AutoPCF: Efficient Product Carbon Footprint Accounting with Large Language Models

要約

製品のカーボンフットプリント（PCF）は、製品のライフサイクル中のすべての活動によって生じる直接的および間接的な温室効果ガス排出量を測定するため、サプライチェーンの脱炭素化にとって極めて重要です。
ただし、PCF アカウンティングでは、多くの場合、ライフサイクル モデルの構築に専門知識と多大な時間が必要です。
この研究では、製品の「ゆりかごからゲートまで」のライフサイクルをモデル化し、インプットとアウトプットの在庫データを生成する際の 5 つの大規模言語モデル (LLM) の創発的能力をテストおよび比較し、一般化された PCF としての限界を明らかにします。
知識データベース。
LLM を利用することで、AutoPCF と呼ばれる自動 AI 駆動の PCF 会計フレームワークを提案します。このフレームワークは、深層学習アルゴリズムも適用して計算パラメーターを自動的に照合し、最終的に PCF を計算します。
AutoPCF フレームワークを使用して 3 つのケース製品の二酸化炭素排出量を推定した結果は、モデリング時間を数日から数分に大幅に短縮して、PCF の自動モデリングと推定を実現できる可能性を示しています。

要約(オリジナル)

The product carbon footprint (PCF) is crucial for decarbonizing the supply chain, as it measures the direct and indirect greenhouse gas emissions caused by all activities during the product’s life cycle. However, PCF accounting often requires expert knowledge and significant time to construct life cycle models. In this study, we test and compare the emergent ability of five large language models (LLMs) in modeling the ‘cradle-to-gate’ life cycles of products and generating the inventory data of inputs and outputs, revealing their limitations as a generalized PCF knowledge database. By utilizing LLMs, we propose an automatic AI-driven PCF accounting framework, called AutoPCF, which also applies deep learning algorithms to automatically match calculation parameters, and ultimately calculate the PCF. The results of estimating the carbon footprint for three case products using the AutoPCF framework demonstrate its potential in achieving automatic modeling and estimation of PCF with a large reduction in modeling time from days to minutes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google