論文の概要: An open-source tool to assess the carbon footprint of research

• arxiv url: http://arxiv.org/abs/2101.10124v1
• Date: Thu, 21 Jan 2021 09:15:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 08:20:30.580231
• Title: An open-source tool to assess the carbon footprint of research
• Title（参考訳）: 研究の炭素フットプリントを評価するオープンソースツール
• Authors: J\'er\^ome Mariette (MIAT INRA), Odile Blanchard (GAEL), Olivier Bern\'e (IRAP), Tamara Ben Ari (CIRED)
• Abstract要約: GES 1point5は、フランスの研究活動の炭素フットプリントを推定するために設計された。 急速に成長するラボのネットワークで収集されたデータは、フランスのカーボンフットプリントを推定するLabos 1point5プロジェクトの一部として使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research institutions are bound to contribute to greenhouse gas emission (GHG) reduction efforts for several reasons. First, part of the scientific community's research deals with climate change issues. Second, scientists contribute to students' education: they must be consistent and role models. Third the literature on the carbon footprint of researchers points to the high level of some individual footprints. In a quest for consistency and role models, scientists, teams of scientists or universities have started to quantify their carbon footprints and debate on reduction options. Indeed, measuring the carbon footprint of research activities requires tools designed to tackle its specific features. In this paper, we present an open-source web application, GES 1point5, developed by an interdisciplinary team of scientists from several research labs in France. GES 1point5 is specifically designed to estimate the carbon footprint of research activities in France. It operates at the scale of research labs, i.e. laboratoires, which are the social structures around which research is organized in France and the smallest decision making entities in the French research system. The application allows French research labs to compute their own carbon footprint along a standardized, open protocol. The data collected in a rapidly growing network of labs will be used as part of the Labos 1point5 project to estimate France's research carbon footprint. At the time of submitting this manuscript, 89 research labs had engaged with GES 1point5 to estimate their greenhouse gas emissions. We expect that an international adoption of GES 1point5 (adapted to fit domestic specifics) could contribute to establishing a global understanding of the drivers of the research carbon footprint worldwide and the levers to decrease it.
• Abstract（参考訳）: 研究機関は温室効果ガス排出削減の取り組みにいくつかの理由から貢献しなければならない。 第一に、科学コミュニティの研究の一部は気候変動の問題を扱う。 第二に、科学者は生徒の教育に貢献する:それらは一貫性と役割モデルでなければならない。 第3に、研究者のカーボンフットプリントに関する文献は、個々のフットプリントの高レベルを指摘している。 一貫性と役割モデルを求めて、科学者、科学者、大学のチームがカーボンフットプリントの定量化と削減オプションに関する議論を始めた。 実際、研究活動の炭素フットプリントを測定するには、その特定の特徴に取り組むためのツールが必要である。 本稿では,フランスのいくつかの研究所の科学者チームが開発した,オープンソースのWebアプリケーション GES 1point5 について述べる。 GES 1point5は、フランスの研究活動の炭素フットプリントを推定するために特別に設計された。 これはフランスで研究が組織される社会構造であり、フランスの研究システムの中では最小の意思決定機関である。 この応用により、フランスの研究所は、標準化されたオープンプロトコルに沿って、カーボンフットプリントを計算できる。 急速に成長するラボのネットワークで収集されたデータは、フランスのカーボンフットプリントを推定するLabos 1point5プロジェクトの一部として使用される。 この原稿を提出したとき、89の研究所が温室効果ガス排出量を推定するためにGES 1point5に関わった。 GES 1point5(国内仕様に適合する)の国際的採用が、世界中のカーボンフットプリント研究の原動力のグローバルな理解と、その削減に寄与することを期待している。

関連論文リスト

• From Clicks to Carbon: The Environmental Toll of Recommender Systems [0.24374097382908472]
  典型的な実験パイプラインを再現することにより,レコメンデータシステム研究の環境影響を推定する。 分析対象は2013年と2023年のACM RecSysカンファレンスの全論文79件である。 平均して、1つのディープラーニングベースの論文は3,297キログラムのCO2等価量を生成する。
  論文  参考訳（メタデータ） (2024-08-15T15:11:06Z)
• 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)
• Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
  機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。 そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。 予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
  論文  参考訳（メタデータ） (2023-03-24T18:32:38Z)
• 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)
• "Connected Researches" in "Smart Lab Bubble": A Lifeline for Commercial Agriculture in "New Normal" [0.0]
  商業農業の研究は、2030年までに飢餓をゼロにするという2番目の持続可能な目標を追求するために、国が採用できる最良の戦略だ。 研究機関の業績は変わらず、低いレベルでの停滞が望まれる。 デジタルソリューションによるコネクテッドリサーチの確立と、デジタルで支持されたパフォーマンスモニタリングと評価によって解決できる適切な避難計画が、このパンデミックで商業農業の研究を生きていく上での救世主となるだろう。
  論文  参考訳（メタデータ） (2021-04-29T15:08:41Z)
• COVIDScholar: An automated COVID-19 research aggregation and analysis platform [0.0]
  2020年10月現在、81,000以上のCOVID-19関連科学論文が1日250以上の速度で公開されています。 これは、研究文献との関わりの伝統的な方法への挑戦を生み出しました。 我々は2020年における新型コロナウイルス研究の動向について分析する。
  論文  参考訳（メタデータ） (2020-12-07T18:17:11Z)
• Learnings from Frontier Development Lab and SpaceML -- AI Accelerators for NASA and ESA [57.06643156253045]
  AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。 我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。 FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
  論文  参考訳（メタデータ） (2020-11-09T21:23:03Z)
• 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)
• Green Algorithms: Quantifying the carbon footprint of computation [0.0]
  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。
  論文  参考訳（メタデータ） (2020-07-15T11:05:33Z)
• 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。