論文の概要: Entity Linking using LLMs for Automated Product Carbon Footprint Estimation

• arxiv url: http://arxiv.org/abs/2502.07418v1
• Date: Tue, 11 Feb 2025 09:54:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-12 14:08:11.705639
• Title: Entity Linking using LLMs for Automated Product Carbon Footprint Estimation
• Title（参考訳）: LLMを用いた自動製品カーボンフットプリント推定のためのエンティティリンク
• Authors: Steffen Castle, Julian Moreno Schneider, Leonhard Hennig, Georg Rehm,
• Abstract要約: 気候変動や持続可能性に関する懸念が高まっているため、製造業者は二酸化炭素排出量削減に向けて大きな一歩を踏み出している。 これらの製造業者にとって、この目標に向けた第一歩は、製品の各コンポーネントの環境影響を特定することである。 本稿では,大規模言語モデル(LLM)を利用して,製造元Bills of Materials(BOM)からLCA(Life Cycle Assessment)データベースへのコンポーネントの自動マッピングを行うシステムを提案する。
• 参考スコア（独自算出の注目度）: 4.423169535332588
• License:
• Abstract: Growing concerns about climate change and sustainability are driving manufacturers to take significant steps toward reducing their carbon footprints. For these manufacturers, a first step towards this goal is to identify the environmental impact of the individual components of their products. We propose a system leveraging large language models (LLMs) to automatically map components from manufacturer Bills of Materials (BOMs) to Life Cycle Assessment (LCA) database entries by using LLMs to expand on available component information. Our approach reduces the need for manual data processing, paving the way for more accessible sustainability practices.
• Abstract（参考訳）: 気候変動や持続可能性に関する懸念が高まっているため、製造業者は二酸化炭素排出量削減に向けて大きな一歩を踏み出している。 これらの製造業者にとって、この目標に向けた第一歩は、製品の各コンポーネントの環境影響を特定することである。 本稿では,大規模言語モデル(LLM)を活用して,製造元Bills of Materials(BOM)からLCA(Life Cycle Assessment)データベースへのコンポーネントの自動マッピングを行うシステムを提案する。 我々のアプローチは、手動のデータ処理の必要性を減らし、よりアクセスしやすいサステナビリティプラクティスへの道を開く。

関連論文リスト

• Representation Learning of Complex Assemblies, An Effort to Improve Corporate Scope 3 Emissions Calculation [0.276240219662896]
  政府、企業、市民も同様に、製造品やサービスの提供による気候への影響を正確に評価する必要がある。 プロセスライフサイクル分析(pLCA)は、生産、使用、廃棄の気候への影響を評価するために用いられる。 代用部品を特定するための半教師付き学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-21T06:21:31Z)
• 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)
• Self-Play Fine-Tuning Converts Weak Language Models to Strong Language Models [52.98743860365194]
  本稿では,SPIN(Self-Play fIne-tuNing)と呼ばれるファインチューニング手法を提案する。 SPINの中心には自己再生機構があり、LLMは自身のインスタンスと対戦することでその能力を洗練させる。 このことは、自己プレイの約束に光を当て、熟練した相手を必要とせずに、LSMにおける人間レベルのパフォーマンスの達成を可能にする。
  論文  参考訳（メタデータ） (2024-01-02T18:53:13Z)
• From Quantity to Quality: Boosting LLM Performance with Self-Guided Data Selection for Instruction Tuning [52.257422715393574]
  本稿では,Large Language Models (LLMs) の自己誘導手法を導入し,オープンソースデータセットからサクラサンプルを自動識別し,選択する。 我々の重要な革新である命令追従困難度(IFD)メトリックは、モデルが期待する応答と本質的な生成能力の相違を識別するための重要な指標として現れます。
  論文  参考訳（メタデータ） (2023-08-23T09:45:29Z)
• AutoPCF: Efficient Product Carbon Footprint Accounting with Large Language Models [5.875750227370339]
  本稿では,AIによる自動会計フレームワークであるAutoPCFを提案し,計算パラメータの自動マッチングにディープラーニングアルゴリズムを適用し,最終的にPCFを計算した。 これらの結果から,PCFの自動モデリングと推定を数日から数分に短縮できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-08-08T13:12:03Z)
• 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)
• GreenDB -- A Dataset and Benchmark for Extraction of Sustainability Information of Consumer Goods [58.31888171187044]
  毎週、ヨーロッパのオンラインショップから商品を収集するデータベースであるGreenDBを提示する。 製品サステナビリティのプロキシとして、専門家が評価するサステナビリティラベルに依存している。 本稿では,データを用いてトレーニングしたMLモデルを用いて,製品のサステナビリティラベルを確実に予測できることを示す。
  論文  参考訳（メタデータ） (2022-07-21T19:59:42Z)
• GreenDB: Toward a Product-by-Product Sustainability Database [2.9971739294416717]
  現代の小売プラットフォームは、検索とレコメンデーションシステムに機械学習(ML)に大きく依存している。 製品ごとにサステナビリティ情報を統合するオープンでパブリックなデータベースは存在しない。 グリーンDBデータセットを生成するスクラップシステムの概念実装の実証について述べる。
  論文  参考訳（メタデータ） (2022-05-05T20:24:16Z)
• Towards Green Automated Machine Learning: Status Quo and Future Directions [71.86820260846369]
  AutoMLは高いリソース消費で批判されている。 本稿では,AutoMLプロセス全体を環境に優しいものにするためのパラダイムであるGreen AutoMLを提案する。
  論文  参考訳（メタデータ） (2021-11-10T18:57:27Z)

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。