레디믹스 콘크리트(Ready-mix concrete, RMC) 생산은 건설 산업에서 상류(upstream) 탄소 배출에 크게 기여한다. 그러나 신뢰할 수 있는 배출 데이터의 부재와, 보고 관행의 불일치가 결합되어 지역 전반에서 탄소 핫스팟(carbon hotspots)을 효과적으로 파악하고 관리하는 데 있어 이해관계자에게 중요한 도전 과제가 제기된다. 이에 본 연구는 웹 크롤링 기법을 활용하여 북아메리카에서 RMC 제품에 대한 59,412개의 환경제품선언(Environmental Product Declarations, EPD)으로 구성된 고품질 데이터셋을 구축한 뒤, Model-Agnostic Meta-Learning(MAML) 알고리즘을 적용하여 해당 제품의 체화 탄소(embodied carbon) 배출 예측 성능을 향상시켰다. 모델은 미국(U.S.)에서 재료 사용, 자원 소비, 폐기물 발생과 관련된 3개의 데이터셋을 기초 학습자(base learners)로 하여 학습하였다. 이후 RMC 생산에서 서로 다른 환경 및 기술 시나리오 하 일반화 능력을 평가하기 위해, 관측되지 않은 특징을 포함한 캐나다의 새로운 데이터셋으로 모델을 시험하였다. 그 결과, 제안된 과업 지향(task-oriented) MAML 모델이 기초 학습자들을 능가했으며, 새로운 과업(new task) 예측에서 R^2 점수 0.902를 달성하여 해당 기초 학습자들의 점수인 0.759, 0.689, 0.687에 비해 우수함을 보였다. 또한 MAML 모델은 기초 학습자에 비해 MAE, RMSE, MAPE에서 각각 25%–40%의 감소를 나타내어 다중 과업(multi-task) 사례 분석에서의 예측 성능을 강조하였다. 마지막으로, 학습된 MAML 모델을 통합한 웹 기반 플랫폼 프레임워크를 제안하여 이해관계자들이 탄소 배출을 관리하는 데 도움을 주고, RMC 제품의 EPD 문서를 검증하는 도구로 활용할 수 있도록 하고자 한다. 본 연구의 결과는 건설 산업 내 탈탄소화(decarbonization) 노력을 진전시키기 위한 유의미한 통찰을 제공한다. ⁃ 웹 크롤링 기법을 사용하여 59,412개의 EPD 문서로 구성된 데이터셋을 수집하였다. ⁃ RMC 생산의 탄소 배출을 예측하기 위한 메타학습(meta-learning) 모델을 개발하였다. ⁃ 소수 샷 학습(few-shot learning)을 통해 탄소 배출의 높은 예측 정확도를 달성하였다. ⁃ RMC 생산에서 체화 탄소 배출의 핵심 요인을 규명하였다. ⁃ 체화 탄소 배출을 평가하고 관리하기 위한 플랫폼을 개발하였다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.