z) - The Sunk Carbon Fallacy: Rethinking Carbon Footprint Metrics for Effective Carbon-Aware Scheduling [2.562727244613512]
本研究は, 炭素会計指標を用いて, 所定のサーバ群上での炭素を意識したジョブスケジューリングと配置を評価する。
本研究では, 炭素添加コストに影響を及ぼす要因について検討した。
論文 参考訳（メタデータ） (2024-10-19T12:23:59Z) - CarbonSense: A Multimodal Dataset and Baseline for Carbon Flux Modelling [9.05128569357374]
データ駆動型カーボンフラックスモデリングのための、最初の機械学習対応データセットであるCarbonSenseを紹介する。
我々の実験は、マルチモーダルなディープラーニング技術がこの領域にもたらす可能性を示している。
論文 参考訳（メタデータ） (2024-06-07T13:47:40Z) - A Comprehensive Approach to Carbon Dioxide Emission Analysis in High Human Development Index Countries using Statistical and Machine Learning Techniques [4.106914713812204]
世界規模の二酸化炭素排出量を効果的に削減するためには、二酸化炭素排出量の傾向を予測し、その排出量パターンに基づいて国を分類することが不可欠だ」と述べた。
本稿では,HDI(Human Development Index)を有する20カ国におけるCO2排出量の決定要因について,25年間にわたる経済,環境,エネルギー利用,再生可能資源に関連する要因について,詳細な比較研究を行った。
論文 参考訳（メタデータ） (2024-05-01T21:00:02Z) - 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) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language
Model [72.65502770895417]
176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。
BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。
本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
論文 参考訳（メタデータ） (2022-11-03T17:13:48Z) - Near Real-time CO$_2$ Emissions Based on Carbon Satellite And Artificial
Intelligence [20.727982405167758]
我々は、データ検索アルゴリズムと2ステップのデータ駆動ソリューションの両方を含む統合AIベースのパイプラインを提案する。
まず、データ検索アルゴリズムは、炭素衛星、炭素源の情報、およびいくつかの環境要因を含むマルチモーダルデータから効率的なデータセットを生成することができる。
第二に、深層学習技術の強力な表現を適用した2段階のデータ駆動ソリューションは、人為的CO$排出の定量化を学習する。
論文 参考訳（メタデータ） (2022-10-11T12:01:32Z) - 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) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - Optimizing carbon tax for decentralized electricity markets using an
agent-based model [69.3939291118954]
人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。
炭素税は、この移行を支援する効率的な方法であることが示されている。
NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
論文 参考訳（メタデータ） (2020-05-28T06:54:43Z)
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。