論文の概要: Artificial Intelligence for Energy Optimization in Data Centers
- arxiv url: http://arxiv.org/abs/2609.03716v1
- Date: Thu, 03 Sep 2026 11:51:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.04711
- Title: Artificial Intelligence for Energy Optimization in Data Centers
- Title（参考訳）: データセンターにおけるエネルギー最適化のための人工知能
- Abstract要約: データセンターは人工知能によってますます最適化され、同時にその負荷も増えている。
約194件の文書を、ドキュメント化されたプロトコルで検索し、その中の63件のコードを表示し、コーディングの結果を報告する。
CLEARDCは, コントロールポリシブランチをワークロード要求ブランチに明示的な弾力性という用語で結合するフレームワークで, 直接的な利益ではなくネットを読み出して, エネルギー, 炭素, 水, 具体化共有, バリデーションを網羅するスキーマコンフォーマントレコードを出力する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data centers are increasingly optimized by artificial intelligence and, at the same time, increasingly loaded by it. The literature treats these as two unrelated problems: control studies model workload as an exogenous arrival process, while sustainability studies model infrastructure as a fixed multiplier. We screen roughly 194 papers retrieved through a documented protocol, code 63 of them, and report what the coding shows. Of 28 primary control-oriented studies, 18 are validated in simulation alone and 5 reach physical hardware or a production facility; none account for water withdrawal, and none account for embodied carbon. Reported savings intervals across four technique families overlap almost completely, which means the field cannot presently rank its own methods. Ten recurring gaps are scored for consequence and tractability, and we set out CLEAR-DC, a framework coupling a control-policy branch to a workload-demand branch through an explicit elasticity term, reads out net rather than direct benefit, and emits a schema-conformant record covering energy, carbon, water, embodied share and validation venue. The framework is an architectural and methodological proposal, not a trained system; the contribution we defend empirically is the corpus analysis and the reporting schema derived from it. Coding sheet, derived statistics and all result artifacts: https://github.com/Kimalice/AI-for-Energy-Optimization-in-Data-Centers-Closing-the-Optimizer-Load-Lo op
- Abstract（参考訳）: データセンターは人工知能によってますます最適化され、同時にその負荷も増えている。
この文献はこれらを2つの非関係な問題として扱い、制御研究は外因性到着過程としてワークロードをモデル化し、持続可能性研究はインフラストラクチャを固定乗算器としてモデル化する。
約194件の文書を、ドキュメント化されたプロトコルで検索し、その中の63件のコードを表示し、コーディングの結果を報告する。
28のコントロール指向の研究のうち、18はシミュレーションのみで検証され、5は物理的ハードウェアや製造施設に到達している。
報告された4つのテクニックファミリ間での保存間隔はほぼ完全に重複しているため、フィールドは現在、独自のメソッドをランク付けできない。
結果とトラクタビリティのために10の連続的なギャップを計上し、明示的な弾力性項を通じて制御政策のブランチとワークロード要求のブランチを結合するフレームワークであるCLEAR-DCを設定し、直接利益よりもネットを読み出し、エネルギー、炭素、水、エンボディドシェア、バリデーションの場所を網羅するスキーマ適合レコードを出力する。
このフレームワークは、訓練されたシステムではなく、アーキテクチャと方法論の提案であり、我々が経験的に擁護する貢献は、コーパス分析とそれに由来する報告スキーマである。
コーディングシート、派生統計およびすべての結果アーティファクト:https://github.com/Kimalice/AI-for-Energy-Optimization-in-Data-Centers-Closing-the-Optimizer-Load-L oop
関連論文リスト
- OpenAI4S: Code as Action, Science as Sessions [57.428071188574]
我々は、emphCode as Action, Science as Sessionsという原則に基づいて構築されたオープンソースの科学研究エージェントOpenAI4Sを紹介する。
OpenAI4Sは、永続化コンピューティングランタイムとリサーチセッション管理オーケストレーションを組み合わせることで、構造化されたツールコールによって処理される。
再合成, 分子タンパク質結合体設計, タンパク質変異, 触媒スクリーニング, ミネラルスペクトロスコピーを含む36種類の研究シナリオにおけるOpenAI4Sの評価を行った。
論文 参考訳（メタデータ） (2026-09-14T06:16:59Z) - SciLENS: RL-Driven Autonomous Agents for Scientific Localized Evidence Navigation and Synthesis [25.589775096416176]
SciLENSは、デュアル層インフラストラクチャで動作する完全にローカルな自律エージェントフレームワークである。
我々は、推論ループ内で実行可能なツールとして構造視覚化の統合を開拓した。
我々は,引用知識グラフからサブグラフを抽出する自動データ合成パイプラインを開発した。
エージェントはその後、逆分解戦略によって整列される。
論文 参考訳（メタデータ） (2026-09-03T03:54:43Z) - LATTEArena: An Evaluation Framework for LLM-powered Tabular Feature Engineering (Extended Version) [21.873402103599588]
LATTEArenaは、自動機能エンジニアリングのための標準化、モジュール化、およびベンチマークフレームワークである。
制御されたコンポーネントレベルの比較を可能にすることで、LATTEArenaはパラダイムをアドホックなプロンプトエンジニアリングから、システマティックなコンテキスト管理へとシフトする。
すべてのコード、データセット、4000以上の実行ログは、動的でコミュニティ主導のベンチマークを育むために公開されています。
論文 参考訳（メタデータ） (2026-06-08T04:03:54Z) - Generating Logically Consistent Synthetic Supply Chain Data with LLM-Driven Knowledge Graph Reasoning [51.78065387034195]
本稿では,論理的に一貫した合成サプライチェーンデータ生成のための知識グラフ誘導フレームワークであるtextbftextitTabKGを紹介する。
論文 参考訳（メタデータ） (2026-05-26T10:41:37Z) - A Non-Destructive Methodological Framework for Modernizing Legacy Clinical Reporting Systems for AI-Driven Pharmacoinformatics: A SAS Case Study [0.0]
薬物開発と薬物移動は、レガシーな臨床報告パイプラインによってしばしばボトルネックとなる。
既存の近代化アプローチでは、完全な書き換えと漸進的な近代化を選択せざるを得ない。
我々は、レガシーソースコードを変更することなく、AI駆動の薬理情報処理の即応性を実現する非破壊的なフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-13T01:15:46Z) - Retrieval-Augmented Reasoning for Chartered Accountancy [0.08749675983608168]
本稿では,パラメータ効率の高いRetrieval-Augmented GenerationフレームワークとしてCA-ThinkFlowを提案する。
このフレームワークはパラメータの処理において高い効率と強みを示すが、本質的な推論能力は複雑な規則文を処理できない。
論文 参考訳（メタデータ） (2026-04-30T21:50:49Z) - daVinci-LLM:Towards the Science of Pretraining [58.6458452580545]
daVinci-LLMは、産業規模の資源と完全な研究自由を組み合わせて、事前訓練の科学を前進させる。
完全なデータ処理パイプライン、完全なトレーニングプロセス、体系的な調査結果をリリースしています。
論文 参考訳（メタデータ） (2026-03-28T07:00:49Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - Metrics and evaluations for computational and sustainable AI efficiency [26.52588349722099]
現在のアプローチでは全体像の提供に失敗し、システムの比較と最適化が難しい。
本稿では,計算および環境メトリクスを統合するAIモデル推論のための統一的再現可能な方法論を提案する。
本フレームワークは, 遅延を系統的に測定し, スループット, エネルギー消費, 位置調整二酸化炭素排出量を計測することにより, 実用的で炭素を意識した評価を行う。
論文 参考訳（メタデータ） (2025-10-18T03:30:15Z) - Loong: Synthesize Long Chain-of-Thoughts at Scale through Verifiers [103.4410890572479]
スケーラブルな合成データ生成と検証のためのオープンソースのフレームワークであるLoong Projectを紹介します。
LoongBenchは、12のドメインにまたがる8,729の人為的なサンプルを含む、キュレートされたシードデータセットである。
LoongEnvはモジュラー合成データ生成環境であり、新しい質問応答コードのトリプルを生成する複数のプロンプト戦略をサポートする。
論文 参考訳（メタデータ） (2025-09-03T06:42:40Z)
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。