論文の概要: Treehouse: A Case For Carbon-Aware Datacenter Software
- arxiv url: http://arxiv.org/abs/2201.02120v1
- Date: Thu, 6 Jan 2022 16:00:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-07 16:38:02.769626
- Title: Treehouse: A Case For Carbon-Aware Datacenter Software
- Title（参考訳）: treehouse:carbon-aware datacenter softwareのケース
- Authors: Thomas Anderson, Adam Belay, Mosharaf Chowdhury, Asaf Cidon, and Irene
Zhang
- Abstract要約: デナードのスケーリングの終わりとムーアの法則の減速は、データセンターのエネルギー利用を持続不可能な経路に押し上げた。
我々は、ソフトウェア中心のアプローチにより、データセンターコンピューティングの炭素強度を大幅に削減できると主張している。
- 参考スコア（独自算出の注目度）: 4.7521372297013365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The end of Dennard scaling and the slowing of Moore's Law has put the energy
use of datacenters on an unsustainable path. Datacenters are already a
significant fraction of worldwide electricity use, with application demand
scaling at a rapid rate. We argue that substantial reductions in the carbon
intensity of datacenter computing are possible with a software-centric
approach: by making energy and carbon visible to application developers on a
fine-grained basis, by modifying system APIs to make it possible to make
informed trade offs between performance and carbon emissions, and by raising
the level of application programming to allow for flexible use of more energy
efficient means of compute and storage. We also lay out a research agenda for
systems software to reduce the carbon footprint of datacenter computing.
- Abstract（参考訳）: デナードのスケーリングの終わりとムーアの法則の減速は、データセンターのエネルギー利用を持続不可能な経路に押し上げた。
データセンターはすでに世界の電力消費のかなりの部分を占めており、アプリケーションの需要は急速に拡大している。
我々は、データセンターコンピューティングの炭素強度の大幅な削減は、ソフトウェア中心のアプローチで可能であると論じる: アプリケーション開発者にエネルギーと炭素を細かく見えるようにすること、システムAPIを変更してパフォーマンスと二酸化炭素排出量の間の情報交換を可能にすること、計算とストレージのよりエネルギー効率の良い手段を柔軟に利用できるようにアプリケーションプログラミングのレベルを上げること。
我々はまた、データセンターコンピューティングの炭素フットプリントを削減するシステムソフトウェアの研究課題も策定した。
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) - I've Got 99 Problems But FLOPS Ain't One [70.3084616806354]
私たちは、機械学習アプリケーションのための1000億ドルのデータセンターを構築するための公開計画から始まり、関連する研究方向を見つけるために、従来からあるアプローチを取っています。
データセンターのようなワークロードが持つものを見つけ、ネットワーク研究に焦点をあてて、その課題を探求します。
我々は、データセンターの構築とそのようなモデルの訓練は技術的に可能であると結論づけるが、これはDC間通信のための新しい広域トランスポート、マルチパストランスポート、および新しいデータセンタートポロジを必要とする。
論文 参考訳（メタデータ） (2024-07-01T10:33:46Z) - 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) - Spatio-temporal load shifting for truly clean computing [0.5857582826810999]
本研究では、時間と場所の双方において、コンピュータジョブのシフトと関連する電力負荷の影響について検討する。
我々は,ロードブルティの情報利用に関連する3つの信号を分離した。
24/7 CFEのコストは1.29$pm$0.07 EUR/MWhに削減される。
論文 参考訳（メタデータ） (2024-03-26T13:36:42Z) - WattScope: Non-intrusive Application-level Power Disaggregation in
Datacenters [0.6086160084025234]
WattScopeは、個々のアプリケーションの消費電力を非侵襲的に推定するシステムである。
WattScopeは、ビルドパワーを分離するための機械学習ベースのテクニックを適応し、拡張する。
論文 参考訳（メタデータ） (2023-09-22T04:13:46Z) - SHIELD: Sustainable Hybrid Evolutionary Learning Framework for Carbon,
Wastewater, and Energy-Aware Data Center Management [2.9699290794642366]
地理的分散データセンター(GDDC)は、環境に重大な影響を及ぼす。
本稿では,GDDCの二酸化炭素排出量,水排出量,エネルギーコストを最適化する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-08-24T21:11:55Z) - 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) - 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) - 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) - 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。