論文の概要: Profiling the carbon footprint of performance bugs

• arxiv url: http://arxiv.org/abs/2401.01782v1
• Date: Wed, 3 Jan 2024 15:15:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-04 13:45:23.671054
• Title: Profiling the carbon footprint of performance bugs
• Title（参考訳）: パフォーマンスバグの炭素フットプリントのプロファイリング
• Authors: Iztok Fister Jr. and Du\v{s}an Fister and Vili Podgorelec and Iztok Fister
• Abstract要約: グリーン情報とコミュニケーション技術は、持続可能な環境に優しい計算分野を生み出すパラダイムである。 本稿では,最近までこれほど深く研究されたことがなかったパフォーマンスバグの問題点について考察する。
• 参考スコア（独自算出の注目度）: 2.7282382992043885
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Much debate nowadays is devoted to the impacts of modern information and communication technology on global carbon emissions. Green information and communication technology is a paradigm creating a sustainable and environmentally friendly computing field that tries to minimize the adverse effects on the environment. Green information and communication technology are under constant development nowadays. Thus, in this paper, we undertake the problem of performance bugs that, until recently, have never been studied so profoundly. We assume that inappropriate software implementations can have a crucial influence on global carbon emissions. Here, we classify those performance bugs and develop inappropriate implementations of four programs written in C++. To mitigate these simulated performance bugs, measuring software and hardware methods that can estimate the increased carbon footprint properly were proposed.
• Abstract（参考訳）: 最近の多くの議論は、世界的な二酸化炭素排出量に対する現代の情報と通信技術の影響に向けられている。 グリーンインフォメーションとコミュニケーション技術は、環境への悪影響を最小限に抑える、持続的で環境に優しい計算分野を作るパラダイムである。 グリーン情報と通信技術は、現在常に開発されている。 そこで本稿では,近年までそれほど深く研究されていない性能バグの問題について述べる。 我々は、不適切なソフトウェア実装が世界的な二酸化炭素排出量に重大な影響を与えると仮定する。 ここでは、これらのパフォーマンスバグを分類し、c++で書かれた4つのプログラムの不適切な実装を開発する。 これらのシミュレーション性能のバグを軽減するため、炭素フットプリントの増加を適切に見積もるソフトウェアとハードウェアの手法が提案された。

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)
• 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)
• 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)
• 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)
• 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 Survey on Green Deep Learning [25.71572024291251]
  本稿では,グリーンディープラーニング技術の発展を体系的にレビューすることに焦点を当てる。 提案手法は,(1)コンパクトネットワーク,(2)エネルギー効率のトレーニング戦略,(3)エネルギー効率の推論アプローチ,(4)データ利用率の4つのカテゴリに分類される。
  論文  参考訳（メタデータ） (2021-11-08T16:55:03Z)
• 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)
• 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。