論文の概要: Emission-GPT: A domain-specific language model agent for knowledge retrieval, emission inventory and data analysis
- arxiv url: http://arxiv.org/abs/2510.02359v1
- Date: Sun, 28 Sep 2025 07:50:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-06 16:35:52.04072
- Title: Emission-GPT: A domain-specific language model agent for knowledge retrieval, emission inventory and data analysis
- Title（参考訳）: ドメイン固有言語モデルエージェントElectron-GPT : 知識検索,エミッションインベントリ,データ分析
- Authors: Jiashu Ye, Tong Wu, Weiwen Chen, Hao Zhang, Zeteng Lin, Xingxing Li, Shujuan Weng, Manni Zhu, Xin Yuan, Xinlong Hong, Jingjie Li, Junyu Zheng, Zhijiong Huang, Jing Tang,
- Abstract要約: エミッションGPT(Electron-GPT)は、大気のエミッションドメインに適した、知識に富んだ大規模言語モデルエージェントである。
1万以上のドキュメント(標準、レポート、ガイドブック、ピアレビューされた文献を含む)のキュレートされた知識ベース上に構築されたElectron-GPTは、迅速なエンジニアリングと質問補完を統合し、正確なドメイン固有の質問応答をサポートする。
ユーザは、クエリや視覚化、ソースコントリビューションの分析、ユーザ定義シナリオのエミッションファクタの推奨といった、自然言語によるエミッションデータをインタラクティブに分析することができる。
- 参考スコア（独自算出の注目度）: 17.30731286907039
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Improving air quality and addressing climate change relies on accurate understanding and analysis of air pollutant and greenhouse gas emissions. However, emission-related knowledge is often fragmented and highly specialized, while existing methods for accessing and compiling emissions data remain inefficient. These issues hinder the ability of non-experts to interpret emissions information, posing challenges to research and management. To address this, we present Emission-GPT, a knowledge-enhanced large language model agent tailored for the atmospheric emissions domain. Built on a curated knowledge base of over 10,000 documents (including standards, reports, guidebooks, and peer-reviewed literature), Emission-GPT integrates prompt engineering and question completion to support accurate domain-specific question answering. Emission-GPT also enables users to interactively analyze emissions data via natural language, such as querying and visualizing inventories, analyzing source contributions, and recommending emission factors for user-defined scenarios. A case study in Guangdong Province demonstrates that Emission-GPT can extract key insights--such as point source distributions and sectoral trends--directly from raw data with simple prompts. Its modular and extensible architecture facilitates automation of traditionally manual workflows, positioning Emission-GPT as a foundational tool for next-generation emission inventory development and scenario-based assessment.
- Abstract（参考訳）: 大気質の改善と気候変動への対処は、大気汚染物質と温室効果ガスの正確な理解と分析に依存している。
しかしながら、エミッション関連の知識は断片化され、高度に専門化されていることが多いが、エミッションデータにアクセスし、コンパイルするための既存の手法は依然として非効率である。
これらの問題は、非専門家が排出に関する情報を解釈し、研究と管理に課題を提起する能力を妨げている。
この問題に対処するため,我々は,エミッションドメインに適した知識に富んだ大規模言語モデルエージェントであるElectron-GPTを提案する。
1万以上のドキュメント(標準、レポート、ガイドブック、ピアレビューされた文献を含む)のキュレートされた知識ベース上に構築されたElectron-GPTは、迅速なエンジニアリングと質問補完を統合し、正確なドメイン固有の質問応答をサポートする。
emission-GPTはまた、ユーザが自然言語でエミッションデータをインタラクティブに分析することを可能にする。例えば、クエリや在庫の視覚化、ソースコントリビューションの分析、ユーザ定義シナリオに対するエミッションファクタの推奨などだ。
広東省のケーススタディでは、エミッションGPTが、簡単なプロンプトで生データから直接、ポイントソース分布やセクタートレンドなどの重要な洞察を抽出できることを示した。
そのモジュラーで拡張可能なアーキテクチャは、従来の手動ワークフローの自動化を促進し、次世代のエミッションインベントリ開発とシナリオベースのアセスメントの基礎となるツールとしてElectron-GPTを位置づけている。
関連論文リスト
- GeoGPT-RAG Technical Report [48.23789135946953]
GeoGPTは、地球科学の研究を進めるために開発されたオープンな大規模言語モデルシステムである。
RAGは、外部知識ソースから取得した関連情報を出力する。
RAGは、地質学的コンテンツ用にキュレーションされた特殊なコーパスであるGeoGPT Libraryから、RAGを使用して描画する。
論文 参考訳（メタデータ） (2025-08-18T08:29:22Z) - Leveraging Land Cover Priors for Isoprene Emission Super-Resolution [15.868193361155656]
本研究は,BVOCエミッションマップの精錬に費用効率の高いデータ駆動型アプローチを提供することにより,大気化学と気候モデリングに寄与する。
提案手法は,衛星による排出データの利用性を高め,大気質予測,気候影響評価,環境研究への応用を支援する。
論文 参考訳（メタデータ） (2025-03-24T13:23:46Z) - Enhancing LLMs for Governance with Human Oversight: Evaluating and Aligning LLMs on Expert Classification of Climate Misinformation for Detecting False or Misleading Claims about Climate Change [0.0]
気候の誤報は、大規模言語モデル(LLM)の開発によって著しく悪化する可能性がある問題である。
本研究では, LLMが問題ではなく, オンラインの偽情報の緩和に有効である可能性を評価する。
論文 参考訳（メタデータ） (2025-01-23T16:21:15Z) - CarbonChat: Large Language Model-Based Corporate Carbon Emission Analysis and Climate Knowledge Q&A System [4.008184902967172]
大規模言語モデルに基づくコーポレートカーボンエミッション分析と気候知識Q&Aシステムを提案する。
ルールベースおよび長文文書のセグメンテーションを扱うために,多種多様なインデックスモジュール構築法を提案する。
炭素排出量分析のための14の次元が確立されており、レポートの要約、関連性評価、カスタマイズされた応答を可能にしている。
論文 参考訳（メタデータ） (2025-01-03T08:45:38Z) - Evaluating Automatic Speech Recognition Systems for Korean Meteorological Experts [48.89527378273811]
本稿では,韓国の気象学者を対象とした自然言語クエリシステムへの自動音声認識の統合について検討する。
韓国の気象分野におけるASRシステム開発における課題に対処する。
論文 参考訳（メタデータ） (2024-10-24T05:40:07Z) - Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - Emissions Reporting Maturity Model: supporting cities to leverage
emissions-related processes through performance indicators and artificial
intelligence [0.0]
本研究は,排出報告イニシアチブからのデータの調査,クラスタリング,分析を行うための排出報告成熟度モデル(ERMM)を提案する。
PIDPは,エミッション関連データベースからのデータ作成,クラスタリング手法の異なる類似性によるデータの分類,パフォーマンス指標候補の同定を支援する。
論文 参考訳（メタデータ） (2023-12-08T17:51:57Z) - 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) - Towards Understanding Omission in Dialogue Summarization [45.932368303107104]
これまでの研究では, 省略が要約の質に影響を及ぼす主要な要因であることが示唆された。
本稿では,対話要約のための高品質なオミッションラベルを提供するOLDSデータセットを提案する。
論文 参考訳（メタデータ） (2022-11-14T06:56:59Z) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳（メタデータ） (2020-11-03T21:22:42Z)
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。