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
- MOSAIC: A Multi-Objective Optimization Framework for Sustainable
Datacenter Management [2.9699290794642366]
持続可能なデータセンター管理のための新しいフレームワークを提案する。
我々は、再生可能エネルギー源、可変エネルギーコスト、電力利用効率、炭素要因、エネルギー中の水強度など、地理的および時間的要因を考慮に入れている。
我々のフレームワークは、最先端技術と比較して最大4.61倍の目的(炭素、水、コスト)で累積的な改善を実現している。
論文 参考訳(メタデータ) (2023-11-14T23:05:37Z) - 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) - DC-Check: A Data-Centric AI checklist to guide the development of
reliable machine learning systems [81.21462458089142]
データ中心のAIは、信頼できるエンドツーエンドパイプラインを可能にする統一パラダイムとして登場しています。
データ中心の考慮事項を抽出する実行可能なチェックリストスタイルのフレームワークであるDC-Checkを提案する。
この開発におけるデータ中心のレンズは、システム開発に先立って思考力と透明性を促進することを目的としている。
論文 参考訳(メタデータ) (2022-11-09T17:32:09Z) - Implementing Reinforcement Learning Datacenter Congestion Control in
NVIDIA NICs [62.557323506605236]
渋滞制御 (CC) アルゴリズムの設計は非常に困難になる。
現在、計算能力に制限があるため、ネットワークデバイスにAIモデルをデプロイすることはできない。
我々は,近年の強化学習CCアルゴリズムに基づく計算軽度解を構築した。
論文 参考訳(メタデータ) (2022-07-05T20:42:24Z) - 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) - Towards a Systematic Survey for Carbon Neutral Data Centers [23.339102377319833]
データセンターは大規模なエネルギー消費のため、炭素集約型企業である。
データセンター産業は2030年までに世界の二酸化炭素排出量の8%を占めると見積もられている。
本研究は, 政策指標と技術方法論の両方を考慮した, 炭素中性データセンターへのロードマップを提案する。
論文 参考訳(メタデータ) (2021-10-15T09:24:15Z) - 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。