論文の概要: Green Algorithms: Quantifying the carbon footprint of computation
- arxiv url: http://arxiv.org/abs/2007.07610v5
- Date: Thu, 17 Dec 2020 14:30:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 09:13:12.455590
- Title: Green Algorithms: Quantifying the carbon footprint of computation
- Title（参考訳）: グリーンアルゴリズム:計算の炭素フットプリントの定量化
- Authors: Lo\"ic Lannelongue, Jason Grealey and Michael Inouye
- Abstract要約: 本稿では,任意の計算タスクの炭素フットプリントを,標準化された信頼性の高い方法で推定する枠組みを提案する。
温室効果ガスの排出を解釈し、文脈的に解釈する指標が定義され、車や飛行機で走行する同等距離を含む。
我々は、ユーザが計算の炭素フットプリントを見積り、レポートできる、無料で利用可能なオンラインツールであるGreen Algorithmsを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Climate change is profoundly affecting nearly all aspects of life on earth,
including human societies, economies and health. Various human activities are
responsible for significant greenhouse gas emissions, including data centres
and other sources of large-scale computation. Although many important
scientific milestones have been achieved thanks to the development of
high-performance computing, the resultant environmental impact has been
underappreciated. In this paper, we present a methodological framework to
estimate the carbon footprint of any computational task in a standardised and
reliable way, based on the processing time, type of computing cores, memory
available and the efficiency and location of the computing facility. Metrics to
interpret and contextualise greenhouse gas emissions are defined, including the
equivalent distance travelled by car or plane as well as the number of
tree-months necessary for carbon sequestration. We develop a freely available
online tool, Green Algorithms (www.green-algorithms.org), which enables a user
to estimate and report the carbon footprint of their computation. The Green
Algorithms tool easily integrates with computational processes as it requires
minimal information and does not interfere with existing code, while also
accounting for a broad range of CPUs, GPUs, cloud computing, local servers and
desktop computers. Finally, by applying Green Algorithms, we quantify the
greenhouse gas emissions of algorithms used for particle physics simulations,
weather forecasts and natural language processing. Taken together, this study
develops a simple generalisable framework and freely available tool to quantify
the carbon footprint of nearly any computation. Combined with a series of
recommendations to minimise unnecessary CO2 emissions, we hope to raise
awareness and facilitate greener computation.
- Abstract（参考訳）: 気候変動は、人間社会、経済、健康など、地球上の生命のほぼ全ての側面に大きな影響を与えている。
様々な人間の活動は、データセンターやその他の大規模計算の源を含む温室効果ガスの排出に責任がある。
高性能コンピューティングの発展により、多くの重要な科学的マイルストーンが達成されているが、環境への影響は過小評価されている。
本稿では,処理時間,計算コアの種類,利用可能なメモリ,計算施設の効率と位置に基づいて,計算タスクの炭素フットプリントを標準化された信頼性の高い方法で推定するための方法論的枠組みを提案する。
温室効果ガスの排出を解釈し、コンテクスト化するための指標が定義されており、車や飛行機が移動する同等の距離や、炭素の隔離に必要な木月数が含まれる。
我々は、ユーザが計算のカーボンフットプリントを見積り、報告できる無料のオンラインツールであるgreen algorithms(www.green-algorithms.org)を開発した。
Green Algorithmsツールは、最小限の情報を必要とするため計算処理と容易に統合でき、既存のコードに干渉せず、幅広いCPU、GPU、クラウドコンピューティング、ローカルサーバー、デスクトップコンピュータも考慮している。
最後に,グリーンアルゴリズムを適用し,粒子物理シミュレーション,天気予報,自然言語処理などに用いるアルゴリズムの温室効果ガス排出量を定量化する。
本研究は, ほぼ任意の計算の炭素フットプリントを定量化するための, 単純な一般化可能なフレームワークと自由利用可能なツールを開発する。
不要なCO2排出量を最小化するための一連の勧告と組み合わさって、認識を高め、よりグリーンな計算を容易にしたいと思っています。
関連論文リスト
- The Sunk Carbon Fallacy: Rethinking Carbon Footprint Metrics for Effective Carbon-Aware Scheduling [2.562727244613512]
本研究は, 炭素会計指標を用いて, 所定のサーバ群上での炭素を意識したジョブスケジューリングと配置を評価する。
本研究では, 炭素添加コストに影響を及ぼす要因について検討した。
論文 参考訳（メタデータ） (2024-10-19T12:23:59Z) - Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている
本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。
本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文 参考訳（メタデータ） (2024-04-28T05:46:28Z) - LACS: Learning-Augmented Algorithms for Carbon-Aware Resource Scaling with Uncertain Demand [1.423958951481749]
本稿では,未知の作業時間(OCSU)を用いたオンラインCO_2-Awareリソーススケーリング問題について検討する。
我々は,論理的に堅牢な学習拡張アルゴリズムであるLACSを提案し,OCSUを解く。
LACSは、納期を意識した炭素に依存しない作業と比較して、炭素フットプリントの32%の削減を実現している。
論文 参考訳（メタデータ） (2024-03-29T04:54:22Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language
Model [72.65502770895417]
176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。
BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。
本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
論文 参考訳（メタデータ） (2022-11-03T17:13:48Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-10T17:04:04Z) - Chasing Carbon: The Elusive Environmental Footprint of Computing [11.992632765006087]
我々は、炭素排出量の観点から計算の環境効果を分析する。
現代のモバイルおよびデータセンター機器に関連するほとんどの排出量は、ハードウェア製造とインフラから来ている。
論文 参考訳（メタデータ） (2020-10-28T18:15:22Z) - Semantic Workflows and Machine Learning for the Assessment of Carbon
Storage by Urban Trees [3.7326934284216877]
本研究は、気候変動に関する政府間パネル(IPCC)のガイドラインに従って、アフリカの地域における炭素貯蔵量を推定する。
我々の知る限りでは、気候変動に関する政府間パネル(IPCC)のガイドラインに従い、アフリカ各地の炭素貯蔵量を推定する最初の研究である。
論文 参考訳（メタデータ） (2020-09-22T01:30:29Z) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳（メタデータ） (2020-01-31T05:12:59Z)
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。