論文の概要: Environmental Burden of United States Data Centers in the Artificial Intelligence Era
- arxiv url: http://arxiv.org/abs/2411.09786v1
- Date: Thu, 14 Nov 2024 19:55:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-18 15:38:54.074079
- Title: Environmental Burden of United States Data Centers in the Artificial Intelligence Era
- Title（参考訳）: 人工知能時代の米国データセンターの環境破壊
- Authors: Gianluca Guidi, Francesca Dominici, Jonathan Gilmour, Kevin Butler, Eric Bell, Scott Delaney, Falco J. Bargagli-Stoffi,
- Abstract要約: データセンターは1億5500万トン以上のCO$2$e(2023年の米国の排出量の2.18%)を発生させた
データセンターの炭素強度 - 消費する電力単位当たりのCO$_2$eの排出量 - は、米国平均を48%上回った。
私たちのデータパイプラインと可視化ツールは、データセンターの現在と将来の環境影響を評価するために利用できます。
- 参考スコア（独自算出の注目度）: 0.5025737475817937
- License:
- Abstract: The rapid proliferation of data centers in the US - driven partly by the adoption of artificial intelligence - has set off alarm bells about the industry's environmental impact. We compiled detailed information on 2,132 US data centers operating between September 2023 and August 2024 and determined their electricity consumption, electricity sources, and attributable CO$_{2}$e emissions. Our findings reveal that data centers accounted for more than 4% of total US electricity consumption - with 56% derived from fossil fuels - generating more than 105 million tons of CO$_{2}$e (2.18% of US emissions in 2023). Data centers' carbon intensity - the amount of CO$_{2}$e emitted per unit of electricity consumed - exceeded the US average by 48%. Our data pipeline and visualization tools can be used to assess current and future environmental impacts of data centers.
- Abstract（参考訳）: 米国におけるデータセンターの急速な拡大は、一部は人工知能の導入によるものだが、業界が環境に与える影響について警告鐘を鳴らしている。
2023年9月から2024年8月までに稼働する2,132の米国データセンターに関する詳細な情報を収集し,CO$$$eの排出量,電力源,および関連するCO$$$e排出量を算出した。
調査の結果、データセンターは米国全体の電力消費量の4%以上を占めており、化石燃料の56%は1億5500万トン以上のCO$_{2}$e(2023年の米国の排出量の2.18%)を生み出していることがわかった。
電力消費単位当たりのCO$_{2}$eの排出量は、データセンターの炭素強度が米国平均の48%を上回った。
私たちのデータパイプラインと可視化ツールは、データセンターの現在と将来の環境影響を評価するために利用できます。
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) - Data Contamination Report from the 2024 CONDA Shared Task [78.50743680642405]
この最初のコンピレーション・ペーパーは、合計23人のコントリビュータから91件以上の汚染された資料が報告された566件を基にしている。
共有タスクと関連するデータベースの目標は,問題の範囲の理解と,既知の汚染資源に対する報告評価結果の回避を支援することにある。
論文 参考訳（メタデータ） (2024-07-31T11:26:57Z) - Forecasting Imports in OECD Member Countries and Iran by Using Neural
Network Algorithms of LSTM [0.0]
本研究は、2021年から2025年までの20年間、OECD加盟国とイランの輸入をANNを用いて予測することを目的とする。
1970年から2019年にかけて、世界銀行、WTO、IFMなどの有効な資源から50年以上のデータを収集した。
本研究はLSTMを用いてPycharmのデータ分析を行い, トレーニングデータとして75%, テストデータとして25%のデータを解析し, 解析結果を99%の精度で予測した。
論文 参考訳（メタデータ） (2024-01-06T17:34:26Z) - Compute at Scale: A Broad Investigation into the Data Center Industry [0.8547032097715571]
グローバル産業の評価額は約250億ドルで、今後7年間で倍増する見込みだ。
米国、ヨーロッパ、中国が最も重要な市場を構成しているため、全世界に約500カ所(約10MW)のデータセンターがある可能性が高い。
論文 参考訳（メタデータ） (2023-11-05T13:39:59Z) - Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。
本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。
評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文 参考訳（メタデータ） (2023-07-14T06:50:02Z) - 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 Sustainable Energy-Efficient Data Centers in Africa [0.0]
2040年までに、世界の排出量の14%はデータセンターから来ることになる。
本稿では、データセンターの運用をモデル化し最適化するためにAIとデジタルツインを用いた初期の知見を示す。
論文 参考訳（メタデータ） (2021-09-09T07:18:21Z) - A Framework for Energy and Carbon Footprint Analysis of Distributed and
Federated Edge Learning [48.63610479916003]
本稿では,分散学習政策の環境フットプリントに影響を与える要因を概説し,分析する。
バニラとコンセンサスによって駆動される分散FLポリシーの両方をモデル化する。
その結果、flは低ビット/ジュール効率を特徴とするワイヤレスシステムにおいて、顕著なエンドツーエンドの省エネ(30%-40%)が可能となった。
論文 参考訳（メタデータ） (2021-03-18T16:04:42Z) - Investigation of the Impacts of COVID-19 on the Electricity Consumption
of a University Dormitory Using Weather Normalization [2.5352713493505785]
新型コロナウイルスの感染拡大が米国南部にある大学寮ビルの電力消費に与える影響について調査した。
その結果、新型コロナウイルスによるキャンパス閉鎖時の予測値と比較して、対象建物の総電力消費量は41%(約276,000 kWh (942 MMBtu))減少した。
論文 参考訳（メタデータ） (2020-12-04T20:54:03Z) - Averaging Atmospheric Gas Concentration Data using Wasserstein
Barycenters [68.978070616775]
ハイパースペクトル衛星画像は、世界中の温室効果ガス濃度を毎日報告している。
気象データと組み合わさったワッサーシュタイン・バリセンタを用いて, ガス濃度データセットの平均化と, 質量集中性の向上を提案する。
論文 参考訳（メタデータ） (2020-10-06T14:31:25Z)
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。