論文の概要: Measuring IT Carbon Footprint: What is the Current Status Actually?

• arxiv url: http://arxiv.org/abs/2306.10049v1
• Date: Mon, 12 Jun 2023 13:56:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-26 01:38:28.331554
• Title: Measuring IT Carbon Footprint: What is the Current Status Actually?
• Title（参考訳）: ITカーボンフットプリントの測定 - 現状はどのようなものか?
• Authors: Tom Kennes
• Abstract要約: 本稿では,これらの課題を4つのカテゴリに分類し,現状,欠点,今後の研究方向性について解説する。 さまざまな非営利団体やオープンソースイニシアチブが紹介され、CPU消費に基づいた数学的フレームワークも導入されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the new Corporate Sustainability Reporting Directive from the European Union, which presses large enterprises to be more transparent about their GHG emissions, and though large technology- or advisory firms might peddle otherwise, there are plenty of challenges ahead when it comes to measuring GHG emissions from IT activities in the first place. This paper categories those challenges into 4 categories, and explains the current status, shortcomings and potential future research directions. These categories are: measuring software energy consumption, server overhead energy consumption, Energy Mix and emissions from embodied carbon. Next to that, various non-profit and open-source initiatives are introduced as well as a mathematical framework, based on CPU consumption, that can act as a rule-of-thumb for quick and effortless assessments.
• Abstract（参考訳）: 欧州連合(eu)からの新たな企業サステナビリティレポート指令にもかかわらず、大企業は温室効果ガス排出量をより透明にするよう圧力をかけている。 本稿では,これらの課題を4つのカテゴリに分類し,現状,欠点,今後の研究方向性を説明する。 これらのカテゴリは、ソフトウェアのエネルギー消費、サーバーのオーバーヘッドエネルギー消費、エネルギミックス、および実施炭素からの排出を測定する。 次に、さまざまな非営利およびオープンソースイニシアチブが導入され、cpu消費に基づく数学的フレームワークが、迅速かつ無力な評価のためのルールオブザウンブとして機能する。

関連論文リスト

• Software Frugality in an Accelerating World: the Case of Continuous Integration [2.73028688816111]
  私たちは、GitHubで実装された継続的インテグレーションパイプラインのエネルギーフットプリントを、初めて大規模に分析します。 パイプラインの平均単位エネルギーコストは10Whで比較的低い。 地域Wh-to-CO2推定値に基づくCO2排出量の評価では, 平均CO2排出量は10.5kgである。
  論文  参考訳（メタデータ） (2024-10-21T09:29:50Z)
• How do Practitioners Perceive Energy Consumption on Stack Overflow? [3.000496428347787]
  エネルギー消費に関するStack Overflow (SO) 質問を実証分析する。 これらの質問は、実践者が日々の開発活動で直面している実世界のエネルギー関連障害を反映している。 我々の観察は、エネルギー消費がソフトウェア開発システムに与える影響について、実践者の間で認識を高めます。
  論文  参考訳（メタデータ） (2024-09-28T03:28:52Z)
• 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)
• Reduce, Reuse, Recycle: Building Greener Sustainable Software [0.22252684361733285]
  データセンターは世界の電力使用量の1%以上を占めている。 非自明な省エネは、プログラミングの基本的な側面についてエネルギーを意識した決定を行うことによって、ソフトウェアで達成できる。
  論文  参考訳（メタデータ） (2023-11-03T03:03:13Z)
• Towards Net-Zero Carbon Emissions in Network AI for 6G and Beyond [36.02419793345877]
  世界の温室効果ガス(温室効果ガス)排出量(主に炭素排出量)を2030年までに半分減らし、2050年までにネットゼロに達するよう、世界的な取り組みが進められている。 ハードウェアとソフトウェアの設計の両方でエネルギー効率が向上したにもかかわらず、モバイルネットワーク全体のエネルギー消費と炭素排出量は依然として増加を続けている。 DETAと呼ばれる新しい動的エネルギー取引とタスク割り当て最適化フレームワークが、炭素排出量の削減のために導入された。
  論文  参考訳（メタデータ） (2023-09-18T12:24:06Z)
• 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)
• 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)
• Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
  本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。 我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。 読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
  論文  参考訳（メタデータ） (2020-03-02T20:32:10Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)
• 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。