論文の概要: Possible Futures for Cloud Cost Models

• arxiv url: http://arxiv.org/abs/2511.01862v1
• Date: Sat, 11 Oct 2025 16:25:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-09 16:58:40.037603
• Title: Possible Futures for Cloud Cost Models
• Title（参考訳）: クラウドコストモデルの将来の可能性
• Authors: Vanessa Sochat, Daniel Milroy,
• Abstract要約: クラウドは計算の風景を人工知能と機械学習(AI/ML)に最適化したものに変えつつある 我々は、発見と科学の継続的なサポートのために、クラウドコストモデルの歴史、現在、そして将来の可能性について論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cloud is now the leading software and computing hardware innovator, and is changing the landscape of compute to one that is optimized for artificial intelligence and machine learning (AI/ML). Computing innovation was initially driven to meet the needs of scientific computing. As industry and consumer usage of computing proliferated, there was a shift to satisfy a multipolar customer base. Demand for AI/ML now dominates modern computing and innovation has centralized on cloud. As a result, cost and resource models designed to serve AI/ML use cases are not currently well suited for science. If resource contention resulting from a unipole consumer makes access to contended resources harder for scientific users, a likely future is running scientific workloads where they were not intended. In this article, we discuss the past, current, and possible futures of cloud cost models for the continued support of discovery and science.
• Abstract（参考訳）: クラウドは現在、ソフトウェアとコンピューティングのハードウェアイノベーターのトップであり、計算のランドスケープを人工知能と機械学習(AI/ML)に最適化したものに変更している。 コンピューティングの革新は、当初は科学計算のニーズを満たすために推進された。 産業や消費者のコンピューティング利用が増加するにつれて、マルチポーラの顧客ベースを満たすためのシフトがあった。 AI/MLの需要は現代のコンピューティングを支配しており、イノベーションはクラウドに集中している。 その結果、AI/MLのユースケースに対応するために設計されたコストとリソースモデルは、現時点では科学には適していない。 単一のコンシューマーによるリソース競合が、科学的なユーザにとって競合するリソースへのアクセスを困難にしている場合、将来は意図していなかった科学的なワークロードを実行する可能性がある。 本稿では、発見と科学の継続的なサポートのために、クラウドコストモデルの歴史、現在、そして将来の可能性について論じる。

関連論文リスト

• Computing in the Era of Large Generative Models: From Cloud-Native to AI-Native [46.7766555589807]
  クラウドネイティブ技術と高度な機械学習推論の両方のパワーを利用するAIネイティブコンピューティングパラダイムについて説明する。 これらの共同作業は、コスト・オブ・グッド・ソード(COGS)を最適化し、資源のアクセシビリティを向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-01-17T20:34:11Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)
• A Survey of Machine Unlearning [56.017968863854186]
  最近の規制では、要求に応じて、ユーザに関する個人情報をコンピュータシステムから削除する必要がある。 MLモデルは古いデータをよく記憶します。 機械学習に関する最近の研究は、この問題を完全に解決することはできなかった。
  論文  参考訳（メタデータ） (2022-09-06T08:51:53Z)
• Molecular Dynamics Simulations on Cloud Computing and Machine Learning Platforms [0.8093262393618671]
  我々は、科学計算アプリケーションの計算構造、設計、要求のパラダイムシフトを見る。 データ駆動型と機械学習のアプローチは、科学計算アプリケーションをサポートし、スピードアップし、拡張するために使用されています。 クラウドコンピューティングプラットフォームは、科学コンピューティングにますますアピールしている。
  論文  参考訳（メタデータ） (2021-11-11T21:20:26Z)
• Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
  クラウドとエッジ両方のAIの体系的なレビューを行います。 私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。 我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
  論文  参考訳（メタデータ） (2021-11-11T05:58:23Z)
• Data science and Machine learning in the Clouds: A Perspective for the Future [0.0]
  データ駆動科学(いわゆる第4の科学パラダイム)が研究とイノベーションの原動力となる。 この新たなパラダイムの下で処理される膨大なデータを、将来的には大きな懸念事項になるでしょう。 これらの計算のあらゆる面において、クラウドベースのサービスを強く要求する。
  論文  参考訳（メタデータ） (2021-09-02T17:36:24Z)

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。