論文の概要: The Sunk Carbon Fallacy: Rethinking Carbon Footprint Metrics for Effective Carbon-Aware Scheduling

• arxiv url: http://arxiv.org/abs/2410.15087v1
• Date: Sat, 19 Oct 2024 12:23:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:12:28.530099
• Title: The Sunk Carbon Fallacy: Rethinking Carbon Footprint Metrics for Effective Carbon-Aware Scheduling
• Title（参考訳）: サンク・カーボン・フォールシー:効果的なカーボン・アウェア・スケジューリングのためのカーボン・フットプリント・メトリクスの再考
• Authors: Noman Bashir, Varun Gohil, Anagha Belavadi, Mohammad Shahrad, David Irwin, Elsa Olivetti, Christina Delimitrou,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.562727244613512
• License:
• Abstract: The rapid increase in computing demand and its corresponding energy consumption have focused attention on computing's impact on the climate and sustainability. Prior work proposes metrics that quantify computing's carbon footprint across several lifecycle phases, including its supply chain, operation, and end-of-life. Industry uses these metrics to optimize the carbon footprint of manufacturing hardware and running computing applications. Unfortunately, prior work on optimizing datacenters' carbon footprint often succumbs to the \emph{sunk cost fallacy} by considering embodied carbon emissions (a sunk cost) when making operational decisions (i.e., job scheduling and placement), which leads to operational decisions that do not always reduce the total carbon footprint. In this paper, we evaluate carbon-aware job scheduling and placement on a given set of servers for a number of carbon accounting metrics. Our analysis reveals state-of-the-art carbon accounting metrics that include embodied carbon emissions when making operational decisions can actually increase the total carbon footprint of executing a set of jobs. We study the factors that affect the added carbon cost of such suboptimal decision-making. We then use a real-world case study from a datacenter to demonstrate how the sunk carbon fallacy manifests itself in practice. Finally, we discuss the implications of our findings in better guiding effective carbon-aware scheduling in on-premise and cloud datacenters.
• Abstract（参考訳）: コンピュータ需要の急激な増加とそれに対応するエネルギー消費は、コンピューティングが気候と持続可能性に与える影響に注目している。 以前の研究は、サプライチェーン、オペレーション、ライフ・オブ・ライフを含む、いくつかのライフサイクルフェーズでコンピューティングの炭素フットプリントを定量化するメトリクスを提案していた。 産業はこれらのメトリクスを使って、製造ハードウェアのカーボンフットプリントを最適化し、コンピューティングアプリケーションを実行する。 残念なことに、データセンターの炭素フットプリントを最適化する以前の作業は、運用上の決定(仕事のスケジューリングや配置など)を行う際に、炭素排出量を具体化することで、必ずしも炭素フットプリントの総量を減らさないような運用上の決定を下すことによって、しばしば「emph{sunk cost fallacy」に結びつく。 本稿では,複数の炭素会計指標に対して,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。 私たちの分析によると、運用上の決定を下せば、一連のジョブを実行する際の炭素フットプリントを実際に増加させることができる、実施中の二酸化炭素排出量を含む、最先端の炭素収支指標が明らかになりました。 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。 次に、データセンターから現実のケーススタディを使って、沈んだ炭素の誤用が実際にどのように現れるかを実証します。 最後に,本研究の結果が,オンプレミスおよびクラウドデータセンタにおける効果的な炭素認識スケジューリングの指針となることの意義について論じる。

関連論文リスト

• Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
  炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。 階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。 MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
  論文  参考訳（メタデータ） (2024-06-12T05:08:51Z)
• 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)
• LACS: Learning-Augmented Algorithms for Carbon-Aware Resource Scaling with Uncertain Demand [1.423958951481749]
  本稿では,未知の作業時間(OCSU)を用いたオンラインCO_2-Awareリソーススケーリング問題について検討する。 我々は,論理的に堅牢な学習拡張アルゴリズムであるLACSを提案し,OCSUを解く。 LACSは、納期を意識した炭素に依存しない作業と比較して、炭素フットプリントの32%の削減を実現している。
  論文  参考訳（メタデータ） (2024-03-29T04:54:22Z)
• Open and Linked Data Model for Carbon Footprint Scenarios [8.550140109387469]
  炭素フットプリントシナリオのためのオープンでリンクされたデータモデルを提案する。 我々は、Webベースのデータインタプリタのプロトタイプを用いて、私たちのアイデアの実装を実演する。
  論文  参考訳（メタデータ） (2023-10-02T15:27:59Z)
• 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)
• 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)
• 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)
• 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 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。