論文の概要: Automated Extraction of Techno-Economic Data from 76,000 Energy System Studies

• arxiv url: http://arxiv.org/abs/2607.19178v1
• Date: Tue, 21 Jul 2026 15:14:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.461752
• Title: Automated Extraction of Techno-Economic Data from 76,000 Energy System Studies
• Title（参考訳）: 76,000 エネルギーシステム研究からのテクノ・エコノミクスデータの自動抽出
• Authors: Maxime Gorres, Jan Göpfert, Patrick Kuckertz, Noor Titan Putri Hartono, Heidi Heinrichs, Jochen Linßen, Iain Staffel, Jann Michael Weinand,
• Abstract要約: 2010年以降の76,000件のエネルギーシステム研究から,高精度な定量情報の自動抽出を実証した。 我々は320万の構造化された量的データポイントと2000万のメタデータエントリをコンパイルする。 結果のFAIRデータベースは、エネルギーシステム自体を解析可能にする。
• 参考スコア（独自算出の注目度）: 0.04643589635376552
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Energy system models guide societally important decisions, but their credibility rests on quantitative assumptions that are difficult to source and audit. Meta-analyses can improve transparency and modeling practices, but the rapid growth of publications makes manual information extraction increasingly impractical. Consequently, databases are updated infrequently and efforts are often duplicated across research groups. Here, we demonstrate the highly accurate automated extraction of quantitative information from 76,000 energy system studies published since 2010. We compile 3.2 million structured quantitative data points together with 20 million associated metadata entries, spanning a broad spectrum of technologies, methodological approaches and system characteristics. Beyond providing input data for models, the resulting FAIR database make the energy systems literature itself analysable. We show where academic assumptions diverge from empirical observed data, and how research priorities vary at scale across technologies, regions and time. To facilitate broad use within the community, the database is provided through an interactive dashboard, enabling users to filter, analyse and download data according to their specific research needs.
• Abstract（参考訳）: エネルギーシステムモデルは社会的に重要な決定を導くが、その信頼性は情報源や監査が難しい量的仮定に依存している。 メタアナリシスは透明性とモデリングのプラクティスを改善することができるが、出版物の急速な成長により、手動による情報抽出はますます非現実的になる。 その結果、データベースは頻繁に更新され、しばしば研究グループ間で複製される。 ここでは,2010年以降に出版された76,000個のエネルギーシステム研究から,定量情報の高精度な自動抽出を実証する。 我々は320万の構造化された量的データポイントと2000万のメタデータエントリをコンパイルし、幅広い技術、方法論的アプローチ、システム特性にまたがる。 モデルに入力データを提供する以外に、結果のFAIRデータベースはエネルギーシステム自体を解析可能にする。 我々は、実証観測データから学術的な仮定がどう分岐するかを示し、研究の優先順位が技術、地域、時間によってどのように異なるかを示す。 コミュニティ内での広範な利用を容易にするため、データベースはインタラクティブなダッシュボードを通じて提供され、ユーザーは特定の研究ニーズに応じてデータをフィルタリング、分析、ダウンロードすることができる。

関連論文リスト

• DataSTORM: Deep Research on Large-Scale Databases using Exploratory Data Analysis and Data Storytelling [14.06777929544216]
  大規模言語モデル(LLM)エージェントによる深層研究は、多段階情報発見、合成、分析のための強力なパラダイムとして現れつつある。 大規模構造化データベースとインターネットソースの両方で自律的に研究を行うことができるLLMベースのエージェントシステムであるDataSTORMを提案する。
  論文  参考訳（メタデータ） (2026-04-07T21:19:26Z)
• Scaling Generalist Data-Analytic Agents [95.05161133349242]
  DataMindは、汎用データ分析エージェントを構築するために設計されたスケーラブルなデータ合成およびエージェントトレーニングレシピである。 DataMindは、オープンソースのデータ分析エージェントを構築する上で重要な3つの課題に取り組む。
  論文  参考訳（メタデータ） (2025-09-29T17:23:08Z)
• A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
  科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。 この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。 我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
  論文  参考訳（メタデータ） (2025-08-28T18:30:52Z)
• From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
  推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。 静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。 我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
  論文  参考訳（メタデータ） (2025-06-23T17:27:19Z)
• A GenAI System for Improved FAIR Independent Biological Database Integration [0.0]
  実験的な自然言語に基づくクエリ処理システムを導入し,生物学データベースの発見,アクセス,クエリを可能にする。 FAIRBridgeは、クエリインテントを解釈し、関連するデータベースにマップし、実行可能なクエリを生成するAIの機能を活用する。 このシステムには、低品質のクエリ処理を緩和し、提供された情報の忠実度と応答性を確保するための堅牢なツールも含まれている。
  論文  参考訳（メタデータ） (2025-06-22T08:04:24Z)
• Making Sense of Data in the Wild: Data Analysis Automation at Scale [0.1747623282473278]
  本稿では,インテリジェントエージェントと検索拡張生成を組み合わせることで,データ解析,データセットキュレーション,インデックス作成を大規模に自動化する手法を提案する。 提案手法により,より詳細なデータセット記述,より高いヒット率,データセット検索タスクの多様性が得られた。
  論文  参考訳（メタデータ） (2025-01-27T10:04:10Z)
• DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
  我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。 我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。 私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
  論文  参考訳（メタデータ） (2024-07-01T18:58:22Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Towards an Integrated Platform for Big Data Analysis [4.5257812998381315]
  本稿では,これらすべての側面を統合した,ビッグデータ解析のための統合型プレート形式のビジョンについて述べる。 このアプローチの主な利点は、プラットフォーム全体の拡張スケーラビリティ、アルゴリズムのパラメータ化の改善、エンドツーエンドのデータ分析プロセスにおけるユーザビリティの改善である。
  論文  参考訳（メタデータ） (2020-04-27T03:15:23Z)

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。