論文の概要: Advancing multi-site emission control: A physics-informed transfer learning framework with mixture of experts for carbon-pollutant synergy

• arxiv url: http://arxiv.org/abs/2604.26571v1
• Date: Wed, 29 Apr 2026 11:54:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.382877
• Title: Advancing multi-site emission control: A physics-informed transfer learning framework with mixture of experts for carbon-pollutant synergy
• Title（参考訳）: 多地点放射制御の高度化:炭素汚染相乗効果の専門家の混在による物理インフォームド・トランスファー学習フレームワーク
• Authors: Yuxuan Ying, Hanqing Yang, Kaige Wang, Yu Hu, Zhiming Zheng, Yunliang Jiang, Xiaoqing Lin, Xiaodong Li, Jun Chen,
• Abstract要約: 本稿では,多地点の放射挙動を伝達可能なシステムレベル構造を通して表現できることを示す。 炭素汚染物質混合専門家モデルに基づく物理情報伝達学習フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 16.246623230814922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Municipal solid waste incineration is increasingly central to urban waste management, yet its sustainability benefit depends on controlling carbon emissions and multiple air pollutants under highly heterogeneous operating conditions. Current data-driven models are often accurate within individual plants but are difficult to transfer across facilities, limiting their value for scalable emission-control strategies. Here we show that multi-site emission behaviour can be represented through transferable system-level structures when physical constraints, operating-regime heterogeneity and carbon--pollutant coupling are jointly considered. We develop a physics-informed transfer learning framework built on a carbon--pollutant mixture-of-experts model, which combines regime-dependent expert routing with conservation-based regularization and a carbon--pollutant synergistic index for integrated risk evaluation. Across 13 municipal solid waste incineration plants, the model captured both pollutant-specific emissions and system-level risk, achieving source-domain average pollutant $R^2$ values of 0.668--0.904 and CPSI $R^2$ values of 0.666--0.970. After transfer from a reference facility to 12 target plants, average pollutant $R^2$ remained between 0.661 and 0.842, while CPSI retained comparable transferability ($R^2$ = 0.610--0.841). Expert-utilization patterns further indicate that adaptation occurs through structured re-weighting of operating regimes rather than complete model re-learning. By extending the learned representation into an interpretable digital twin, this framework provides a route from emission prediction to regime-aware operational navigation, supporting scalable carbon--pollutant synergistic control across heterogeneous waste-to-energy systems.
• Abstract（参考訳）: 都市ごみ焼却は都市ごみ管理の中心となっているが、その持続可能性の利点は、高度に均一な運転条件下での炭素排出量と複数の大気汚染物質の管理に依存している。 現在のデータ駆動モデルは、個々の工場で正確な場合が多いが、施設間での移動が困難であり、スケーラブルな排出制御戦略に対する価値を制限している。 ここでは, 物理的制約, 操作-レジムの不均一性, 炭素-汚染結合を考慮した場合, 移動可能なシステムレベル構造を通して多地点の放出挙動を表現可能であることを示す。 本研究では, 炭素汚染物質混合専門家モデルに基づく物理情報伝達学習フレームワークを開発し, 状態依存型エキスパートルーティングと保全に基づく正規化と, 統合リスク評価のための炭素汚染物質相乗効果指数を組み合わせた。 都市ごみ焼却施設13施設において, 汚染物質固有の排出ガスとシステムレベルのリスクの両方を捕捉し, ソースドメイン平均汚染物質であるR^2$0.668--0.904およびCPSI$R^2$0.666--0.970を得た。 基準施設から12の標的植物に移行した後、平均汚染物質であるR^2$は0.661から0.842の間にとどまったが、CPSIは同等の移行性を保持した(R^2$ = 0.610--0.841)。 専門家利用パターンはさらに、適応は完全なモデル再学習ではなく、オペレーショナルレジームの構造化された再重み付けによってもたらされることを示している。 学習した表現を解釈可能なデジタルツインに拡張することにより、このフレームワークは、エミッション予測からレシエーション対応の運用ナビゲーションへのルートを提供し、異種廃棄物からエネルギーシステムへのスケーラブルな炭素汚染相乗的制御をサポートする。

関連論文リスト

• Shielded Controller Units for RL with Operational Constraints Applied to Remote Microgrids [50.64533198075622]
  強化学習(Reinforcement Learning, RL)は、不確実性の下で複雑なシステムにおける意思決定を最適化するための強力なフレームワークである。 本稿では,システムダイナミクスの事前知識を活用する体系的かつ解釈可能なアプローチであるシールド制御ユニット(SCU)を紹介する。 本研究では,厳密な運用要件を持つ遠隔マイクログリッド最適化タスクにおけるSCUの有効性を示す。
  論文  参考訳（メタデータ） (2025-11-30T19:28:34Z)
• HybridSOMSpikeNet: A Deep Model with Differentiable Soft Self-Organizing Maps and Spiking Dynamics for Waste Classification [0.7734726150561086]
  リサイクル可能な材料のミスクラス化は、埋立地の蓄積、非効率なリサイクル、温室効果ガスの排出の増加に寄与する。 本研究では、畳み込み特徴抽出、微分可能な自己組織化、スパイキングにインスパイアされた時間処理を統合したハイブリッドディープラーニングフレームワークであるHybridSOMSpikeNetを紹介する。
  論文  参考訳（メタデータ） (2025-10-23T15:47:09Z)
• A Biomimetic Way for Coral-Reef-Inspired Swarm Intelligence for Carbon-Neutral Wastewater Treatment [0.0]
  炭素中性排水処理のためのサンゴ礁にインスパイアされた群集相互作用ネットワーク スケーラビリティは線形トークンの複雑さに起因し、エネルギー除去問題を緩和する。 今後の作業は、AutoMLラッパーをプロジェクトスコープに統合する予定である。
  論文  参考訳（メタデータ） (2025-07-05T16:19:42Z)
• CarboFormer: A Lightweight Semantic Segmentation Architecture for Efficient Carbon Dioxide Detection Using Optical Gas Imaging [4.567122178196833]
  二酸化炭素排出量(CO$$)は、環境影響と産業プロセスの両方の重要な指標である。 光ガスイメージング(OGI)のための軽量セマンティックセグメンテーションフレームワークCarboFormerを紹介する。 提案手法は,最適化エンコーダデコーダアーキテクチャと,特殊なマルチスケール機能融合と補助監視戦略を統合したものである。
  論文  参考訳（メタデータ） (2025-05-23T18:01:42Z)
• 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)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• 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)
• Estimating air quality co-benefits of energy transition using machine learning [5.758035706324685]
  大気質の改善から化石燃料の使用を減らすという健康上の利点を推定することは、二酸化炭素排出量の削減に重要な根拠となる。 本研究では, 高精度かつ堅牢な平均粒径(PM2.5)濃度推定が可能な, 高精度かつ簡潔な機械学習フレームワークを開発した。 本研究は, 炭素中性エネルギーシステムへの移行における費用対効果を最大化するために, 慎重な政策設計を促すものである。
  論文  参考訳（メタデータ） (2021-05-29T14:52:57Z)

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。