論文の概要: Probabilistic energy profiler for statically typed JVM-based programming languages

• arxiv url: http://arxiv.org/abs/2512.02738v1
• Date: Tue, 02 Dec 2025 13:21:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.886553
• Title: Probabilistic energy profiler for statically typed JVM-based programming languages
• Title（参考訳）: 静的型付けJVMベースのプログラミング言語のための確率エネルギープロファイラ
• Authors: Joel Nyholm, Wojciech Mostowski, Christoph Reichenbach,
• Abstract要約: エネルギー消費は、モバイルデバイスから大規模データセンターに至るまで、いくつかの分野で懸念が高まっている。 以前のアプローチでは、ソースコードのステートメントではなく、特定の関数やプログラムに重点を置いていた。 本研究では,消費のみの測定と点推定の利用の限界に対処する新しい手法を開発する。
• 参考スコア（独自算出の注目度）: 1.7842332554022688
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Energy consumption is a growing concern in several fields, from mobile devices to large data centers. Developers need detailed data on the energy consumption of their software to mitigate consumption issues. Previous approaches have a broader focus, such as on specific functions or programs, rather than source code statements. They primarily focus on estimating the CPU's energy consumption using point estimates, thereby disregarding other hardware effects and limiting their use for statistical reasoning and explainability. We developed a novel methodology to address the limitations of measuring only the CPU's consumption and using point estimates, focusing on predicting the energy usage of statically typed JVM-based programming languages, such as Java and Scala. We measure the energy consumption of Bytecode patterns, the translation from the programming language's source code statement to their Java Bytecode representation. With the energy measurements, we construct a statistical model using Bayesian statistics, which allows us to predict the energy consumption through statistical distributions and analyze individual factors. The model includes three factors we obtain statically from the code: data size, data type, operation, and one factor about the hardware platform the code executes on: device. To validate our methodology, we implemented it for Java and evaluated its energy predictions on unseen programs. We observe that all four factors are influential, notably that two devices of the same model may differ in energy consumption and that the operations and data types cause consumption differences. The experiments also show that the energy prediction of programs closely follows the program's real energy consumption, validating our approach. Our work presents a methodology for constructing an energy model that future work, such as verification tools, can use for their energy estimates.
• Abstract（参考訳）: エネルギー消費は、モバイルデバイスから大規模データセンターに至るまで、いくつかの分野で懸念が高まっている。 開発者は、消費問題を緩和するために、ソフトウェアのエネルギー消費に関する詳細なデータが必要です。 以前のアプローチでは、ソースコードのステートメントではなく、特定の機能やプログラムに重点を置いていた。 彼らは主に点推定を用いてCPUのエネルギー消費を推定することに集中し、それによって他のハードウェア効果を無視し、統計的推論と説明可能性の使用を制限する。 我々は、JavaやScalaのような静的型付けJVMベースのプログラミング言語のエネルギー使用量を予測することに焦点を当て、CPUの使用量だけを測定し、ポイント推定を使用するという制限に対処する新しい手法を開発した。 我々は、バイトコードパターンのエネルギー消費を測定し、プログラミング言語のソースコードステートメントからJavaバイトコード表現への変換を行う。 エネルギー測定によりベイズ統計を用いた統計モデルを構築し、統計分布を用いてエネルギー消費を予測し、個々の要因を分析する。 モデルは、コードから静的に取得した3つの要素:データサイズ、データタイプ、操作、そしてコードが実行するハードウェアプラットフォームに関する1つの要素を含む。 提案手法を検証するため,Java 向けに実装し,そのエネルギ予測を未確認プログラム上で評価した。 これら4つの要因はいずれも影響を受けており、特に、同じモデルの2つのデバイスはエネルギー消費に違いがあり、操作とデータタイプが消費差を引き起こす可能性がある。 実験の結果、プログラムのエネルギー予測はプログラムの実際のエネルギー消費に密接に従い、我々のアプローチを検証した。 本研究は,検証ツールなどの将来の作業がエネルギー推定に利用できるエネルギーモデルを構築するための方法論を提案する。

関連論文リスト

• 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)
• Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
  生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。 この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。 これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。 本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
  論文  参考訳（メタデータ） (2023-11-28T15:09:36Z)
• ecoBLE: A Low-Computation Energy Consumption Prediction Framework for Bluetooth Low Energy [9.516475567386768]
  Bluetooth Low Energy (BLE) はモノのインターネット(IoT)アプリケーションのためのデファクト技術であり、非常に低エネルギー消費を約束している。 本稿では,Long Short-Term Memory Projection (LSTMP)ベースのBLEエネルギー消費予測フレームワークを提案する。 提案手法は, 平均絶対パーセンテージ誤差 (MAPE) を最大12%とすることで, 異なるBLEノードのエネルギー消費を予測する。
  論文  参考訳（メタデータ） (2023-08-02T13:04:23Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• EnergyAnalyzer: Using Static WCET Analysis Techniques to Estimate the Energy Consumption of Embedded Applications [0.6144680854063939]
  EnergyAnalyzerは、組み込みソフトウェアのエネルギー消費を推定するためのコードレベルの静的解析ツールである。 これは、エネルギー特性が第一級市民である組み込みアプリケーションを開発するためのツールチェーンを提供することを目的とした、TeamPlayと呼ばれるより大きなプロジェクトの一部として開発された。
  論文  参考訳（メタデータ） (2023-05-24T10:01:32Z)
• Precise Energy Consumption Measurements of Heterogeneous Artificial Intelligence Workloads [0.534434568021034]
  本稿では,異なるタイプの計算ノード上でのディープラーニングモデルの典型的な2つの応用のエネルギー消費の測定を行う。 我々のアプローチの1つの利点は、スーパーコンピュータの全ユーザーがエネルギー消費に関する情報を利用できることである。
  論文  参考訳（メタデータ） (2022-12-03T21:40:55Z)
• Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
  非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• Power Modeling for Effective Datacenter Planning and Compute Management [53.41102502425513]
  我々は,すべてのハードウェア構成とワークロードに適用可能な,正確でシンプルで解釈可能な統計パワーモデルの設計と検証の2つのクラスについて論じる。 提案された統計的モデリング手法は, 単純かつスケーラブルでありながら, 4つの特徴のみを用いて, 95% 以上の多様な配電ユニット (2000 以上) に対して, 5% 未満の絶対パーセンテージエラー (MAPE) で電力を予測できることを実証した。
  論文  参考訳（メタデータ） (2021-03-22T21:22:51Z)
• Towards Accurate and Reliable Energy Measurement of NLP Models [20.289537200662306]
  既存のソフトウェアベースのエネルギー測定は、ハードウェアの違いや資源利用がエネルギー消費に与える影響を考慮していないため、正確ではないことを示す。 我々は,高精度なエネルギー測定を行うハードウェアパワーメータを用いて,既存のソフトウェアベースのエネルギー測定の誤差を定量化する。 我々の重要な特徴は、ハードウェアの多様性と資源利用とエネルギー消費の非線形関係を考慮に入れたより正確なエネルギー推定モデルの必要性である。
  論文  参考訳（メタデータ） (2020-10-11T13:44:52Z)

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。