論文の概要: Towards a Knowledge Base of Common Sustainability Weaknesses in Green Software Development

• arxiv url: http://arxiv.org/abs/2506.08812v1
• Date: Tue, 10 Jun 2025 14:03:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:42.565946
• Title: Towards a Knowledge Base of Common Sustainability Weaknesses in Green Software Development
• Title（参考訳）: グリーンソフトウェア開発における共通持続可能性弱さの知識ベースに向けて
• Authors: Priyavanshi Pathania, Rohit Mehra, Vibhu Saujanya Sharma, Vikrant Kaulgud, Sanjay Podder, Adam P. Burden,
• Abstract要約: 本稿では,コードに一般的に発生する持続可能性弱点の標準的な知識基盤の開発の必要性を動機づける。 ソフトウェア弱点に関する既存の知識が、重大なデューディリジェンスを伴わずに持続可能性に"as is"をタグ付けできない理由を実証する。
• 参考スコア（独自算出の注目度）: 9.521952718902973
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the climate crisis looming, engineering sustainable software systems become crucial to optimize resource utilization, minimize environmental impact, and foster a greener, more resilient digital ecosystem. For developers, getting access to automated tools that analyze code and suggest sustainabilityrelated optimizations becomes extremely important from a learning and implementation perspective. However, there is currently a dearth of such tools due to the lack of standardized knowledge, which serves as the foundation of these tools. In this paper, we motivate the need for the development of a standard knowledge base of commonly occurring sustainability weaknesses in code, and propose an initial way of doing that. Furthermore, through preliminary experiments, we demonstrate why existing knowledge regarding software weaknesses cannot be re-tagged "as is" to sustainability without significant due diligence, thereby urging further explorations in this ecologically significant domain.
• Abstract（参考訳）: 気候変動の悪化により、持続可能なソフトウェアシステムは資源利用を最適化し、環境への影響を最小限に抑え、より温かく、より回復力のあるデジタルエコシステムを育むために欠かせないものとなっている。 開発者にとっては、コードを分析し、持続可能性に関連する最適化を提案する自動化ツールへのアクセスは、学習と実装の観点から非常に重要である。 しかし、これらのツールの基礎となる標準化された知識が欠如しているため、現在ではそのようなツールが発掘されている。 本稿では,コードに一般的に発生する持続可能性弱点の標準知識ベースの開発の必要性を動機付け,その初期的方法を提案する。 さらに、予備実験を通じて、ソフトウェア弱点に関する既存の知識が、重大なデューディリジェンスを伴わずに持続可能性に「そのまま」再タグ付けできない理由を実証し、この生態学的に重要な領域におけるさらなる探索を促す。

関連論文リスト

• Do Generative AI Tools Ensure Green Code? An Investigative Study [9.067268029288195]
  本稿では,3つの一般的な生成AIツールを対象とした,AI生成コードの持続可能性に関する早期調査の結果を紹介する。 結果は、複数のルールやシナリオにわたって、コードを生成するツールのデフォルトの非グリーンな振る舞いを強調します。
  論文  参考訳（メタデータ） (2025-06-10T13:38:41Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [64.4881275941927]
  本稿では,大陸規模のマルチタスクLSTMモデルにおいて,信頼性の総合評価を行う。 本研究は,流域特性に関連するモデル性能格差の系統的パターンを明らかにする。 この作業は、水資源管理のための信頼できるデータ駆動手法を前進させるためのタイムリーな呼びかけとして役立ちます。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• Green Federated Learning: A new era of Green Aware AI [11.536626349203361]
  フェデレートラーニング(FL)は、このニーズに対処する新たな機会を提供する。 グリーンアウェアなAIアルゴリズムの既存の取り組みとギャップをナビゲートし、理解するためのロードマップを、研究者、ステークホルダ、関心のある関係者に提供することが重要です。 この調査は主に、100を超えるFL作品を特定し分析することで、この目的を達成することを目的としている。
  論文  参考訳（メタデータ） (2024-09-19T09:54:18Z)
• Innovating for Tomorrow: The Convergence of SE and Green AI [2.013374581642707]
  機械学習は、既存のソフトウェアエンジニアリングプロセスのフロンティアを変えつつある。 我々は、環境に優しいプラクティスを採用してAI対応のソフトウェアシステムを構築することの影響を反映する。
  論文  参考訳（メタデータ） (2024-06-26T07:47:04Z)
• The Responsible Foundation Model Development Cheatsheet: A Review of Tools & Resources [100.23208165760114]
  ファンデーションモデル開発は、急速に成長するコントリビュータ、科学者、アプリケーションを引き付けている。 責任ある開発プラクティスを形成するために、我々はFoundation Model Development Cheatsheetを紹介します。
  論文  参考訳（メタデータ） (2024-06-24T15:55:49Z)
• Clearing the Path for Software Sustainability [0.0]
  本稿では,第3次研究から得られた知見をもとに,文献における重要な課題を概説する。 ソフトウェア持続可能性の定義に関する混乱、ソフトウェア開発における持続可能性を考えるべき時期に関する不確実性、評価指標とツールの欠如、ソフトウェアシステムの持続可能性に関する狭い視点、認識と教育の不足、実践における重大な考慮の欠如。
  論文  参考訳（メタデータ） (2024-05-24T15:24:24Z)
• SusDevOps: Promoting Sustainability to a First Principle in Software Delivery [0.5439020425819]
  SusDevOpsは、ソフトウェアデリバリライフサイクル内のサステナビリティ関連のアクティビティを満足させるフレームワークである。 ソフトウェア開発スタートアップ企業を事例として,SusDevOpsのライフサイクルフェーズとテクニックを実演する。
  論文  参考訳（メタデータ） (2023-12-22T17:15:58Z)
• GreenDB -- A Dataset and Benchmark for Extraction of Sustainability Information of Consumer Goods [58.31888171187044]
  毎週、ヨーロッパのオンラインショップから商品を収集するデータベースであるGreenDBを提示する。 製品サステナビリティのプロキシとして、専門家が評価するサステナビリティラベルに依存している。 本稿では,データを用いてトレーニングしたMLモデルを用いて,製品のサステナビリティラベルを確実に予測できることを示す。
  論文  参考訳（メタデータ） (2022-07-21T19:59:42Z)

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。