論文の概要: Rethinking Digitalization and Climate: Don't Predict, Mitigate

• arxiv url: http://arxiv.org/abs/2407.15016v1
• Date: Sun, 16 Jun 2024 19:40:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 01:55:24.421952
• Title: Rethinking Digitalization and Climate: Don't Predict, Mitigate
• Title（参考訳）: デジタル化と気候を再考する - 予測するな, 緩和する
• Authors: Daria Gritsenko, Jon Aaen, Bent Flyvbjerg,
• Abstract要約: デジタル化はグリーン・トランジションの中核的な要素である。 予測のほとんどの試みは、3つの暗黙の仮定に基づいている。 我々は、デジタルカーボンフットプリントは本質的に予測不可能であると主張している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digitalization is a core component of the green transition. Today's focus is on quantifying and pre-dicting the climate effects of digitalization through various life-cycle assessments and baseline sce-nario methodologies. Here we argue that this is a mistake. Most attempts at prediction are based on three implicit assumptions: (a) the digital carbon footprint can be quantified, (b) business-as-usual with episodic change leading to a new era of stability, and (c) investments in digitalization will be delivered within the cost, timeframe, and benefits described in their business cases. We problema-tize each assumption within the context of digitalization and argue that the digital carbon footprint is inherently unpredictable. We build on uncertainty literature to show that even if you cannot predict, you can still mitigate. On that basis, we propose to rethink practice on the digital carbon footprint from prediction to mitigation.
• Abstract（参考訳）: デジタル化はグリーン・トランジションの中核的な要素である。 今日の焦点は、様々なライフサイクルアセスメントとベースライン・スケナリオ手法によるデジタル化の気候効果の定量化と予測である。 ここでは、これは間違いであると主張する。 予測のほとんどの試みは、3つの暗黙の仮定に基づいている。 a) デジタルカーボンフットプリントを定量化することができる。 (b)新時代の安定につながる根本的変化を伴う事業 (c) デジタル化への投資は、彼らのビジネスケースで説明されているコスト、時間枠、利益の中で提供されます。 デジタル化の文脈において各仮定を問題に分類し、デジタルカーボンフットプリントは本質的に予測不可能であると主張する。 予測できないとしても、それでも緩和できることを示すために、不確実性のある文献を構築します。 そこで我々は,予測から緩和まで,デジタルカーボンフットプリントの実践を再考する。

関連論文リスト

• An uncertainty-aware Digital Shadow for underground multimodal CO2 storage monitoring [1.1249583407496222]
  Geological Carbon Storage GCSは、おそらく唯一利用可能なスケーラブルなネット負のCO2排出技術である。 機械学習に基づくデータ同化フレームワークを導入し、現実的な数値シミュレーションで検証する。 この研究は、不確実性を意識したインプリンシプルなスケーラブルなデジタルシャドウの概念の最初の証明である。
  論文  参考訳（メタデータ） (2024-10-02T03:58:45Z)
• Toward Reproducibility of Digital Twin Research: Exemplified with the PiCar-X [49.44419860570116]
  デジタル双生児は、モノのインターネットと産業の4.0でますます重要になっている。 dtsの概念には統一された定義がなく、検証の課題に直面している。 本稿では,様々なdt概念を再現可能な実験室で実証する。
  論文  参考訳（メタデータ） (2024-08-25T15:34:00Z)
• Uncertainty-Aware Decarbonization for Datacenters [3.3710889580795538]
  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。
  論文  参考訳（メタデータ） (2024-07-02T16:04:16Z)
• A comparative study of conformal prediction methods for valid uncertainty quantification in machine learning [0.0]
  論文は、誰もが不確実性に気付いていて、それがどれほど重要か、そしてそれを恐れずにそれをどのように受け入れるか、という世界を探求しようとします。 しかし、正確な不確実性推定を誰でも得るための特定のフレームワークが選別され、分析される。
  論文  参考訳（メタデータ） (2024-05-03T13:19:33Z)
• Uncertainty Quantification for Forward and Inverse Problems of PDEs via Latent Global Evolution [110.99891169486366]
  本稿では,効率的かつ高精度な不確実性定量化を深層学習に基づく代理モデルに統合する手法を提案する。 本手法は,フォワード問題と逆問題の両方に対して,堅牢かつ効率的な不確実性定量化機能を備えたディープラーニングに基づく代理モデルを提案する。 提案手法は, 長期予測を含むシナリオに適合し, 拡張された自己回帰ロールアウトに対する不確かさの伝播に優れる。
  論文  参考訳（メタデータ） (2024-02-13T11:22:59Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• Performative Time-Series Forecasting [71.18553214204978]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• Tipping Point Forecasting in Non-Stationary Dynamics on Function Spaces [78.08947381962658]
  タップポイントは急激で、急激で、しばしば非定常力学系の進化における不可逆的な変化である。 我々は、関数空間間のマッピングを学習する新しいリカレントニューラル演算子(RNO)を用いて、そのような非定常系の進化を学習する。 本稿では,物理制約から逸脱をモニタリングすることで,チップ点の予測を行う共形予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-17T05:42:27Z)
• Taming Overconfident Prediction on Unlabeled Data from Hindsight [50.9088560433925]
  ラベルのないデータに対する予測の不確実性を最小化することは、半教師付き学習において優れた性能を達成するための鍵となる要素である。 本稿では,アダプティブシャーニング(Adaptive Sharpening, ADS)と呼ばれる2つのメカニズムを提案する。 ADSは、プラグインにすることで最先端のSSLメソッドを大幅に改善する。
  論文  参考訳（メタデータ） (2021-12-15T15:17:02Z)
• COVID-19 and Digital Transformation -- Developing an Open Experimental Testbed for Sustainable and Innovative Environments (ETSIE) using Fuzzy Cognitive Maps [0.0]
  本稿では,ファジィ・コグニティブ・マップ(FCM)を用いて,建築・都市計画におけるデジタルトランスフォーメーションの最適化とシミュレーションを行う。 従来の成長志向のシナリオ、COVID-19シナリオ、革新的で持続可能な新型コロナウイルスシナリオをモデル化し、テストする。
  論文  参考訳（メタデータ） (2021-01-19T08:37:54Z)

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。