← 論文一覧に戻る

Service-First Carbon-Aware Scheduling for Sustainable AI Data Centers: External-Trace-Informed Confirmation, Deadline-Aware MPC, and Matched-Service Accounting

持続可能なAIデータセンターのためのサービス優先カーボンアウェアスケジューリング：外部トレース情報に基づく確認、デッドラインアウェアMPC、マッチドサービス会計 (AI 翻訳)

Q Zhang, 胜生 余, Tongna Liu

Zenodo (CERN European Organization for Nuclear Research)ジャーナル2026-07-22#AI×ESGOrigin: CN経営インパクト: コスト削減対象セクター: data_center
DOI: 10.5281/zenodo.21489341
原典: https://doi.org/10.5281/zenodo.21489341

🤖 gxceed AI 要約

日本語

本研究は、持続可能なAIデータセンターのためのカーボンアウェアスケジューリングに関する再現可能なコードとデータを提供する。線形計画法、ローリングMPC、マッチドサービス会計などを用い、外部負荷トレースから炭素排出を削減する。ただし、炭素値は代理推定に基づき、実測値ではない。AIデータセンターのエネルギー効率向上に貢献する手法を示す。

English

This paper provides a reproducibility artifact for carbon-aware scheduling in AI data centers, including deadline-aware LP and rolling-MPC code, external-trace-informed scenario builders, and matched-service accounting. It aims to reduce carbon emissions through scheduling, though carbon values are proxy-derived scenario estimates rather than facility-metered. The work contributes to energy efficiency in sustainable AI operations.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本ではAIデータセンターの電力消費増加がGX課題として注目されている。本研究のMPCやマッチドサービス会計は、データセンターのScope 2排出削減に応用可能なフレームワークを提供する。ただし、実運用への適用には実際の排出データによる検証が必要。

In the global GX context

Globally, data centers are a growing source of Scope 2 and Scope 3 emissions. This research offers scalable scheduling methods to align AI workloads with low-carbon energy, supporting TCFD-aligned disclosure. The reproducibility artifact enables further development by the research community.

👥 読者別の含意

🔬研究者:Provides replicable code and methodology for carbon-aware scheduling in AI data centers, enabling further algorithmic research.

🏢実務担当者:Offers concepts (MPC, matched-service accounting) that can inform operational strategies for reducing carbon footprint, though real-world metering is needed.

📄 Abstract（原文）

Reproducibility artifact containing deadline-aware linear-program and rolling-MPC code, external-trace-informed scenario builders, matched-service accounting, block-bootstrap inference, sensitivity analyses, derived inputs, compact result tables, regression tests, and source data for the manuscript figures. Carbon values are proxy-derived scenario estimates rather than facility-metered emissions, and the continuous divisible-flow model is not a direct single-job deployment policy. Original source code is licensed under MIT; original derived tables and figure-source data are licensed under CC BY 4.0; third-party raw data are not redistributed.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。