論文の概要: Not All Water Consumption Is Equal: A Water Stress Weighted Metric for Sustainable Computing

• arxiv url: http://arxiv.org/abs/2506.22773v1
• Date: Sat, 28 Jun 2025 06:26:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.557901
• Title: Not All Water Consumption Is Equal: A Water Stress Weighted Metric for Sustainable Computing
• Title（参考訳）: 水消費が等しくはない:持続可能計算のための水ストレス重み付き計量
• Authors: Yanran Wu, Inez Hua, Yi Ding,
• Abstract要約: 本研究では,水ストレスの空間的および時間的変動を要因として,計算における水の影響を評価する最初のフレームワークであるSCARFを提案する。 ScarFは、時間とともに消費量と局所的な水ストレスの両方を考慮する調整水衝撃(AWI)測定値を計算する。 位置選択と時間選択を最適化し、節水型コンピューティングの道を開くことにより、水の衝撃を抑えるための隠れた機会を示す。
• 参考スコア（独自算出の注目度）: 2.5832043241251337
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Water consumption is an increasingly critical dimension of computing sustainability, especially as AI workloads rapidly scale. However, current water impact assessment often overlooks where and when water stress is more severe. To fill in this gap, we present SCARF, the first general framework that evaluates water impact of computing by factoring in both spatial and temporal variations in water stress. SCARF calculates an Adjusted Water Impact (AWI) metric that considers both consumption volume and local water stress over time. Through three case studies on LLM serving, datacenters, and semiconductor fabrication plants, we show the hidden opportunities for reducing water impact by optimizing location and time choices, paving the way for water-sustainable computing. The code is available at https://github.com/jojacola/SCARF.
• Abstract（参考訳）: 水の消費は、特にAIワークロードが急速にスケールするにつれて、コンピューティングの持続可能性においてますます重要な次元となっている。 しかし、現在の水の影響評価は、水ストレスがより深刻である場所や時期を見落としていることが多い。 このギャップを埋めるために,水ストレスの空間的および時間的変動を要因として,計算による水の影響を評価する最初の一般的なフレームワークであるSCARFを提案する。 SCARFは、時間とともに消費量と局所的な水ストレスの両方を考慮する調整水衝撃(AWI)測定値を計算する。 LLMサービス、データセンター、半導体製造プラントに関する3つのケーススタディを通じて、位置と時間選択を最適化し、持続可能計算の道を開くことにより、水の影響を低減するための隠れた機会を示す。 コードはhttps://github.com/jojacola/SCARFで公開されている。

関連論文リスト

• Depth-Constrained ASV Navigation with Deep RL and Limited Sensing [45.77464360746532]
  本研究では,深度制約下でのASVナビゲーションのための強化学習フレームワークを提案する。 環境意識を高めるため,GPレグレッションをRLフレームワークに統合する。 我々は,実世界の水環境に対して,訓練された政策が適切に一般化されることを保証する効果的なシミュレート・トゥ・リアル・トランスファーを実証する。
  論文  参考訳（メタデータ） (2025-04-25T10:56:56Z)
• Water Mapping and Change Detection Using Time Series Derived from the Continuous Monitoring of Land Disturbance Algorithm [5.426703801207648]
  土地変動の継続的モニタリング(COLD)アルゴリズムは、土地変化のリアルタイム解析に有用なツールである。 本稿では,水量推定アルゴリズムの有効性を評価し,時間とともに画素レベルの水位変化を追跡する。
  論文  参考訳（メタデータ） (2025-04-04T04:59:46Z)
• SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
  気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。 本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
  論文  参考訳（メタデータ） (2024-09-25T16:50:59Z)
• A Dataset for Research on Water Sustainability [18.979261592551676]
  本研究は, 冷却システムにおける直接水利用と, 発電に埋め込まれた間接水利用のためのデータセットを構築した。 当社のデータセットは、2019年から2023年までの米国の主要都市と州の時給水効率で構成されています。 本稿では,データセットの予備解析を行い,その利点を享受できる3つの潜在的なアプリケーションについて論じる。
  論文  参考訳（メタデータ） (2024-05-24T02:59:52Z)
• Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
  洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。 近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。 洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-29T22:49:50Z)
• DeepAqua: Self-Supervised Semantic Segmentation of Wetland Surface Water Extent with SAR Images using Knowledge Distillation [44.99833362998488]
  トレーニングフェーズ中に手動アノテーションを不要にする自己教師型ディープラーニングモデルであるDeepAquaを提案する。 我々は、光とレーダーをベースとしたウォーターマスクが一致する場合を利用して、水面と植物の両方を検知する。 実験の結果,DeepAquaの精度は7%向上し,Intersection Over Unionが27%,F1が14%向上した。
  論文  参考訳（メタデータ） (2023-05-02T18:06:21Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery And Digital Elevation Models [0.0]
  Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。 実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
  論文  参考訳（メタデータ） (2020-12-11T18:42:15Z)
• Water Quality Prediction on a Sigfox-compliant IoT Device: The Road Ahead of WaterS [0.27998963147546135]
  我々は,収集した計測データを遠隔で通信する,モノのインターネット(Internet of Things)の水質予測システムであるWaterSに注目した。 このソリューションは、エネルギー効率や自律性といった特異なモノのインターネット(Internet of Things)の制約を考慮して、水質問題に対処する。 WaterSエコシステムのソースコードがオープンソースとしてリリースされ、産業とアカデミアの両方の研究活動を奨励し、促進している。
  論文  参考訳（メタデータ） (2020-07-27T11:21:40Z)
• Predictive Analytics for Water Asset Management: Machine Learning and Survival Analysis [55.41644538483948]
  本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。 スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。 その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
  論文  参考訳（メタデータ） (2020-07-02T19:08:36Z)

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。