論文の概要: Toward Greener Background Processes -- Measuring Energy Cost of Autosave Feature
- arxiv url: http://arxiv.org/abs/2509.11738v1
- Date: Mon, 15 Sep 2025 09:41:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:23.224249
- Title: Toward Greener Background Processes -- Measuring Energy Cost of Autosave Feature
- Title（参考訳）: グリーンな背景プロセスに向けて -オートセーブの特徴のエネルギーコスト測定-
- Authors: Maria Küüsvek, Hina Anwar,
- Abstract要約: 本稿では,そのような特徴のエネルギー挙動を操作設計のレベルで評価する再利用可能なプロセスを提案する。
我々は,3つのオープンソースPythonベースのテキストエディタを対象としたオートセーブ実装のケーススタディにおいて,そのプロセスをインスタンス化する。
- 参考スコア（独自算出の注目度）: 0.7519872646378833
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background processes in desktop applications are often overlooked in energy consumption studies, yet they represent continuous, automated workloads with significant cumulative impact. This paper introduces a reusable process for evaluating the energy behavior of such features at the level of operational design. The process works in three phases: 1) decomposing background functionality into core operations, 2) operational isolation, and 3) controlled measurements enabling comparative profiling. We instantiate the process in a case study of autosave implementations across three open-source Python-based text editors. Using 900 empirical software-based energy measurements, we identify key design factors affecting energy use, including save frequency, buffering strategy, and auxiliary logic such as change detection. We give four actionable recommendations for greener implementations of autosave features in Python to support sustainable software practices.
- Abstract（参考訳）: デスクトップアプリケーションのバックグラウンドプロセスは、しばしばエネルギー消費の研究で見過ごされがちだが、それらは累積的な影響で継続的かつ自動化されたワークロードを表している。
本稿では,そのような特徴のエネルギー挙動を操作設計のレベルで評価する再利用可能なプロセスを提案する。
プロセスは3つのフェーズで動作します。
1) バックグラウンド機能をコア操作に分解する。
2【運用隔離】
3)比較プロファイリングが可能な制御された測定値。
我々は,3つのオープンソースPythonベースのテキストエディタを対象としたオートセーブ実装のケーススタディにおいて,そのプロセスをインスタンス化する。
900個の経験的ソフトウェアに基づくエネルギー測定を用いて、省エネルギー頻度、バッファリング戦略、変化検出などの補助論理など、エネルギー利用に影響を与える重要な設計要因を同定する。
持続可能なソフトウェアプラクティスをサポートするために、Pythonのautosave機能の実装をよりグリーンにするための4つの実行可能なレコメンデーションを提供します。
関連論文リスト
- DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。
タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。
シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-03-07T11:41:18Z) - Investigating Energy Efficiency and Performance Trade-offs in LLM Inference Across Tasks and DVFS Settings [1.781045155774463]
大規模言語モデル(LLM)は、幅広い自然言語処理(NLP)タスクにおいて顕著な性能を示した。
しかしながら、彼らの推論ワークロードは計算的かつエネルギー集約的であり、持続可能性や環境への影響に関する懸念を提起している。
論文 参考訳（メタデータ） (2025-01-14T16:02:33Z) - Prompt engineering and its implications on the energy consumption of Large Language Models [4.791072577881446]
ソフトウェア工学における大規模言語モデル(LLM)は、計算資源、データセンター、二酸化炭素排出に関する深刻な問題を引き起こす。
本稿では,コード生成タスクにおけるLlama 3モデルの炭素排出に及ぼすPETの影響について検討する。
論文 参考訳（メタデータ） (2025-01-10T11:49:31Z) - Unveiling the Energy Vampires: A Methodology for Debugging Software Energy Consumption [5.602876058122268]
本稿では,ソフトウェアシステムにおけるエネルギー消費ホットスポットの同定と分離のためのエネルギーデバッグ手法を提案する。
分析の結果,AlpineディストリビューションとUbuntuディストリビューションのエネルギー消費の相違が明らかとなった。
我々は,memcpyの分離とベンチマークにより,エネルギー差の主な原因として確認した。
論文 参考訳（メタデータ） (2024-12-13T11:49:19Z) - Normalizing Energy Consumption for Hardware-Independent Evaluation [9.658615045493734]
本稿では,異なるハードウェアプラットフォーム間でのエネルギー消費の正規化手法を提案する。
提案手法は,基準点数,回帰値の種類,および計算量を含めることが正規化過程に大きく影響を与えることを示す。
論文 参考訳（メタデータ） (2024-09-09T13:38:00Z) - Scenario-based Thermal Management Parametrization Through Deep Reinforcement Learning [0.4218593777811082]
本稿では,熱管理機能に対する学習に基づくチューニング手法を提案する。
我々の深層強化学習エージェントは、チューニングタスクコンテキストを処理し、組込みパラメータセットのイメージベースの解釈を組み込む。
本稿では,バルブ制御器のパラメトリゼーションタスクへの適用性を実証し,実際の車両試験で検証する。
論文 参考訳（メタデータ） (2024-08-04T13:19:45Z) - Energy Transformer [64.22957136952725]
我々の研究は、機械学習における有望な3つのパラダイム、すなわち注意機構、エネルギーベースモデル、連想記憶の側面を組み合わせる。
本稿では,エネルギー変換器(ET,Energy Transformer)と呼ばれる新しいアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-14T18:51:22Z) - Learning Task Automata for Reinforcement Learning using Hidden Markov
Models [37.69303106863453]
本稿では,非マルコフ型タスク仕様を簡潔な有限状態タスクオートマトンとして学習するための新しいパイプラインを提案する。
我々は,その製品 MDP を部分的に観測可能な MDP として扱い,よく知られた Baum-Welch アルゴリズムを用いて隠れマルコフモデルを学習することで,仕様のオートマトンと環境の MDP からなるモデルである製品 MDP を学習する。
我々の学習タスクオートマトンはタスクをその構成サブタスクに分解し、RLエージェントが後に最適なポリシーを合成できる速度を改善する。
論文 参考訳（メタデータ） (2022-08-25T02:58:23Z) - Attention Mechanism with Energy-Friendly Operations [61.58748425876866]
我々はエネルギー消費の観点から注意機構を再考する。
我々は、乗算を選択的操作または加算に置き換えることで、新しい注意モデルを構築する。
3つの機械翻訳タスクにおける実験結果から,提案手法が再現可能な精度を実現することを示す。
論文 参考訳（メタデータ） (2022-04-28T08:50:09Z) - Enforcing Policy Feasibility Constraints through Differentiable
Projection for Energy Optimization [57.88118988775461]
本稿では,ニューラルポリシー内での凸操作制約を強制するために,PROF(Projected Feasibility)を提案する。
エネルギー効率の高い建築操作とインバータ制御の2つの応用についてPROFを実証する。
論文 参考訳（メタデータ） (2021-05-19T01:58:10Z)
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。