論文の概要: Small Bottle, Big Pipe: Quantifying and Addressing the Impact of Data Centers on Public Water Systems

• arxiv url: http://arxiv.org/abs/2603.02705v1
• Date: Tue, 03 Mar 2026 07:50:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.697728
• Title: Small Bottle, Big Pipe: Quantifying and Addressing the Impact of Data Centers on Public Water Systems
• Title（参考訳）: 小さなボトル、大きなパイプ: データセンターが公共水道システムに与える影響の定量化と対応
• Authors: Yuelin Han, Pengfei Li, Adam Wierman, Shaolei Ren,
• Abstract要約: 合衆国のデータセンターは、2030年までに1日あたり697万1,451ガロン(MGD)の水道容量を必要とする可能性がある。 高成長のIT負荷は、その年の大半でニューヨーク市の約半分を供給できる十分な能力を必要とする可能性がある。
• 参考スコア（独自算出の注目度）: 34.87519714070721
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Water is a critical resource for data centers and an efficient means of cooling. However, meeting the growing water demand of data centers requires substantial peak water withdrawals, which many communities in the United States cannot supply, especially during the hottest days of the year. This largely overlooked water capacity constraint is emerging as a bottleneck for data centers and can force operators to rely on less efficient dry cooling, further stressing the power grid during summer peaks. In this paper, we focus on the direct water withdrawal of U.S. data centers for cooling and examine their impacts on public water systems. Our analysis indicates that, if the 2024 water use intensity persists, U.S. data centers could collectively require 697-1,451 million gallons per day (MGD) of new water capacity through 2030, comparable to New York City's average daily supply of roughly 1,000 MGD. Under an optimistic scenario with a compound annual water use intensity reduction by 10%, the water capacity demand decreases to 227-604 MGD, although high-growth IT loads could still require enough capacity to hypothetically supply about half of New York City for most of the year. The total valuation of the new water capacity is on the order of \$10 billion, reaching up to \$58 billion in the high-growth case. These impacts are highly concentrated on communities hosting data centers. Finally, we provide recommendations to address the growing water capacity demand of U.S. data centers, including reporting peak water use, developing corporate-community partnerships, adopting a Water Capacity Neutral approach (colloquially "Pipe Neutral") to allow host communities to retain limited water capacity resources, and implementing coordinated water-power planning to responsibly leverage water for peak power reduction and opportunistically utilize surplus power to mitigate impacts on public water systems.
• Abstract（参考訳）: 水はデータセンターにとって重要な資源であり、効率的な冷却手段である。 しかし、データセンターの給水需要の増大に対応するには、特に最も暑い時期には、米国の多くのコミュニティが供給できない相当なピーク給水を必要としている。 この見過ごされがちな水容量制限は、データセンターのボトルネックとして現れており、オペレーターはより効率的なドライ冷却に頼らざるを得ず、夏のピークの電力グリッドをさらに強調することができる。 本稿では,米国データセンターの冷暖房用直接放水に着目し,公共水道システムへの影響について検討する。 我々の分析は、2024年の水利用強度が持続すれば、米国のデータセンターは、2030年までの1日あたり697万1,451ガロン(MGD)の新たな水容量を必要とする可能性があることを示唆している。 複雑な水利用強度を10%減らすという楽観的なシナリオの下では、水需要は227-604 MGDに減少するが、高成長のIT負荷はニューヨーク市の約半分を年間の大半に供給するために十分な容量を必要とする可能性がある。 新しい水容量の総評価額は100億ドルで、高成長の場合には最大58億ドルに達する。 これらの影響は、データセンターをホストするコミュニティに非常に集中しています。 最後に, ピーク水利用の報告, コーポレート・コミュニティ・パートナーシップの展開, 水容量中立アプローチ(通称「パイプ中立」)を採用して, ホストコミュニティが限られた水容量資源を維持できるようにし, ピーク電力削減に水資源を有効活用し, 公共水道システムへの影響を緩和するために余剰電力を有効活用する協調水力計画の実施など, 合衆国のデータセンターの給水需要の増加に対応するための提言を行う。

関連論文リスト

• The Environmental Impact of AI Servers and Sustainable Solutions [0.0]
  本研究では,AIサーバ運用の環境フットプリントを評価する。 予想では、2024年のデータセンターの電力需要は、2030年までに約415 TWhから945 TWhに増加する可能性がある。 米国だけでも、2030年までにAIサーバーは年間200～300億ガロンの水を消費し、24～4400万トン分の二酸化炭素を排出すると予想されている。
  論文  参考訳（メタデータ） (2025-12-24T01:09:06Z)
• Environmental Impact of CI/CD Pipelines [45.02374935546107]
  GitHub Actionsエコシステムは、かなりの炭素と水のフットプリントをもたらす。 したがって、最も可能性の高いシナリオの炭素フットプリントは、1年で7,615本の都会の木によって捕獲された炭素と同等である。 主な推奨事項は、エネルギー生産が環境への影響の低い地域にランナーを配置することである。
  論文  参考訳（メタデータ） (2025-10-30T12:02:09Z)
• 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)
• Not All Water Consumption Is Equal: A Water Stress Weighted Metric for Sustainable Computing [2.5832043241251337]
  本研究では,水ストレスの空間的および時間的変動を要因として,計算における水の影響を評価する最初のフレームワークであるSCARFを提案する。 ScarFは、時間とともに消費量と局所的な水ストレスの両方を考慮する調整水衝撃(AWI)測定値を計算する。 位置選択と時間選択を最適化し、節水型コンピューティングの道を開くことにより、水の衝撃を抑えるための隠れた機会を示す。
  論文  参考訳（メタデータ） (2025-06-28T06:26:06Z)
• DiTEC-WDN: A Large-Scale Dataset of Hydraulic Scenarios across Multiple Water Distribution Networks [41.94295877935867]
  このデータセットは、短期(24時間)または長期(1年)でシミュレートされた36,000のユニークなシナリオで構成されている。 DiTEC-WDNは、グラフレベル、ノードレベル、リンクレベルの回帰、時系列予測など、さまざまな機械学習タスクをサポートすることができる。 この貢献は、公的なライセンスの下でリリースされ、クリティカルウォーターセクターにおけるオープンな科学研究を奨励し、センシティブなデータを露出するリスクを排除し、研究比較とシナリオ分析のための大規模な配水ネットワークベンチマークの必要性を満たす。
  論文  参考訳（メタデータ） (2025-03-21T14:14:03Z)
• A Dataset for Research on Water Sustainability [18.979261592551676]
  本研究は, 冷却システムにおける直接水利用と, 発電に埋め込まれた間接水利用のためのデータセットを構築した。 当社のデータセットは、2019年から2023年までの米国の主要都市と州の時給水効率で構成されています。 本稿では,データセットの予備解析を行い,その利点を享受できる3つの潜在的なアプリケーションについて論じる。
  論文  参考訳（メタデータ） (2024-05-24T02:59:52Z)
• The Influence of Neural Networks on Hydropower Plant Management in Agriculture: Addressing Challenges and Exploring Untapped Opportunities [3.072340427031969]
  水力発電所は持続可能な農業のための重要な水源となっている。 主な関心事は、発電と農業用水との競合の可能性である。 本稿では,農業用水力発電所管理フレームワークの採用を提案する。
  論文  参考訳（メタデータ） (2023-11-22T10:22:59Z)
• Making AI Less "Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models [31.980143764150796]
  世界のAI需要は2027年に4.2-6.6億立方メートルの水が流出すると予想されている。 これはデンマークの年間降水量4-6以上、イギリスの半分以上である。 グローバルな水の課題に対処するためには、AIは社会的責任を負い、例によってリードする必要がある。
  論文  参考訳（メタデータ） (2023-04-06T17:55:27Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Predictive Analytics for Water Asset Management: Machine Learning and Survival Analysis [55.41644538483948]
  本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。 スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。 その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
  論文  参考訳（メタデータ） (2020-07-02T19:08:36Z)

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。