Fugu-MT 論文翻訳(概要): Energy and Thermal-aware Resource Management of Cloud Data Centres: A Taxonomy and Future Directions

論文の概要: Energy and Thermal-aware Resource Management of Cloud Data Centres: A Taxonomy and Future Directions

arxiv url: http://arxiv.org/abs/2107.02342v1
Date: Tue, 6 Jul 2021 01:49:21 GMT
ステータス: 処理完了
システム内更新日: 2021-07-07 13:31:44.224425
Title: Energy and Thermal-aware Resource Management of Cloud Data Centres: A Taxonomy and Future Directions
Title（参考訳）: クラウドデータセンターのエネルギー・熱利用資源管理 : 分類学と今後の方向性
Authors: Shashikant Ilager and Rajkumar Buyya
Abstract要約: それは、リソース管理システムにおける統合コンピューティングと冷却システム管理と学習ベースのソリューションの必要性を特定する。文献の詳細な分析に基づいて,データセンターにおけるエネルギー・熱効率資源管理の分類法を提案する。
参考スコア（独自算出の注目度）: 27.329616246373536
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper investigates the existing resource management approaches in Cloud Data Centres for energy and thermal efficiency. It identifies the need for integrated computing and cooling systems management and learning-based solutions in resource management systems. A taxonomy on energy and thermal efficient resource management in data centres is proposed based on an in-depth analysis of the literature. Furthermore, a detailed survey on existing approaches is conducted according to the taxonomy and recent advancements including machine learning-based resource management approaches and cooling management technologies are discussed.
Abstract（参考訳）: 本稿では,Cloud Data Centresにおける既存のエネルギー・熱効率管理手法について検討する。これは、リソース管理システムにおける統合コンピューティングおよび冷却システム管理および学習ベースのソリューションの必要性を特定する。文献の詳細な分析に基づいて,データセンターにおけるエネルギー・熱効率資源管理の分類法を提案する。さらに,既存の手法に関する詳細な調査を行い,機械学習に基づく資源管理手法や冷却管理技術など最近の進歩について考察した。

関連論文リスト

An Extensive and Methodical Review of Smart Grids for Sustainable Energy Management-Addressing Challenges with AI, Renewable Energy Integration and Leading-edge Technologies [0.0]
著者は、スマートグリッドのメリットやコンポーネント、技術開発、再生可能エネルギーソースの統合、人工知能とデータ分析、サイバーセキュリティ、プライバシなど、さまざまなトピックをカバーしたいと考えている。グリッド、信頼性、エネルギー管理のパフォーマンス向上のために、AIとデータ分析を使用することが提案されている。
論文参考訳（メタデータ） (2025-01-23T23:59:19Z)
Resource Allocation and Workload Scheduling for Large-Scale Distributed Deep Learning: A Survey [48.06362354403557]
本調査は,大規模分散DLの効率的な資源配分とワークロードスケジューリング戦略について,主に2019年から2024年までの文献を概説する。トピックごとに重要な課題を強調し、既存の技術に関する重要な洞察について議論する。この調査は、コンピュータ科学、人工知能、通信研究者が最近の進歩を理解することを奨励することを目的としている。
論文参考訳（メタデータ） (2024-06-12T11:51:44Z)
Data Management For Training Large Language Models: A Survey [64.18200694790787]
大規模言語モデル(LLM)のトレーニングにおいて、データは基本的な役割を果たす本調査は,LLMの事前学習および微調整段階におけるデータ管理の現状を概観するものである。
論文参考訳（メタデータ） (2023-12-04T07:42:16Z)
Empowering Distributed Solutions in Renewable Energy Systems and Grid Optimization [3.8979646385036175]
機械学習(ML)の進歩は再生可能エネルギー源の強化とグリッド管理の改善に重要な役割を果たしている。ビッグデータとMLをスマートグリッドに組み込むことは、エネルギー効率の向上など、いくつかのメリットを提供する。しかし、大規模なデータボリュームの処理、サイバーセキュリティの確保、専門知識の獲得といった課題に対処する必要がある。
論文参考訳（メタデータ） (2023-10-24T02:45:16Z)
Sustainable AIGC Workload Scheduling of Geo-Distributed Data Centers: A Multi-Agent Reinforcement Learning Approach [48.18355658448509]
生成的人工知能の最近の進歩は、機械学習トレーニングの需要が急増し、エネルギー消費の大幅な増加によるコスト負担と環境問題を引き起こしている。地理的に分散したクラウドデータセンタ間でのトレーニングジョブのスケジューリングは、安価で低炭素エネルギーのコンピューティング能力の使用を最適化する機会を浮き彫りにする。本研究では,実生活におけるワークロードパターン,エネルギー価格,炭素強度を組み込んだクラウドシステムと対話することで,マルチエージェント強化学習とアクタクリティカルな手法に基づく最適協調スケジューリング戦略の学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-17T02:12:30Z)
Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文参考訳（メタデータ） (2022-06-05T14:52:26Z)
A Survey on Machine Learning for Geo-Distributed Cloud Data Center Management [4.226118870861363]
クラウドサービスプロバイダは、運用コストを削減し、サービス品質を向上させるために、データセンタを世界中に配布しています。このような大規模かつ複雑なソフトウェアワークロードとハードウェアリソースのオーケストレーションは、効率的な解決が難しい問題です。本稿では,クラウドデータセンタ管理問題に対する最先端の機械学習技術について概説する。
論文参考訳（メタデータ） (2022-05-17T03:14:54Z)
Machine Learning (ML)-Centric Resource Management in Cloud Computing: A Review and Future Directions [22.779373079539713]
インフラストラクチャ・アズ・ア・サービス(I)は、最も重要かつ急速に成長する分野の1つです。私のクラウドコンピューティングの最も重要な側面の1つは、リソース管理です。機械学習は、さまざまなリソース管理タスクを処理するために使用されます。
論文参考訳（メタデータ） (2021-05-09T08:03:58Z)
Artificial Intelligence (AI)-Centric Management of Resources in Modern Distributed Computing Systems [22.550075095184514]
Cloud Data Centres (DCS) は大規模で複雑で異種であり、複数のネットワークと地理的境界に分散している。 IoT(Internet of Things)駆動のアプリケーションは、リアルタイム処理と迅速な応答を必要とする膨大なデータを生成しています。既存のリソース管理システム(RMS)は、そのような複合システムや動的システムには静的またはソリューションが不十分である。
論文参考訳（メタデータ） (2020-06-09T06:54:07Z)
NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。