論文の概要: DataCenterGym: A Physics-Grounded Simulator for Multi-Objective Data Center Scheduling

• arxiv url: http://arxiv.org/abs/2604.15594v1
• Date: Fri, 17 Apr 2026 00:28:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.685857
• Title: DataCenterGym: A Physics-Grounded Simulator for Multi-Objective Data Center Scheduling
• Title（参考訳）: DataCenterGym:多目的データセンタースケジューリングのための物理グラウンドシミュレータ
• Authors: Nilavra Pathak, Samadrita Biswas, Nirmalya Roy,
• Abstract要約: textitDataCenterGymは,地理分散データセンターにおけるジョブスケジューリングのための物理地上シミュレーション環境である。 シミュレータは計算キュー、熱力学の構築、局所的なHVAC挙動、温度依存性のサービス劣化を統合する。 本研究では,熱力学と電力力学を明示的に考慮しつつ,分散ジョブ配置を行う階層型モデル予測制御(H-MPC)スケジューリングアルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern datacenters schedule heterogeneous workloads across geo-distributed sites with diverse compute capacities, electricity prices, and thermal conditions. Compute utilization, heat generation, cooling demand, and energy consumption are tightly coupled, yet most existing schedulers abstract these effects and treat them independently. We present \textit{DataCenterGym}, a physics-grounded simulation environment for job scheduling in geo-distributed data centers, designed as a reusable testbed for future research. The simulator integrates compute queueing, building thermal dynamics, localized HVAC behavior, and temperature-dependent service degradation within a Gymnasium-compatible interface. We also develop a Hierarchical Model Predictive Control (H-MPC) scheduling algorithm that performs distributed job placement while explicitly accounting for thermal and power dynamics. Through experiments on nominal operation and workload sensitivity, we demonstrate how H-MPC improves scheduling performance relative to baseline schedulers.
• Abstract（参考訳）: 現代のデータセンターは、多様な計算能力、電気価格、熱条件を備えた、地理的に分散した場所をまたいだ異種ワークロードをスケジュールする。 計算利用、熱発生、冷却需要、エネルギー消費は密結合しているが、既存のスケジューラはこれらの効果を抽象化し、個別に扱う。 本研究では,地理分散データセンターにおけるジョブスケジューリングのための物理地上シミュレーション環境である‘textit{DataCenterGym} を,将来の研究のための再利用可能なテストベッドとして設計する。 このシミュレータは、計算キュー、熱力学の構築、局所的なHVAC挙動、および温度依存性のサービス劣化を、Gymnasium互換インターフェース内で統合する。 また、熱力学と電力力学を明示的に考慮しつつ、分散ジョブ配置を行う階層型モデル予測制御(H-MPC)スケジューリングアルゴリズムを開発した。 命名操作と作業負荷感度の実験を通じて,H-MPCはベースラインスケジューラと比較してスケジューリング性能を向上することを示した。

関連論文リスト

• Differentiable Thermodynamic Phase-Equilibria for Machine Learning [39.691553958657764]
  DISCOMAXは相平衡計算のための微分可能なアルゴリズムであり、トレーニングと推論の両方で熱力学的整合性を保証する。 本研究では,二成分液平衡データに対するアプローチを評価し,既存のサロゲート法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-03-11T19:14:04Z)
• Learning Transient Convective Heat Transfer with Geometry Aware World Models [41.969427056765014]
  本稿では,映像生成アーキテクチャ(LongVideoGAN)を応用し,一貫した物理を学習する幾何学的世界モデルアーキテクチャを提案する。 本研究では, 固体構造内の熱流に結合した浮力駆動流れからの対流熱伝達を伴う2次元過渡流体力学 (CFD) 問題について検討した。
  論文  参考訳（メタデータ） (2026-01-29T18:24:24Z)
• 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)
• Energy-Efficient Federated Learning for Edge Real-Time Vision via Joint Data, Computation, and Communication Design [43.89869891417806]
  無線エッジデバイスにおけるリアルタイムコンピュータビジョン(CV)アプリケーションは、エネルギー効率とプライバシ保護の学習を必要とする。 信頼できない無線ネットワーク上でのリアルタイムCVのための超エネルギー効率FLフレームワークであるFedDPQを提案する。
  論文  参考訳（メタデータ） (2025-08-03T13:05:11Z)
• EnergyPlus Room Simulator [0.34263545581620375]
  本研究では, 室内環境シミュレーションを行うEnergyPlus Room Simulatorについて述べる。 室内モデルを変更し、温度、湿度、CO2濃度などの様々な要因をシミュレートすることができる。 このツールは、シミュレーションデータへの高速なアクセスを容易にすることで、部屋レベルでの占有検知などの科学的、建築関連のタスクを支援することを目的としている。
  論文  参考訳（メタデータ） (2024-10-25T07:57:23Z)
• Smart Home Energy Management: VAE-GAN synthetic dataset generator and Q-learning [15.995891934245334]
  本稿では,スマートホームにおけるエネルギー消費に関する時系列データを生成するための,変分自動エンコーダ生成対向ネットワーク(VAE-GAN)手法を提案する。 実世界のスマートホームデータを用いて,Qラーニングに基づくHEMSのオンラインパフォーマンスを検証した。
  論文  参考訳（メタデータ） (2023-05-14T22:22:16Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• Dynamic Scheduling for Over-the-Air Federated Edge Learning with Energy Constraints [44.311278843238675]
  アナログ勾配アグリゲーションを用いた空対空FEELシステムについて検討する。 トレーニング性能を最適化するために,エネルギーを考慮した動的デバイススケジューリングアルゴリズムを提案する。 高度に不均衡なローカルデータ分布の下では、提案アルゴリズムは精度を4.9%向上させることができる。
  論文  参考訳（メタデータ） (2021-05-31T08:55:02Z)
• A Sequential Modelling Approach for Indoor Temperature Prediction and Heating Control in Smart Buildings [4.759925918369102]
  本稿では,室内温度の予測にデータ駆動統計手法を逐次適用するための学習ベースフレームワークを提案する。 実験では、モデリングアプローチと制御アルゴリズムの有効性を実証し、スマートビルディングアプリケーションにおける混合データ駆動アプローチの有望な可能性を明らかにする。
  論文  参考訳（メタデータ） (2020-09-21T13:20:27Z)

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。