論文の概要: Datacenters in the Desert: Feasibility and Sustainability of LLM Inference in the Middle East
- arxiv url: http://arxiv.org/abs/2511.17683v1
- Date: Fri, 21 Nov 2025 09:48:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.361954
- Title: Datacenters in the Desert: Feasibility and Sustainability of LLM Inference in the Middle East
- Title（参考訳）: 砂漠のデータセンター:中東におけるLCM推論の可能性と持続可能性
- Authors: Lara Hassan, Mohamed ElZeftawy, Abdulrahman Mahmoud,
- Abstract要約: 本稿では,4カ国にわたる大規模言語モデル(LLM)のエネルギー消費と炭素フットプリントの分析を行った。
CodeCarbonライブラリを使用して、エネルギーと二酸化炭素の排出量を追跡し、気候を意識したAIデプロイメントのための地理的トレードオフを比較する。
- 参考スコア（独自算出の注目度）: 1.2477495146622675
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the Middle East emerges as a strategic hub for artificial intelligence (AI) infrastructure, the feasibility of deploying sustainable datacenters in desert environments has become a topic of growing relevance. This paper presents an empirical study analyzing the energy consumption and carbon footprint of large language model (LLM) inference across four countries: the United Arab Emirates, Iceland, Germany, and the United States of America using DeepSeek Coder 1.3B and the HumanEval dataset on the task of code generation. We use the CodeCarbon library to track energy and carbon emissions andcompare geographical trade-offs for climate-aware AI deployment. Our findings highlight both the challenges and potential of datacenters in desert regions and provide a balanced outlook on their role in global AI expansion.
- Abstract（参考訳）: 中東が人工知能(AI)インフラの戦略的ハブとして台頭するにつれ、砂漠の環境に持続可能なデータセンターを展開できる可能性は、関連性の向上のトピックとなっている。
本稿では,DeepSeek Coder 1.3BとHumanEvalデータセットを用いて,アラブ首長国連邦,アイスランド,ドイツ,アメリカを含む4カ国にわたる大規模言語モデル(LLM)推論におけるエネルギー消費と炭素フットプリントの分析を行った。
CodeCarbonライブラリを使用して、エネルギーと二酸化炭素の排出量を追跡し、気候を意識したAIデプロイメントのための地理的トレードオフを補完します。
我々の発見は、砂漠地帯におけるデータセンターの課題と可能性の両方を強調し、グローバルAI拡張における彼らの役割に関するバランスのとれた展望を提供する。
関連論文リスト
- DCcluster-Opt: Benchmarking Dynamic Multi-Objective Optimization for Geo-Distributed Data Center Workloads [14.834687262955585]
持続可能な時空間タスクスケジューリングのためのオープンソースの高忠実度シミュレーションベンチマークであるDCcluster-Optを提案する。
AIのワークロードトレース、グリッドカーボンの強度、電力市場、20のグローバルリージョンにわたる天候、クラウド送信コスト、経験的ネットワーク遅延パラメータなど、実世界のデータセットを組み合わせている。
モジュール型報酬システムは、二酸化炭素排出量、エネルギーコスト、サービスレベル合意、水利用の間のトレードオフを明示的に研究することを可能にする。
論文 参考訳（メタデータ） (2025-10-31T03:07:12Z) - Improving AI Efficiency in Data Centres by Power Dynamic Response [74.12165648170894]
近年、人工知能(AI)の着実に成長が加速し、洗練されたモデルの開発が進められている。
AIの潜在能力を最大限に活用するためには、堅牢で信頼性の高い電力インフラの確保が不可欠だ。
しかし、AIデータセンターは電力に非常に飢えており、彼らの電力管理の問題が注目されている。
論文 参考訳（メタデータ） (2025-10-13T08:08:21Z) - Towards A Comprehensive Assessment of AI's Environmental Impact [0.5982922468400899]
機械学習に対する最近の関心の高まりは、AI/MLの大規模採用に拍車をかけた。
ライフサイクルを通じて、AI/MLから環境への影響と劣化を監視するフレームワークが必要である。
本研究では、オープンなエネルギーデータとグローバルに取得した衛星観測を用いて、データセンター周辺におけるAIの多面的影響に関連する環境変数を追跡する手法を提案する。
論文 参考訳（メタデータ） (2024-05-22T21:19:35Z) - Leveraging AI-derived Data for Carbon Accounting: Information Extraction
from Alternative Sources [0.0]
我々は、信頼できる炭素会計手順への道筋に重要な役割を果たす、より多様なデータソースの必要性について論じる。
金融・海運データに対するOpenAIのGPT APIを用いたNLPを用いた分析により,近年の現実世界データに関するケーススタディを提案する。
論文 参考訳（メタデータ） (2023-11-26T22:49:41Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Towards Environmentally Equitable AI via Geographical Load Balancing [40.142341503145275]
本稿では、その地域的負の環境影響のバランスをとることによって、AIの環境不平等に対処する第一歩を踏み出す。
大規模言語AIモデルに対する推論要求を提供する地理的に分散した10のデータセンタを考慮し、トレースベースのシミュレーションを実行する。
その結果,既存のGLBアプローチは環境不平等を増大させる可能性を示し,提案したエクイティ対応GLBは,炭素および水のフットプリントにおける地域格差を著しく低減できることを示した。
論文 参考訳（メタデータ） (2023-06-20T17:13:33Z) - Data-centric AI: Perspectives and Challenges [51.70828802140165]
データ中心AI(DCAI)は、モデル進歩からデータ品質と信頼性の確保への根本的なシフトを提唱している。
データ開発、推論データ開発、データメンテナンスの3つの一般的なミッションをまとめます。
論文 参考訳（メタデータ） (2023-01-12T05:28:59Z) - 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)
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。