在“雙碳”戰(zhàn)略背景下，碳核算的效率與精度面臨著更高的要求。傳統(tǒng)生命周期評價（LCA）方法因高度依賴人工、知識門檻高、流程割裂等痛點，已成為制約碳核算研究與規(guī)?；瘧?yīng)用的關(guān)鍵瓶頸。為破解這一難題，中國科學(xué)院青島生物能源與過程研究所提出了融合大型語言模型（LLM）的智能LCA解決方案——Chat-LCA。

　　Chat-LCA系統(tǒng)實現(xiàn)了LLM在“知識獲取—數(shù)據(jù)檢索—報告生成”全鏈條的深度融合，顯著提升了碳核算的智能化水平。該研究的原創(chuàng)性體現(xiàn)在首次將檢索增強(qiáng)生成（RAG）、Text2SQL、思維鏈（CoT）與代碼鏈（CoC）等前沿AI技術(shù)系統(tǒng)整合于LCA全流程，構(gòu)建了支持自然語言交互的一體化碳核算智能系統(tǒng)。Chat-LCA有效打通了知識壁壘與數(shù)據(jù)孤島，實現(xiàn)了從專業(yè)問答到報告生成的全流程自動化，突破了現(xiàn)有研究中技術(shù)覆蓋片面、環(huán)節(jié)割裂的局限。

　　經(jīng)多行業(yè)、多場景驗證，Chat-LCA展現(xiàn)出卓越的準(zhǔn)確性與高效性。其問答模塊在跨十大行業(yè)的專業(yè)問題中BERTScore達(dá)0.85，Text2SQL模塊在真實LCI數(shù)據(jù)庫上的執(zhí)行準(zhǔn)確率達(dá)0.9692，報告生成系統(tǒng)的填充準(zhǔn)確率達(dá)0.9832，可讀性評分8.42（滿分10）。該系統(tǒng)可將傳統(tǒng)耗時數(shù)周的LCA分析任務(wù)壓縮至數(shù)小時完成，實現(xiàn)了碳核算效率的質(zhì)的飛躍。

　　此外，Chat-LCA具有顯著的實際應(yīng)用價值。以鋰硫電池碳足跡評估為例，系統(tǒng)自動識別出原料獲?。?7.2%）與生產(chǎn)階段（31.3%）為碳排放熱點，并提出清潔能源替代等精準(zhǔn)減排建議，為企業(yè)綠色決策提供了科學(xué)依據(jù)。該方案大幅降低了碳核算的技術(shù)門檻，拓展了LCA方法在工業(yè)、政策等多場景的適用性，為“雙碳”目標(biāo)的實現(xiàn)提供了可落地的技術(shù)支撐與決策工具。

　　相關(guān)研究成果以Intelligent Application of Large Language Model to Life Cycle Assessment Methodology為題，發(fā)表在Journal of Cleaner Production上。研究工作得到山東省自然科學(xué)基金和天津市科技計劃項目等的支持。

研究方法設(shè)計與評價框架