基于 AI 驱动的电子责任知识图谱：供应链碳计算与排放责任管理的全面框架

Nov, 2023

基于 AI 驱动的电子责任知识图谱：供应链碳计算与排放责任管理的全面框架

AI-driven E-Liability Knowledge Graphs: A Comprehensive Framework for Supply Chain Carbon Accounting and Emissions Liability Management

PDF

Olamide Oladeji, Seyed Shahabeddin Mousavi, Marc Roston

TL;DR碳账户，E-liability 碳计量方法，排放责任管理，E-Liability 知识图谱框架，AI 辅助知识图谱在实现全球供应链透明度和脱碳方面的作用。

Abstract

While carbon accounting plays a fundamental role in our fight against climate change, it is not without its challenges. We begin the paper with a critique of the conventional carbon accounting practices, after wh

carbon accounting e-liability carbon accounting methodology emissions liability management e-liability knowledge graph framework ai-aided knowledge graph

发现论文，激发创造

利用 AI 衍生数据进行碳计算：从替代来源进行信息提取

碳核算是全球减排和碳减排的基本构建模块，但在实现可靠和可信的碳核算措施方面存在许多挑战。我们强调碳核算不仅需要更多数据驱动，还需要更加方法论的支持。我们讨论了替代性和多样化数据源的需求，在最新的人工智能和自然语言处理领域的进展中，说明了为什么以及如何利用人工智能和自然语言处理来获取大量的替代数据集。我们通过一个以金融和航运数据为基础的自然语言处理分析案例研究，介绍了最新的真实世界数据的发展情况。最后，我们讨论了如何将这些方法和方法论融入更广泛的人工智能支持的综合碳核算框架中。

Nov, 2023

利用大型语言模型进行供应链排放估计

提出了一种利用适应领域的自然语言处理基础模型估计企业三阶段的排放量的框架，通过运用财务交易作为购买货物和服务的代理，结果显示该框架的性能超越了现有的文本分类模型，并可与专业人员相媲美。该框架能够加速企业规模的三阶段估计，并协助采取适当的气候行动以实现可持续发展目标 13。

Aug, 2023

供应链弹性的知识图谱视角

为了提升供应链透明度与韧性，本研究采用知识图谱连接多种数据源，以达到三级供应商的透明度。通过知识图谱完善方法，预测供应网络中的空缺信息，同时应用图分析算法，识别关键实体，支持供应链管理自动化风险识别。

May, 2023

利用知识图谱和大型语言模型增强紧急决策

该研究论文介绍了一种名为 E-KELL 的系统，通过构建结构化的紧急情况知识图谱，并引导大型语言模型在此基础上进行推理，提供基于证据的紧急情况决策，取得了显著的改进和可靠的应急决策支持。

Nov, 2023

机器学习的能源和碳足迹的系统化报告

通过引入一种功能框架，我们可以实现实时跟踪机器学习的能源消耗和碳排放，并生成标准化的在线附录。利用此框架，我们创建了一个能源高效强化学习算法排行榜，以激励负责任的研究，并提出了减少碳排放和节约能源的策略，以推动机器学习领域的可持续发展。

Jan, 2020

Eco2AI: 机器学习模型碳排放跟踪 —— 可持续人工智能的第一步

该论文介绍了一个名为 eco2AI 的开源工具，可以帮助科学家跟踪深度神经网络模型训练和推理的能量消耗和等效二氧化碳排放，并鼓励研究社区寻找具有较低计算成本的新型人工智能（AI）架构，并建立可持续 AI 和绿色 AI 的路径。

Jul, 2022

绿色人工智能：探索大型语言模型训练中的碳足迹、减缓策略和权衡

该研究评估了大规模语言模型的二氧化碳排放，并提出减少碳排放的措施，探讨了硬件选择对二氧化碳排放的影响。基于结果，提出了培训更环境友好的人工智能模型的可能性，并认为可以在不牺牲其鲁棒性和性能的情况下实现。

Apr, 2024

朝着 6G 及以后的网络人工智能零碳排放目标迈进

全球正在努力减少全球温室气体（GHG）排放（主要是碳排放）到 2030 年减半并在 2050 年达到净零。本文提出了一个评估框架，用于分析网络 AI 实现的生命周期，并引入了一种名为 DETA 的联合动态能源交易和任务分配优化框架，以减少网络 AI 系统的碳排放。根据硬件原型上的实验结果，我们的解决方案可以将网络 AI 系统的碳排放减少多达 74.9%。最后，讨论了待解决的问题和未来方向。

Sep, 2023

OpenCarbonEval：大规模 AI 模型中的统一碳排放估计框架

介绍了 OpenCarbonEval 框架，该框架能够评估和预测大规模模型的碳排放，并提供准确的碳排放预测，以帮助减少这些模型对环境造成的压力，并推动可持续的 AI 发展和部署。

May, 2024

人工智能时代的能源系统数字化：朝着碳中和的三层方法论

电力电网向碳中和转变是解决气候变化最大的游戏规则之一，人工智能在技术、市场和政策等三个层面上进行定制化可以提高电能系统向碳中和的转变速度和规模。

Nov, 2022