論文の概要: A robust modeling framework for energy analysis of data centers
- arxiv url: http://arxiv.org/abs/2006.06819v1
- Date: Thu, 11 Jun 2020 21:05:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 00:20:25.746360
- Title: A robust modeling framework for energy analysis of data centers
- Title（参考訳）: データセンターのエネルギー分析のためのロバストなモデリングフレームワーク
- Authors: Nuoa Lei
- Abstract要約: データセンターはエネルギー集約型であり、電力需要が大きく成長している。
現在のモデルでは、データセンターに対して一貫した高次元エネルギー分析を提供していない。
本研究の目的は,政策立案者やデータセンタエネルギーアナリストに対して,データセンターエネルギーの利用状況と効率性に関する包括的理解を提供することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Global digitalization has given birth to the explosion of digital services in
approximately every sector of contemporary life. Applications of artificial
intelligence, blockchain technologies, and internet of things are promising to
accelerate digitalization further. As a consequence, the number of data
centers, which provide the services of data processing, storage, and
communication services, is also increasing rapidly. Because data centers are
energy-intensive with significant and growing electricity demand, an energy
model of data centers with temporal, spatial, and predictive analysis
capability is critical for guiding industry and governmental authorities for
making technology investment decisions. However, current models fail to provide
consistent and high dimensional energy analysis for data centers due to severe
data gaps. This can be further attributed to the lack of the modeling
capabilities for energy analysis of data center components including IT
equipment and data center cooling and power provisioning infrastructure in
current energy models. In this research, a technology-based modeling framework,
in hybrid with a data-driven approach, is proposed to address the knowledge
gaps in current data center energy models. The research aims to provide policy
makers and data center energy analysts with comprehensive understanding of data
center energy use and efficiency opportunities and a better understanding of
macro-level data center energy demand and energy saving potentials, in addition
to the technological barriers for adopting energy efficiency measures.
- Abstract（参考訳）: グローバルデジタル化は、現代生活のほぼ全ての分野において、デジタルサービスの爆発を生んだ。
人工知能、ブロックチェーン技術、モノのインターネットの応用は、デジタル化をさらに加速することを約束している。
その結果、データ処理、ストレージ、通信サービスのサービスを提供するデータセンターの数も急速に増加している。
データセンターは電力需要が大幅に増大するエネルギー集約的であるため、時間的、空間的、予測的分析能力を備えたデータセンターのエネルギーモデルは、技術投資の決定を産業や政府当局に導く上で重要である。
しかし、現在のモデルは、厳しいデータギャップのため、データセンターに対して一貫した高次元エネルギー分析を提供していない。
これは、現在のエネルギーモデルにおいて、it機器やデータセンター冷却および電力供給インフラを含むデータセンターコンポーネントのエネルギー分析のためのモデリング能力の欠如に起因する可能性がある。
本研究では,現在のデータセンターエネルギーモデルにおける知識のギャップに対処するために,データ駆動アプローチとハイブリッドな技術に基づくモデリングフレームワークを提案する。
この研究の目的は、政策立案者とデータセンターエネルギーアナリストに、データセンターのエネルギー利用と効率の機会の包括的理解と、マクロレベルのデータセンターのエネルギー需要と省エネポテンシャルの理解と、エネルギー効率対策を採用するための技術的障壁を提供することである。
関連論文リスト
- Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - A Gap in Time: The Challenge of Processing Heterogeneous IoT Data in Digitalized Buildings [15.525789412274587]
本研究は, ビル内およびビル間におけるIoTデータの多様性について検討した。
その結果、マルチモーダルデータ統合、ドメインインフォームドモデリング、自動データエンジニアリングパイプラインの必要性が強調された。
論文 参考訳（メタデータ） (2024-05-23T07:45:48Z) - Heuristics and Metaheuristics for Dynamic Management of Computing and
Cooling Energy in Cloud Data Centers [0.0]
共同冷却・計算最適化のための新しい電力・熱対応戦略とモデルを提案する。
結果から,メタヒューリスティックアルゴリズムと最適適応アルゴリズムの併用により,グローバルエネルギーを高速かつ軽量な最適化戦略に記述できることが示唆された。
このアプローチにより、コンピューティングと冷却インフラストラクチャの両方を考慮して、データセンターのエネルギー効率を21.74%向上し、サービス品質を維持しながら、最大で21.74%向上できる。
論文 参考訳（メタデータ） (2023-12-17T09:40:36Z) - Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。
ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。
新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
論文 参考訳（メタデータ） (2023-08-27T03:55:28Z) - Bringing AI to the edge: A formal M&S specification to deploy effective
IoT architectures [0.0]
モノのインターネットは私たちの社会を変え、生活の質と資源管理を改善する新しいサービスを提供しています。
これらのアプリケーションは、限られたコンピューティングリソースとパワーを持つ、複数の分散デバイスのユビキタスネットワークに基づいている。
フォグコンピューティングのような新しいアーキテクチャが登場し、コンピューティング基盤をデータソースに近づけている。
論文 参考訳（メタデータ） (2023-05-11T21:29:58Z) - A semantic web approach to uplift decentralized household energy data [4.233200689119682]
この分野の多くのデータベースは、エネルギーに関する情報を含む他の領域からサイロ化されている。
これにより、各機器のエネルギー消費に関する情報(テクストなど)が失われる可能性がある。
本稿では,家庭用エネルギーシステム上でのセマンティックWeb手法を検討することにより,スマートエネルギーシステムにおけるデータ分離問題に取り組む。
論文 参考訳（メタデータ） (2022-08-18T17:21:18Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Machine Learning Empowered Intelligent Data Center Networking: A Survey [35.55535885962517]
本稿では,機械学習のデータセンターネットワークへの応用を包括的に検討する。
フロー予測、フロー分類、ロードバランシング、リソース管理、ルーティング最適化、渋滞制御をカバーしている。
我々はREBEL-3Sと呼ばれる品質評価基準を設計し、これらの研究の長所と短所を公平に測定する。
論文 参考訳（メタデータ） (2022-02-28T05:27:22Z) - Power Modeling for Effective Datacenter Planning and Compute Management [53.41102502425513]
我々は,すべてのハードウェア構成とワークロードに適用可能な,正確でシンプルで解釈可能な統計パワーモデルの設計と検証の2つのクラスについて論じる。
提案された統計的モデリング手法は, 単純かつスケーラブルでありながら, 4つの特徴のみを用いて, 95% 以上の多様な配電ユニット (2000 以上) に対して, 5% 未満の絶対パーセンテージエラー (MAPE) で電力を予測できることを実証した。
論文 参考訳（メタデータ） (2021-03-22T21:22:51Z) - A Framework for Energy and Carbon Footprint Analysis of Distributed and
Federated Edge Learning [48.63610479916003]
本稿では,分散学習政策の環境フットプリントに影響を与える要因を概説し,分析する。
バニラとコンセンサスによって駆動される分散FLポリシーの両方をモデル化する。
その結果、flは低ビット/ジュール効率を特徴とするワイヤレスシステムにおいて、顕著なエンドツーエンドの省エネ(30%-40%)が可能となった。
論文 参考訳（メタデータ） (2021-03-18T16:04:42Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。