論文の概要: Neural Network-enabled Domain-consistent Robust Optimisation for Global CO$_2$ Reduction Potential of Gas Power Plants

• arxiv url: http://arxiv.org/abs/2510.14125v1
• Date: Wed, 15 Oct 2025 21:47:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.633491
• Title: Neural Network-enabled Domain-consistent Robust Optimisation for Global CO$_2$ Reduction Potential of Gas Power Plants
• Title（参考訳）: ガス発電プラントのCO$2$還元ポテンシャルに対するニューラルネットワーク対応ドメイン一貫性ロバスト最適化
• Authors: Waqar Muhammad Ashraf, Talha Ansar, Abdulelah S. Alshehri, Peipei Chen, Ramit Debnath, Vivek Dua,
• Abstract要約: 非線形プログラミング手法に制約としてデータ駆動ドメインを統合するニューラルネットワーク駆動のロバスト最適化フレームワークを導入する。 この効率性は、世界規模のガス発電所に初めて導入され、毎年CO$26の還元ポテンシャルを見積もる。
• 参考スコア（独自算出の注目度）: 0.9236074230806578
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a neural network-driven robust optimisation framework that integrates data-driven domain as a constraint into the nonlinear programming technique, addressing the overlooked issue of domain-inconsistent solutions arising from the interaction of parametrised neural network models with optimisation solvers. Applied to a 1180 MW capacity combined cycle gas power plant, our framework delivers domain-consistent robust optimal solutions that achieve a verified 0.76 percentage point mean improvement in energy efficiency. For the first time, scaling this efficiency gain to the global fleet of gas power plants, we estimate an annual 26 Mt reduction potential in CO$_2$ (with 10.6 Mt in Asia, 9.0 Mt in the Americas, and 4.5 Mt in Europe). These results underscore the synergetic role of machine learning in delivering near-term, scalable decarbonisation pathways for global climate action.
• Abstract（参考訳）: 本稿では,データ駆動型ドメインを非線形プログラミング手法に制約として統合するニューラルネットワーク駆動型ロバスト最適化フレームワークを提案する。 1180 MW の容量複合サイクルガス発電プラントに適用して,本フレームワークは,エネルギー効率の0.76 パーセント向上を実証した,ドメイン一貫性の強い最適解を提供する。 この効率性は、初めて世界のガス発電所に拡大し、CO$2$(アジアで10.6、アメリカで9.0、ヨーロッパで4.5)の26の還元ポテンシャルを推定した。 これらの結果は、温暖化対策のための短期的でスケーラブルな脱炭経路を提供する上で、機械学習が相乗的な役割を担っていることを裏付けている。

関連論文リスト

• NM-Hebb: Coupling Local Hebbian Plasticity with Metric Learning for More Accurate and Interpretable CNNs [0.0]
  NM-Hebbは神経刺激による局所的可塑性と遠隔監視を統合している。 フェーズ1は、クロスエントロピーの目標を共同で最適化することで、標準的な教師付きトレーニングを拡張します。 フェーズ2は、一対のメートル法学習損失でバックボーンを微調整する。
  論文  参考訳（メタデータ） (2025-08-27T13:53:04Z)
• AOLO: Analysis and Optimization For Low-Carbon Oriented Wireless Large Language Model Services [14.664814078159282]
  大規模言語モデル (LLM) は、エネルギー消費と炭素フットプリントの大幅な増加により、懸念が高まっている。 低炭素指向の無線LLMサービスの解析と最適化のためのフレームワークであるAOLOを提案する。 AOLOは、LLMサービスチェーン全体にわたる温室効果ガス排出量を定量化する包括的な炭素フットプリントモデルを導入している。 SNNに基づく深部強化学習(SDRL)という低炭素指向最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-06T13:21:38Z)
• Domain Consistent Industrial Decarbonisation of Global Coal Power Plants [0.0]
  機械学習と最適化技術(MLOPT)は、産業システムの脱炭を加速する大きな可能性を秘めている。 しかし、産業環境におけるMLOPTの実践的応用は、ドメインコンプライアンスの欠如とシステム固有の一貫性の欠如によってしばしば妨げられる。 本稿では,ドメインの専門知識とデータ駆動手法を統合したHuman-in-the-loop(HITL)制約に基づく最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-05T15:00:39Z)
• Global-Decision-Focused Neural ODEs for Proactive Grid Resilience Management [50.34345101758248]
  本稿では,機能停止予測とグローバルに最適化された介入を統合するフレームワークPATOGを提案する。 提案手法は,空間的かつ時間的に整合性のある意思決定を保証し,予測精度と操作効率を両立させる。 合成および実世界のデータセットの実験では、停止予測一貫性とグリッドレジリエンスが大幅に改善された。
  論文  参考訳（メタデータ） (2025-02-25T16:15:35Z)
• Towards Net-Zero Carbon Emissions in Network AI for 6G and Beyond [36.02419793345877]
  世界の温室効果ガス(温室効果ガス)排出量(主に炭素排出量)を2030年までに半分減らし、2050年までにネットゼロに達するよう、世界的な取り組みが進められている。 ハードウェアとソフトウェアの設計の両方でエネルギー効率が向上したにもかかわらず、モバイルネットワーク全体のエネルギー消費と炭素排出量は依然として増加を続けている。 DETAと呼ばれる新しい動的エネルギー取引とタスク割り当て最適化フレームワークが、炭素排出量の削減のために導入された。
  論文  参考訳（メタデータ） (2023-09-18T12:24:06Z)
• A Safe Genetic Algorithm Approach for Energy Efficient Federated Learning in Wireless Communication Networks [53.561797148529664]
  フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。 FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。 現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
  論文  参考訳（メタデータ） (2023-06-25T13:10:38Z)
• Dynamic Regularized Sharpness Aware Minimization in Federated Learning: Approaching Global Consistency and Smooth Landscape [59.841889495864386]
  フェデレートラーニング(FL)では、グローバルサーバの協調の下で、ローカルクライアントのクラスタがチェアリングされる。 クライアントは自身のオプティマに過度に適合する傾向にあり、グローバルな目標から非常に逸脱する。 tt Family FedSMOOは、グローバルな目的に対する局所的な最適性を保証するために動的正規化器を採用する。 理論解析により, tt Family FedSMOO は, 低境界一般化による高速$mathcalO (1/T)$収束率を達成することが示された。
  論文  参考訳（メタデータ） (2023-05-19T10:47:44Z)
• Emission-Aware Optimization of Gas Networks: Input-Convex Neural Network Approach [0.0]
  排ガス制約下でのガスネットワークの最適化は、CO$強度が最も低いガス供給を優先する。 ICNNが支援する最適化は、ネットワーク計画のための実現可能なソリューションを提供する。
  論文  参考訳（メタデータ） (2022-09-18T20:08:24Z)
• Edge Rewiring Goes Neural: Boosting Network Resilience via Policy Gradient [62.660451283548724]
  ResiNetは、さまざまな災害や攻撃に対する回復力のあるネットワークトポロジを発見するための強化学習フレームワークである。 ResiNetは複数のグラフに対してほぼ最適のレジリエンス向上を実現し,ユーティリティのバランスを保ちながら,既存のアプローチに比べて大きなマージンを持つことを示す。
  論文  参考訳（メタデータ） (2021-10-18T06:14:28Z)

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。