carbon emissions | BriefGPT

关键词carbon emissions

搜索结果 - 28

自适应机制设计的碳市场仿真
碳市场是一种基于市场的工具，通过激励经济主体将个人利益与全球效用相一致，即减少碳排放以应对气候变化。我们提出了一个自适应机制设计框架，使用分层的、无模型的多智能体强化学习方法模拟市场，以解决碳市场动态复杂性导致精确模拟困难、有效配置策略设计
PDF22 days ago
基于图像的建筑物自动现实世界可持续性数据生成
从一组图像中，一个具有适当的提示工程和领域知识的大型语言模型可以成功地估计与可持续发展计算相关的一系列建筑特征，并生成针对业主如何改进其物业的定制建议。
PDFa month ago
低碳人工智能物联网的生成性人工智能
通过结合人工智能和物联网，人工智能物联网（AIoT）已经在许多领域引起革命。本文旨在探讨生成式人工智能（GAI）降低 AIoT 碳排放的潜力，并提出了一种新颖的 GAI 解决方案用于低碳 AIoT。我们首先研究引起 AIoT 碳排放的主要影
PDF2 months ago
AAAI数据中心数字孪生的可持续性与强化学习
机器学习对数据中心的设计与优化提出了巨大挑战，为了减少能源消耗和碳排放，本研究开发了 DCRL-Green，一个多主体强化学习环境，用于设计数据中心并研究、开发和改进控制器以减少碳足迹。
PDF3 months ago
模型失败还是数据损坏？探究使用自监督对比学习在建筑能效评级中的不一致性
本研究提出了一种数据驱动的方法 exttt {CLEAR}，用于审查建筑能效评估中的一致性问题，并通过自监督对比学习验证了其有效性。实验证据显示了不一致的建筑能效评估，并突出了这个真实数据集中的测量数据损坏问题。
PDF3 months ago
LACS: 基于学习的算法对碳意识进行资源调整和需求不确定性管理
本文研究在线碳感知资源伸缩问题，并将其应用于执行计算工作负载的碳感知资源伸缩，以减少云数据中心的碳排放。通过提出的 LACS 算法，本研究实现了对未知作业长度的在线碳感知执行，并与基线算法进行了比较，展示了 LACS 相对于理想的作业长度信
PDF3 months ago
朝着可持续的 GenAI：用于环保的大型语言模型推断的生成指令
Sprout 是一种创新的框架，通过减少碳足迹来降低生成式大语言模型推理服务的环境影响，在指导自回归生成过程中利用 “生成指令” 的创新概念提高碳效率，平衡生态可持续性和高质量生成结果的需求，通过 Llama2 大语言模型和全球电力网络数据
PDF3 months ago
可持续学习编程：基于 LLM 的绿色代码生成的实证研究
信息技术的增长导致数据中心耗能和碳排放占比的显著增加。为了应对软件开发的环境影响，绿色编码和使用人工智能模型可提高能源效率已成为研究的热点。本研究以可持续性指标为基础，对自动生成代码的可持续性意识进行了评估，并比较了人工生成代码与三种人工智
PDF4 months ago
挖掘 Hugging Face 代码库所学到的经验教训
机器学习和人工智能领域的快速发展引出了像 Hugging Face（HF）这样的平台作为模型开发和共享的中心枢纽。本研究报告综合了两项关于 HF 的综合研究，着重关注碳排放、ML 模型的演化和维护方面。我们的目标是为将来从事 HF 生态系统
PDF5 months ago
估计城市道路交通碳排放：基于开放数据的道路网络与起始地 - 目的地流动数据
利用人工智能的强大模式识别能力，通过整合代表交通需求和路网数据的开放数据源构建了一种用于公路碳排放估计的层次异构图学习方法 (HENCE)，在两个大规模真实世界数据集上的广泛实验验证了该方法的有效性和优越性，验证了其在推动人工智能应用于碳排
PDF5 months ago
GreenFlow: 为构建环保建议系统而设计的计算分配框架
该论文提出了一个实际的计算分配框架 GreenFlow，用于工业级级联推荐系统，考虑了准确性和碳排放，通过动态原始对偶优化方法和行动链组合的奖励计算得到最佳计算分配，从而在维持商业收入的前提下降低了计算消耗约 41%，每天节省约 5000
PDF7 months ago
基于数据驱动的交通重建和核方法用于识别阻塞拥堵
通过交通重建技术识别交通流中的停止 - 行驶事件 (stop-and-go events)，为精确量化其发生的地点、时间和数量，从而促进数据驱动的决策以改善交通可持续性提供了基础。
PDF7 months ago
EMNLPBERT 微调的能源和碳考虑
量化细调在自然语言处理中的能量成本和碳排放，研究发现细调的计算成本与预训练和推理相比可以得到更好的能量效率。
PDF8 months ago
联邦学习碳追踪模型：量化和稀疏化影响
基于边缘设备的联邦学习方法通过采用高效的通信技术来分布机器学习任务，相比于集中式解决方案，减少了数据存储和计算复杂性方面的开销。该论文提出了一个用于实时监测联邦学习系统能源和碳足迹影响的框架，并通过对共识（完全分散）和经典联邦学习策略的评估
PDF9 months ago
PyDCM: 使用强化学习创建可持续发展的自定义数据中心模型
给定全球对可持续性和减少碳排放的越来越重视，政府和企业不得不重新思考数据中心的设计与运营。这篇论文介绍了 PyDCM，一个可定制的 Python 实现的数据中心模型，它允许用户创建独特的 IT 设备配置，并通过几何 IT 机柜布局进行优化，
PDF9 months ago
朝着 6G 及以后的网络人工智能零碳排放目标迈进
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
PDF10 months ago
SHIELD：碳，废水和能源感知数据中心管理的可持续混合进化学习框架
本研究提出了一个名为 SHIELD 的混合工作负载管理框架，利用机器学习引导的局部搜索和基于分解的进化算法来共同优化地理分布数据中心的碳排放、水足迹和能源成本，实现了 34.4 倍的加速比、2.1 倍的帕累托超体积改进，并将碳足迹最多减少
PDF10 months ago
交通信号控制与减排的合作式多目标强化学习
提出一种合作的多目标架构 MOMA-DDPG 来优化交通信号控制，包含两种类型的代理人，一个代理人关注于优化本地交通，而另一个代理人旨在优化全局交通吞吐量，实验结果表明该方法优于现有的方法，可以最小化等待时间和碳排放。
PDFa year ago
FedZero：利用可再生过剩能源实现联邦学习
提出了基于可再生能源、FedZero 的联邦学习系统，利用能量和负载预测，在历史太阳能和负载状况的基础上，选择客户端进行快速收敛和公平参与，从而将训练的操作碳排放降至零。
PDFa year ago
绿色数据中心可持续发展的全面自动化扩展
提出了一种名为 Full Scaling Automation (FSA) 的机制，该机制利用深度表征学习来动态适应大型云计算集群中的工作负载，实现数据中心集群保持所需的 CPU 利用率目标的同时提高能源效率，并且在 2022 年 “双 1
PDFa year ago