論文の概要: Power Consumption Patterns Using Telemetry Data

• arxiv url: http://arxiv.org/abs/2602.22339v1
• Date: Wed, 25 Feb 2026 19:04:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.381882
• Title: Power Consumption Patterns Using Telemetry Data
• Title（参考訳）: テレメトリデータを用いた電力消費パターン
• Authors: Harry Cheon, Yuyang Pang, Zhiting Hu, Benjamin Smarr, Julien Sebot, Bijan Arbab, Ahmed Shams,
• Abstract要約: 本稿では,Intelのテレメトリデータを用いたパッケージ電力消費の分析を行った。 これは、ハードウェアの選択がデバイスの消費電力の主要な決定要因であるという一般的な信念に挑戦する。
• 参考スコア（独自算出の注目度）: 8.702932756755043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper examines the analysis of package power consumption using Intel's telemetry data. It challenges the prevailing belief that hardware choice is the primary determinant of a device's power consumption and instead emphasizes the significant role of user behavior. The paper includes two sections: Exploratory Data Analysis (EDA) and a linear model for power consumption. The EDA section provides valuable insights from Intel's telemetry data, comparing power consumption across countries, with a specific focus on power consumption patterns in the US and China. Our simple linear model affirms those patterns and highlight the possible importance of user behavior and its influence on power consumption. Ultimately, the paper underscores the need to understand power consumption patterns and identifies areas where stakeholders like Intel can make improvements to reduce environmental impact effectively and efficiently.
• Abstract（参考訳）: 本稿では,Intelのテレメトリデータを用いたパッケージ電力消費の分析を行った。 これは、ハードウェアの選択がデバイスの消費電力の主要な決定要因であり、代わりにユーザー行動の重要な役割を強調するという一般的な信念に挑戦する。 本論文は,探索データ解析(EDA)と電力消費の線形モデルという2つのセクションを含む。 EDAセクションは、Intelのテレメトリデータから貴重な洞察を提供し、米国と中国の電力消費パターンに特に焦点をあてた国間での電力消費を比較している。 我々の単純な線形モデルはこれらのパターンを肯定し、ユーザ行動の重要性と消費電力への影響を明らかにする。 最終的に、この論文は電力消費パターンを理解する必要性を強調し、Intelのような利害関係者が環境への影響を効果的かつ効率的に低減するために改善できる領域を特定する。

関連論文リスト

• Performance Antipatterns: Angel or Devil for Power Consumption? [45.34301783539974]
  本稿では,広く研究されているパフォーマンスアンチパターンが電力使用量に悪影響を及ぼすかどうかを考察する。 分離された10の瞬時アンチパターンを実装し、制御負荷条件下で評価する。 その結果、全てのアンチパターンは期待通りに性能を低下させるが、応答時間と消費電力の増加との間に統計的に有意な相関を示すのはサブセットのみであることがわかった。
  論文  参考訳（メタデータ） (2026-02-12T15:37:21Z)
• 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)
• Comparing energy consumption and accuracy in text classification inference [0.9208007322096533]
  本研究は,テキスト分類推定におけるモデル精度とエネルギー消費のトレードオフを系統的に評価する。 精度の点で最高の性能モデルはエネルギー効率も良いが、より大きなLCMはより低い分類精度ではるかに多くのエネルギーを消費する傾向がある。
  論文  参考訳（メタデータ） (2025-08-19T18:00:08Z)
• Impact of ML Optimization Tactics on Greener Pre-Trained ML Models [46.78148962732881]
  本研究の目的は,画像分類データセットと事前学習モデルの解析,最適化モデルと非最適化モデルを比較して推論効率を向上させること,最適化の経済的影響を評価することである。 画像分類におけるPyTorch最適化手法(動的量子化、トーチ・コンパイル、局所プルーニング、グローバルプルーニング)と42のHugging Faceモデルの影響を評価するための制御実験を行った。 動的量子化は推論時間とエネルギー消費の大幅な削減を示し、大規模システムに非常に適している。
  論文  参考訳（メタデータ） (2024-09-19T16:23:03Z)
• Differentially Private Publication of Electricity Time Series Data in Smart Grids [8.87717126222646]
  地理的地域における電力消費の時系列は、消費者の行動研究やエネルギー政策決定の指針となる貴重なデータ源である。 しかし、そのようなデータの公開は、個人の習慣やライフスタイルに関する繊細な詳細を明らかにする可能性があるため、重要なプライバシー問題を引き起こす。 本稿では,DP 準拠の電力消費データ公開のための新手法である EmT (S Private Timeseries) を紹介する。
  論文  参考訳（メタデータ） (2024-08-24T23:30:09Z)
• AI-Driven Approaches for Optimizing Power Consumption: A Comprehensive Survey [0.0]
  電力最適化が重要である主な理由は、環境効果の低減、運転コストの低減、安定的で持続可能なエネルギー供給である。 電力最適化と人工知能(AI)の統合は、エネルギーの生成、使用、分散の方法を変えるために不可欠である。 AI駆動のアルゴリズムと予測分析によって、電力使用傾向のリアルタイム監視と分析が可能になる。
  論文  参考訳（メタデータ） (2024-06-22T04:42:37Z)
• A Robust Power Model Training Framework for Cloud Native Runtime Energy Metric Exporter [2.661555989363678]
  現在のクラウド環境における電力消費量の推定は、グリーンコンピューティングに向けた炭素定量化に不可欠である。 本稿では,この目標に関する複数の課題について考察する。 最初の課題は、複数の顧客が同じハードウェアプラットフォームを共有していることだ。 第2の課題は、クラウドプラットフォームコントロールプレーンが引き起こす電力消費のオーバーヘッドである。
  論文  参考訳（メタデータ） (2024-04-10T02:20:29Z)
• Breaking Down Power Barriers in On-Device Streaming ASR: Insights and Solutions [20.180037657388763]
  重みパラメータが消費電力に与える影響は,起動頻度やメモリ割り当てなどの要因によって異なることがわかった。 本稿では,デバイス上での音声認識モデルを改善する設計原則を提案する。
  論文  参考訳（メタデータ） (2024-02-20T15:22:25Z)
• Internet of Behavior (IoB) and Explainable AI Systems for Influencing IoT Behavior [45.776994534648104]
  Internet of Behavior (IoB) と Explainable AI (XAI) は電力消費のユースケースとして提案されている。 シナリオの結果、200時間以上で消費された電力と比較して、アクティブ電力の522.2kWが減少した。
  論文  参考訳（メタデータ） (2021-09-15T12:16:11Z)
• 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)
• Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
  スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。 本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
  論文  参考訳（メタデータ） (2021-02-16T16:56:27Z)

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。