論文の概要: Data center cooling choices shift water impacts across the grid: An integrated water-energy model for sustainable data center development
- arxiv url: http://arxiv.org/abs/2609.25437v1
- Date: Mon, 21 Sep 2026 21:48:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.12357
- Title: Data center cooling choices shift water impacts across the grid: An integrated water-energy model for sustainable data center development
- Title（参考訳）: データセンターの冷却選択はグリッド全体の水の影響をシフトさせる:持続可能なデータセンター開発のための統合型水エネルギーモデル
- Abstract要約: データセンターは冷却(直接)と発電(間接)のために水を消費する
着座と冷却技術の決定は、施設の場所を超えて影響を拡大する水エネルギーのトレードオフをもたらす。
新たなモデルでは、施設の冷却と電力需要を時間ごとの経済派遣、発電機レベルの水消費、月次サブバスンの枯渇と結びつけている。
- 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 being developed at an unprecedented pace, yet their energy and water impacts, and the spatial and temporal distribution of these impacts, remain poorly characterized. Data centers consume water for cooling (direct) and through electricity generation (indirect). Decisions on siting and cooling technology result in water-energy trade-offs that extend impacts beyond the facility's location. Existing assessment frameworks rely on facility efficiency metrics and average grid water intensity factors, suppressing the temporal impacts of data center load and generation availability. They also attribute indirect consumption to the facility's location rather than to the generators (and corresponding hydrologic regions) that respond to the added load, misattributing spatial impacts. To close this gap, we develop a computational model of the data center-energy-water nexus that links facility cooling and electricity demand with hourly economic dispatch, generator-level water consumption, and monthly subbasin depletion. Built on open-source data, the model resolves where and when water is consumed, and where this consumption compounds existing water risk or creates new risk. Using the model, we study different cooling configurations and proposed developments in the state of Michigan. Air-cooled data centers halve total water consumption relative to evaporative cooling, but increase electricity demand and raise indirect water consumption by one-third, shifting the water footprint from the facility to generators. Mapping these changes to subbasins reveals depletion increases beyond the data center sites, in regions that facility-level reporting may overlook. These results show that data center water and energy impacts cannot be assessed in isolation, motivating the need for integrated modeling to inform siting, design, and reporting practices.
- Abstract（参考訳）: データセンターは前例のないペースで開発されているが、そのエネルギーと水の影響、そしてこれらの影響の空間的および時間的分布は、いまだに貧弱なままである。
データセンターは、冷却(直接)と発電(間接)のために水を消費する。
着座と冷却技術の決定は、施設の場所を超えて影響を拡大する水エネルギーのトレードオフをもたらす。
既存のアセスメントフレームワークは、施設の効率指標と平均グリッド水強度要因に依存しており、データセンターの負荷と生成可能量の時間的影響を抑える。
また、追加の負荷に応答する発電機(およびそれに対応する水文学領域)ではなく、施設の場所を間接的に消費するので、空間的影響を誤解している。
このギャップを埋めるために、施設の冷却と電力需要を時間単位の経済的ディスパッチ、発電機レベルの水消費、月次サブバスンの枯渇と結びつけるデータセンターエネルギーネクサスの計算モデルを構築した。
オープンソースのデータに基づいて構築されたこのモデルは、水がいつ消費されるか、そしてこの消費が既存の水リスクを複合するか、あるいは新たなリスクを生み出すかを解決する。
このモデルを用いて、ミシガン州の異なる冷却構成と提案した開発状況について検討する。
冷暖房されたデータセンターは、蒸発冷却と比較して総水消費を半減させるが、電力需要を増大させ、間接的な水消費量を3分の1増加させ、施設から発電所へ水のフットプリントを移す。
これらの変更をサブベースにマッピングすると、施設レベルのレポートが見過ごされる可能性のあるリージョンにおいて、データセンタのサイトを越えた枯渇の増加が明らかになる。
これらの結果は、データセンターの水とエネルギーの影響を個別に評価できないことを示し、シット、デザイン、レポートのプラクティスを伝える統合モデリングの必要性を動機付けている。
関連論文リスト
- Computing at Sea: Floating and Offshore Data Centres as a Pathway to Sustainable AI Infrastructure [4.021733299734901]
この記事では、デジタルインフラの新たな代替モデルとして、フローティングおよびオフショアデータセンターについて検討する。
計算を海洋環境に移動させることで、オフショアシステムは海洋の自然冷却能力を利用することができる。
この記事では、オフショアコンピューティングが、電化、再生可能エネルギー、大規模AIインフラストラクチャーの間の将来の関係をいかに形作るかについて論じる。
論文 参考訳（メタデータ） (2026-09-11T07:15:21Z) - Balancing Bits and Drops: Stress-Adjusted Water Management for Data Centers [14.19070105368302]
データセンターは淡水産業の最大の消費者である。
本稿では, データセンターの水消費の持続可能性への影響を定量化する, ストレス調整型水フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-15T16:28:51Z) - The data heat island effect: quantifying the impact of AI data centers in a warming world [80.93687930593265]
我々は、AIデータセンターの運用開始後、陸地表面温度が平均2C上昇すると推定する。
この温度上昇の影響で3億4000万人以上が影響を受ける可能性があることを定量化して、コミュニティへの影響を評価した。
論文 参考訳（メタデータ） (2026-03-21T18:04:03Z) - 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) - 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) - Using Multi-Temporal Sentinel-1 and Sentinel-2 data for water bodies
mapping [40.996860106131244]
気候変動は極端な気象現象を激化させ、水不足と激しい降雨の予測不可能の両方を引き起こしている。
本研究の目的は,多様な気象条件下での総合的な水資源モニタリングに有用な知見を提供することである。
論文 参考訳（メタデータ） (2024-01-05T18:11:08Z) - SHIELD: Sustainable Hybrid Evolutionary Learning Framework for Carbon,
Wastewater, and Energy-Aware Data Center Management [2.9699290794642366]
地理的分散データセンター(GDDC)は、環境に重大な影響を及ぼす。
本稿では,GDDCの二酸化炭素排出量,水排出量,エネルギーコストを最適化する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-08-24T21:11:55Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳（メタデータ） (2023-02-20T16:08:54Z) - 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) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳（メタデータ） (2022-08-18T15:27:40Z) - A Framework for Energy and Carbon Footprint Analysis of Distributed and
Federated Edge Learning [48.63610479916003]
本稿では,分散学習政策の環境フットプリントに影響を与える要因を概説し,分析する。
バニラとコンセンサスによって駆動される分散FLポリシーの両方をモデル化する。
その結果、flは低ビット/ジュール効率を特徴とするワイヤレスシステムにおいて、顕著なエンドツーエンドの省エネ(30%-40%)が可能となった。
論文 参考訳（メタデータ） (2021-03-18T16:04:42Z)
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。