論文の概要: Uncertainty-Aware Decarbonization for Datacenters
- arxiv url: http://arxiv.org/abs/2407.02390v1
- Date: Tue, 2 Jul 2024 16:04:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-03 14:46:41.843825
- Title: Uncertainty-Aware Decarbonization for Datacenters
- Title（参考訳）: データセンターの不確実性を考慮した脱炭
- Authors: Amy Li, Sihang Liu, Yi Ding,
- Abstract要約: 時間と空間の2種類の不確実性を特定し解析する。
本研究では,不確実性を定量化する上での時間的ダイナミクスに対処するための共形予測に基づくフレームワークを提案する。
本研究では,時間的および空間的負荷シフトに着目して,生産電力トレースを用いた2つのケーススタディを行う。
- 参考スコア（独自算出の注目度）: 3.3710889580795538
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper represents the first effort to quantify uncertainty in carbon intensity forecasting for datacenter decarbonization. We identify and analyze two types of uncertainty -- temporal and spatial -- and discuss their system implications. To address the temporal dynamics in quantifying uncertainty for carbon intensity forecasting, we introduce a conformal prediction-based framework. Evaluation results show that our technique robustly achieves target coverages in uncertainty quantification across various significance levels. We conduct two case studies using production power traces, focusing on temporal and spatial load shifting respectively. The results show that incorporating uncertainty into scheduling decisions can prevent a 5% and 14% increase in carbon emissions, respectively. These percentages translate to an absolute reduction of 2.1 and 10.4 tons of carbon emissions in a 20 MW datacenter cluster.
- Abstract（参考訳）: 本論文は, データセンター脱炭のための炭素強度予測の不確かさを定量化するための最初の試みである。
我々は、時間的および空間的な2つの不確実性を特定し、分析し、システム含意について議論する。
炭素強度予測の不確かさの定量化における時間的ダイナミクスに対処するために,共形予測に基づく枠組みを導入する。
評価結果から, 本手法は, 種々の意義レベルにわたる不確実性定量化において, 対象範囲を頑健に達成できることが示唆された。
生産電力トレースを用いた2つのケーススタディを行い,時間的および空間的負荷シフトに着目した。
その結果, スケジュール決定に不確実性を導入することで, それぞれ5%と14%の二酸化炭素排出量の増加を防止できることがわかった。
これらの割合は20MWのデータセンターで2.1トンと10.4トンの炭素排出量を絶対的に減少させる。
関連論文リスト
- Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。
我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。
将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文 参考訳（メタデータ） (2024-04-08T09:13:16Z) - Carbon Intensity-Aware Adaptive Inference of DNNs [0.0]
我々のアルゴリズムは、低強度期間中により大きく、高精度なモデルを使用し、高強度期間中により小さく、より精度の低いモデルを使用する。
また, 炭素フットプリントの観点から, 適応モデル選択の有効性を定量的に測定する指標である炭素放出効率も導入した。
論文 参考訳（メタデータ） (2024-03-23T12:33:12Z) - Evaluating Total Environmental Impact for a Computing Infrastructure [0.0]
我々は、その影響を計算するために使用される炭素モデルと、定義されたリソースセットに対する影響を定量化するために収集されたデータについて概説する。
我々は、スナップショット期間における炭素相当の気候影響の量について、さまざまな推定値を作成します。
論文 参考訳（メタデータ） (2023-09-08T21:30:35Z) - Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。
そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。
予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
論文 参考訳（メタデータ） (2023-03-24T18:32:38Z) - De-risking Carbon Capture and Sequestration with Explainable CO2 Leakage
Detection in Time-lapse Seismic Monitoring Images [2.021175152213487]
本研究では,最新の深層学習モデルを用いて,CO2プラム(リーカジ)をデライン化するために,時間ラプス地震画像のバイナリ分類を導入する。
また,クラスアクティベーションマッピング手法を用いて,CO2プラムの漏洩領域をローカライズする。
論文 参考訳（メタデータ） (2022-12-16T17:22:51Z) - Enhanced prediction accuracy with uncertainty quantification in
monitoring CO2 sequestration using convolutional neural networks [3.3336265497547135]
同時量子回帰(SQR)は、ピンボール損失によってニューラルネットワークのターゲット変数の条件分布全体を推定することができる。
本研究では,不確実性をサンプリングし,予測精度をさらに向上する新しいデータ拡張手法を提案する。
開発された手法は、エネルギー省によって作成され、カリフォルニア州のCO2捕獲隔離プロジェクトに基づいて、Kimberlinaの合成データに基づいて試験される。
論文 参考訳（メタデータ） (2022-12-08T21:25:20Z) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳（メタデータ） (2022-10-31T04:04:03Z) - 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) - Uncertainty in Data-Driven Kalman Filtering for Partially Known
State-Space Models [84.18625250574853]
本稿では,ハイブリッドモデルに基づくディープステートトラッキングアルゴリズムであるKalmanNetを用いて,不確実性の評価を行う。
誤差共分散行列は内部特性に基づいて不確実性の測定値として計算可能であることを示す。
システムダイナミクスが分かっている場合、KalmanNetは統計情報にアクセスせずにデータからマッピングを学習し、Kalmanフィルタに類似した不確実性を示す。
論文 参考訳（メタデータ） (2021-10-10T08:52:18Z) - Localization Uncertainty Estimation for Anchor-Free Object Detection [48.931731695431374]
アンカーベース物体検出のための既存の不確実性推定手法にはいくつかの制限がある。
アンカーフリー物体検出のためのUADと呼ばれる新しい位置推定不確実性推定手法を提案する。
本手法は,ボックスオフセットの4方向の不確かさを均一に捉え,どの方向が不確実であるかを判断する。
論文 参考訳（メタデータ） (2020-06-28T13:49:30Z)
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。