碳联网:可持续计算的生态系统
本文针对计算机在环境方面日益增长的影响进行了研究,通过分析算法、软件和硬件创新的变革,量化了计算机在硬件制造和基础设施方面的碳排放。结果表明,现代移动设备和数据中心设备的大部分排放来自硬件制造和基础设施,因此提出了最小化计算机系统环境影响的未来方向。
Oct, 2020
全球正在努力减少全球温室气体(GHG)排放(主要是碳排放)到 2030 年减半并在 2050 年达到净零。本文提出了一个评估框架,用于分析网络 AI 实现的生命周期,并引入了一种名为 DETA 的联合动态能源交易和任务分配优化框架,以减少网络 AI 系统的碳排放。根据硬件原型上的实验结果,我们的解决方案可以将网络 AI 系统的碳排放减少多达 74.9%。最后,讨论了待解决的问题和未来方向。
Sep, 2023
本篇研究从数据、算法和硬件系统综合视角探讨了 AI 的超线性增长趋势对环境的影响,着重分析了 AI 计算的碳足迹和硬件系统的全生命周期,并提出了硬件 - 软件设计和优化对减少 AI 总体碳足迹的重要性,讨论了 AI 领域的挑战和发展方向。
Oct, 2021
这份论文分析了二氧化碳排放的成本,认为计算机视觉领域对气候危机的不良影响需要引起重视,并提出应该将执行加入道德人工智能的支柱,为架构设计师和更广泛的计算机视觉社区提供减缓气候危机的建议。
Apr, 2021
人工智能在技术和研究方面取得了显著的进展,并广泛应用于计算视觉、自然语言处理、时间序列分析、语音合成等多个领域。然而,随着大型语言模型的出现,研究人员的注意力主要集中在追求最新的技术成果,导致模型规模和计算复杂性不断增加,需要更高的计算能力,进而产生更高的碳排放量,阻碍了资金有限的中小型研究机构和公司参与研究,并引发研究公平性的问题。为应对计算资源和人工智能的环境影响,绿色计算已成为一个热门的研究课题。在本调研中,我们对绿色计算中使用的技术进行了系统概述,并提出绿色计算的框架,将其分为四个关键组成部分:(1) 绿色度量指标,(2) 能效人工智能,(3) 能效计算系统和 (4) 可持续发展的人工智能应用案例。针对每个组成部分,我们讨论了研究进展及常用的优化技术,结论表明这个新的研究方向有潜力解决资源限制与人工智能发展之间的冲突。我们鼓励更多的研究人员关注这个方向,使人工智能更加环保友好。
Nov, 2023
该研究提出了一种方法学框架和绿色算法工具,以评估任何计算任务的碳足迹,并定义了评估温室气体排放的度量标准,并量化了粒子物理模拟、天气预报和自然语言处理算法的温室气体排放。
Jul, 2020
本文构建了光子芯片的碳足迹模型,通过对 ADEPT 进行案例研究,调查了光子学加速器的可持续性,结果显示光子学可以通过其高能效性以及每单位面积至少比 28 纳米 CMOS 的制造碳成本低 4 倍,从而减少操作碳足迹和制造碳足迹。
Jan, 2024