論文の概要: Could Underwater Data Centers Pose a Risk to AI Treaty Verification?
- arxiv url: http://arxiv.org/abs/2609.18824v1
- Date: Wed, 16 Sep 2026 15:30:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.871968
- Title: Could Underwater Data Centers Pose a Risk to AI Treaty Verification?
- Title（参考訳）: 海底データセンターはAI条約の検証にリスクをもたらすか?
- Abstract要約: 水中での100,000H100等価トレーニング実行の実現可能性について検討した。
電力供給と冷却はトラクタブルであることがわかったが、大規模なトレーニングを行うための相互接続とメンテナンスは厳しい障害である。
UDCは, 地下施設や産業施設に偽装された土地に対して, 比較的ありそうにない避難経路である,と結論付けた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Proposals for international agreements that limit frontier AI development depend on verification, and a central challenge is detecting undeclared compute facilities used to evade restrictions. Underwater data centers (UDCs) have been suggested as one such evasion vector, but their feasibility at frontier scale and their detectability have not been seriously assessed. We examine current UDC deployments, evaluate construction and maintenance complexity relative to land-based facilities, and analyse the feasibility of a 100,000 H100-equivalent training run underwater. We find that power delivery and cooling are tractable, but interconnect and the hands-on maintenance that large training runs require are severe obstacles - surmountable only by a well-resourced state actor accepting large cost and schedule penalties, and only where concealment, rather than efficiency, is the objective. We then assess detectability through thermal, acoustic, optical and synthetic-aperture-radar (SAR) surveillance. Thermal detection of an operational pod is unlikely outside shallow, calm water; acoustic detection is marginally more effective, but faces limitations in attribution; and optical/SAR monitoring is most powerful during construction and maintenance, when the pressure-vessel fabrication base and the cable-laying fleet create distinctive signatures for AIS-tracking. We conclude that UDCs are a comparatively unlikely evasion route relative to underground or industrially disguised land-based facilities, but the residual risk is non-zero and warrants operationalising the detection modalities discussed.
- Abstract（参考訳）: フロンティアAI開発を制限する国際協定の提案は、検証に依存しており、制約を回避するために使用される未宣言の計算施設を検出することが中心的な課題である。
水中データセンター(UDC)はそのような回避ベクトルとして提案されているが、フロンティアスケールでのその実現可能性と検出性は十分に評価されていない。
本研究では,現在のUDC導入状況について検討し,陸上施設に対する建設・維持の複雑さを評価し,水中での10万H100等価訓練の実施可能性を分析した。
電力供給と冷却はトラクタブルであるが、大規模なトレーニングを実行するための相互接続とメンテナンスは、厳しい障害である。
次に,サーマル,音響,光学,合成開口レーダ(SAR)監視による検出性の評価を行った。
運用用ポッドの熱探知は浅く穏やかな水面の外では不可能であり、音響探知は極端に効果的であるが、貢献の制限に直面している。
以上の結果から,UDCは地下あるいは工業的に偽装された土地施設に対して比較的ありそうにない回避経路であるが,残余のリスクはゼロではないこと,また検出モダリティを運用する令状が議論されている。
関連論文リスト
- DESCENT: Directed Edge Scene Encoding for Airport Surface Movement Prediction [54.94692733670454]
DESCENTは変圧器ベースのアーキテクチャで、不均一な力学と厳密なトポロジ的制約を扱うように設計されている。
本手法は,飛行場環境コンテキストを適応的に収集する,潜在的到達性セット(PRS)コンテキストサンプリング機構を備えている。
Amelia-10ベンチマークによる評価では,最先端のベースラインよりも大幅な性能向上が見られた。
論文 参考訳（メタデータ） (2026-08-26T16:49:50Z) - Instantaneous Planning, Control and Safety for Navigation in Unknown Underwater Spaces [0.21108097398435333]
未知の環境で自律型水中車両(AUV)を航行することは極めて困難である。
これらの要因は、正確なグローバルローカライゼーション、信頼性の高い通信、障害物回避において課題を提起する。
本研究では,実時間センサデータを利用して閉ループAUV軌道を動的に誘導する統合計画制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-07T01:32:29Z) - Docking and Persistent Operations for a Resident Underwater Vehicle [0.0]
本研究は, 小型遠隔操作車両(ROV)を90m深度で使用した居住インフラの開発, 展開, 運用について述べる。
ROVisはオンボード処理と知覚を強化し、USBL信号を使って自律的なナビゲートを可能にした。
このシステムは、90%の自律ドッキング成功率を示し、4分以内に完全な検査任務を完了した。
論文 参考訳（メタデータ） (2026-02-18T10:50:04Z) - SPADE: Sparsity Adaptive Depth Estimator for Zero-Shot, Real-Time, Monocular Depth Estimation in Underwater Environments [5.070043385937244]
水中車両の空間的認識を高めることは、パイロットのリスクを減らし、より大きな自律性を実現するための鍵となる。
SPADE: SParsity Adaptive Depth Estimator(SPADE:SParsity Adaptive Depth Estimator)は、事前学習した相対深度推定器とスパース深度推定器を結合した単眼深度推定パイプラインである。
提案手法は,最先端のベースラインに対する精度の向上と一般化を実現し,組込みハードウェア上で15FPS以上の効率で動作し,実用的な水中検査と介入を支援することを約束する。
論文 参考訳（メタデータ） (2025-10-29T12:37:34Z) - AI-Driven Forecasting and Monitoring of Urban Water System [5.652933022735071]
地下水と排水パイプラインは市の運営に欠かせないが、漏れや浸透などの異常に悩まされている。
近年、人工知能は急速に進歩し、都市インフラにもますます応用されている。
地下パイプラインにおける漏洩検知の課題に対処する,統合型AIおよびリモートセンサフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-08T04:28:38Z) - MSD-LLM: Predicting Ship Detention in Port State Control Inspections with Large Language Model [4.789319995539864]
港湾州管理局(PSC)は安全規制の遵守を強制しており、船舶の留置は最も深刻な結果である。
船舶留置予測のための従来の機械学習手法は、表現学習の能力によって制限される。
本稿では,DSR(Double robust subspace recovery)層に基づく自動エンコーダと,プログレッシブラーニングパイプラインを統合した,大規模言語モデル(MSD-LLM)による海上船舶留置を提案する。
アジア太平洋地域のPSC検査記録31,707件の広範囲な評価によると、MSD-LLMは、AUC(Area Under the Curve)で12%以上の最先端の手法を上回っている。
論文 参考訳（メタデータ） (2025-05-26T06:32:02Z) - Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。
本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。
また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
論文 参考訳（メタデータ） (2023-12-06T05:36:52Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of
Dynamic Scenes [69.6715406227469]
駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。
本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
論文 参考訳（メタデータ） (2021-08-10T17:57:03Z)
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。