AI 驱动的 E-负债知识图谱：面向供应链碳核算与排放负债管理的综合框架
计算机与社会
2023-12-07 v1 人工智能
社会与信息网络
摘要
尽管碳核算在我们应对气候变化的斗争中发挥着基础性作用，但它并非没有挑战。我们在论文开头对传统的碳核算实践进行批判，随后介绍由 Kaplan 和 Ramanna 最初提出的 E-负债碳核算方法与排放负债管理(Emissions Liability Management, ELM)，强调其优势。认识到这一新方法对现实世界碳核算改进的巨大价值，我们引入了一个利用 AI 与计算的新颖数据驱动集成框架——E-负债知识图谱框架——以实现 E-负债碳核算方法的现实落地。除了提供实施路径外，我们提出的框架厘清了供应链内复杂的环境交互，从而支持更明智和更负责任的决策。我们分析了该框架的实施要点，并以关于这一 AI 辅助知识图谱在确保全球供应链透明化与脱碳中作用的论述作结。
引用
@article{arxiv.2312.00045,
title = {AI-driven E-Liability Knowledge Graphs: A Comprehensive Framework for Supply Chain Carbon Accounting and Emissions Liability Management},
author = {Olamide Oladeji and Seyed Shahabeddin Mousavi and Marc Roston},
journal= {arXiv preprint arXiv:2312.00045},
year = {2023}
}