論文の概要: Dirty Bits in Low-Earth Orbit: The Carbon Footprint of Launching Computers

• arxiv url: http://arxiv.org/abs/2508.06250v1
• Date: Fri, 08 Aug 2025 12:14:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:06.221003
• Title: Dirty Bits in Low-Earth Orbit: The Carbon Footprint of Launching Computers
• Title（参考訳）: 低地球軌道の暗いビット:打ち上げコンピューターのカーボンフットプリント
• Authors: Robin Ohs, Gregory F. Stock, Andreas Schmidt, Juan A. Fraire, Holger Hermanns,
• Abstract要約: 低地球軌道(LEO)衛星は通信や軌道内計算のためにますます提案されている。 本稿では,軌道上からの打ち上げから再突入までのライフサイクルエミッションに着目し,宇宙における計算の炭素フットプリントについて検討する。
• 参考スコア（独自算出の注目度）: 1.8990839669542956
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-Earth Orbit (LEO) satellites are increasingly proposed for communication and in-orbit computing, achieving low-latency global services. However, their sustainability remains largely unexamined. This paper investigates the carbon footprint of computing in space, focusing on lifecycle emissions from launch over orbital operation to re-entry. We present ESpaS, a lightweight tool for estimating carbon intensities across CPU usage, memory, and networking in orbital vs. terrestrial settings. Three worked examples compare (i) launch technologies (state-of-the-art rocket vs. potential next generation) and (ii) operational emissions of data center workloads in orbit and on the ground. Results show that, even under optimistic assumptions, in-orbit systems incur significantly higher carbon costs - up to an order of magnitude more than terrestrial equivalents - primarily due to embodied emissions from launch and re-entry. Our findings advocate for carbon-aware design principles and regulatory oversight in developing sustainable digital infrastructure in orbit.
• Abstract（参考訳）: 低地球軌道(LEO)衛星は通信や軌道内コンピューティングのために提案され、低レイテンシのグローバルサービスを実現している。 しかし、その持続性はほとんど検討されていない。 本稿では,軌道上からの打ち上げから再突入までのライフサイクルエミッションに着目し,宇宙における計算の炭素フットプリントについて検討する。 ESpaSは、軌道対地上環境におけるCPU使用量、メモリ、ネットワークの炭素強度を推定する軽量ツールである。 比較した3つの例 (i)発射技術(最先端ロケット対次世代の可能性) 二 軌道上及び地上におけるデータセンターのワークロードの運用排出 その結果、楽観的な仮定の下でも、軌道内システムでは、主に打ち上げと再突入からの放出によって、地球上相当量の炭素コストが大幅に上昇していることが示されている。 我々の研究は、軌道上で持続可能なデジタルインフラを開発する上で、炭素を意識した設計原則と規制の監督を提唱する。

関連論文リスト

• Towards LLM Agents for Earth Observation [49.92444022073444]
  これは、NASAの地球観測所の記事から13のトピックと17の衛星センサーに関する140のイエス/ノーの質問のベンチマークである。 Google Earth Engine APIをツールとして使用すると、LLMエージェントは58%以上のコードを実行できないため、33%の精度しか達成できない。 我々は、合成データを微調整することで、オープンモデルの失敗率を改善し、より小さなモデルの方が、はるかに大きなモデルに匹敵する精度が得られるようにした。
  論文  参考訳（メタデータ） (2025-04-16T14:19:25Z)
• Precise and Efficient Orbit Prediction in LEO with Machine Learning using Exogenous Variables [1.9336815376402723]
  地球の軌道における宇宙物体の量の増加は、宇宙状況認識(Space situational Awareness, SSA)にとって重要な課題である。 正確な軌道予測は、宇宙物体の位置と速度を予測し、衝突回避と宇宙デブリの緩和のために重要である。 機械学習と時系列技術を用いることで、計算コストが非常に低い位置決め誤差を発生させることができることを示す。
  論文  参考訳（メタデータ） (2024-07-03T07:12:33Z)
• Low-Earth Satellite Orbit Determination Using Deep Convolutional Networks with Satellite Imagery [0.0]
  我々は,地上局との接触をなくす際に,衛星がリアルタイムに撮影した地球の画像に頼ってその軌道を予測できるコンピュータビジョンに基づくアプローチを提案する。 他の研究とは対照的に、画像ベースのデータセットでニューラルネットワークをトレーニングし、ニューラルネットワークが軌道決定におけるデファクト標準よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-20T21:38:05Z)
• 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)
• A CubeSat platform for space based quantum key distribution [62.997667081978825]
  我々は3UキューブサットであるSpooQy-1のフォローアップミッションについて報告し、軌道上で偏光に絡み合った光子の発生を実証した。 ミッションの次のイテレーションでは、偏光に絡み合った光子対のコンパクトなソースに基づいて、衛星と地上の量子鍵の分布を示す。 我々は,現在シンガポールで建設中の光地上局の設計について,量子信号を受信するための設計を簡潔に述べる。
  論文  参考訳（メタデータ） (2022-04-23T06:28:43Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Treehouse: A Case For Carbon-Aware Datacenter Software [4.7521372297013365]
  デナードのスケーリングの終わりとムーアの法則の減速は、データセンターのエネルギー利用を持続不可能な経路に押し上げた。 我々は、ソフトウェア中心のアプローチにより、データセンターコンピューティングの炭素強度を大幅に削減できると主張している。
  論文  参考訳（メタデータ） (2022-01-06T16:00:53Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。