通过多层可持续资源优化框架实现面向循环经济的能效绿色AI架构
机器学习
2025-06-17 v1 计算工程、金融与科学
计算机与社会
摘要
在本研究论文中，我们提出了一种新型能效绿色AI架构，以支持循环经济并应对现代系统中可持续资源消耗的当代挑战。我们引入了一个多层框架和元架构，整合最先进的机器学习算法、能源感知计算模型和优化技术，以促进资源再利用、废物减少和可持续生产的决策。我们在锂离子电池回收和城市废物管理系统的真实世界数据集上测试了该框架，证明了其实际适用性。值得注意的是，本研究的关键发现表明，与传统方法相比，工作流程中的能耗降低了25%，资源回收效率提高了18%。定量优化基于混合整数线性规划和生命周期评估等数学模型。此外，AI算法将城市废物分类准确率提高了20%，而优化的物流将运输排放减少了30%。我们展示了所开发框架的图形分析和可视化，说明其对能效和可持续性的影响，如仿真结果所示。本论文将绿色AI原则与关于此类架构模型如何促进循环经济的实践见解相结合，提出了一个完全可扩展且有科学依据的解决方案，符合全球适用的联合国可持续发展目标。这些结果为将新开发的AI技术纳入可持续管理策略开辟了道路，可能在推进技术进步的同时保护当地自然资本。
引用
@article{arxiv.2506.12262,
title = {Energy-Efficient Green AI Architectures for Circular Economies Through Multi-Layered Sustainable Resource Optimization Framework},
author = {Ripal Ranpara},
journal= {arXiv preprint arXiv:2506.12262},
year = {2025}
}