Machine Learning Model Carbon Footprint Classification Dataset
機械学習モデルのカーボンフットプリント分類データセット (AI 翻訳)
Onur Sevli
🤖 gxceed AI 要約
日本語
本論文は、機械学習モデルの学習時のカーボンフットプリントを分類するためのベンチマークデータセット（1,000レコード、12特徴量、3クラス均衡）を提供する。Green AI文献の排出式に基づき、対数空間でガウスノイズを加えて実際の報告不確実性を模倣し、分位点閾値でLow/Medium/Highに分類している。
English
This paper presents a benchmark dataset (1,000 records, 12 features, 3 balanced classes) for classifying carbon footprint of ML model training, grounded in the Green AI emission formula. It adds log-space Gaussian noise (sigma=0.20) to mimic real reporting uncertainty and uses quantile thresholds for balanced Low/Medium/High labels.
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
日本では温室効果ガス排出量の算定・報告が進んでおり、AIモデルのカーボンフットプリントを分類する本データセットは、SSBJ開示や有報におけるAI関連排出の評価に活用可能性がある。
In the global GX context
Global GX context: This dataset aligns with TCFD/ISSB climate disclosure needs by enabling systematic classification of ML training emissions, supporting corporate Scope 2/3 accounting for AI operations.
👥 読者別の含意
🔬研究者:Provides a standardized benchmark for evaluating ML carbon footprint classification models.
🏢実務担当者:Can be used to estimate and categorize carbon impact of AI training workloads.
🏛政策担当者:Supports potential guidelines for AI carbon reporting.
📄 Abstract（原文）
A physics-grounded benchmark dataset (1,000 records, 12 features, 3 balanced classes) for classifying the carbon footprint of machine learning model training, built on the operational emission formulation of the Green AI literature (Lacoste et al. 2019; Patterson et al. 2021). Labels are derived by applying the emission formula, adding log-space Gaussian noise (sigma=0.20) matching real reporting-tool uncertainty, and quantile thresholding into balanced Low/Medium/High classes.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.5281/zenodo.21249960first seen 2026-07-09 05:25:18 · last seen 2026-07-09 05:25:19
🔔 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。