Scheduling cloud–edge federated learning under demand response with carbon neutrality

カーボンニュートラルを目指すデマンドレスポンス下でのクラウドエッジフェデレーテッドラーニングのスケジューリング (AI 翻訳)

Fei Wang, Lei Jiao, Konglin Zhu, Jiayuan Du, Xiaojun Lin, Lei Li, Jin Dong

Computer Networks📚 査読済 / ジャーナル2026-06-01#AI×ESGOrigin: CN経営インパクト: コスト削減対象セクター: power

DOI: 10.1016/j.comnet.2026.112490

原典: https://doi.org/10.1016/j.comnet.2026.112490

🤖 gxceed AI 要約

日本語

本論文は、カーボンニュートラル目標の下で、クラウド・エッジ連携のフェデレーテッドラーニングのスケジューリング問題を扱う。デマンドレスポンスを考慮し、二酸化炭素排出量削減と学習性能のトレードオフを最適化する手法を提案している。

English

This paper addresses scheduling of cloud-edge federated learning under carbon neutrality constraints, incorporating demand response. It proposes methods to optimize the trade-off between learning performance and carbon emissions reduction.

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

日本でもスマートグリッドやデマンドレスポンスの文脈で、AIを用いたカーボンニュートラル達成手法が注目されている。本論文のクラウド・エッジ連携スケジューリングは、日本の電力系統の分散化に応用可能である。

In the global GX context

Globally, this paper contributes to the intersection of AI and carbon neutrality by proposing a federated learning scheduling framework that accounts for demand response and carbon constraints, which is relevant for smart grid and energy management research.

👥 読者別の含意

🔬研究者:Researchers in federated learning and energy systems can learn about a multi-objective scheduling approach combining carbon neutrality and demand response.

🏢実務担当者:Practitioners in energy and cloud computing may find the framework useful for reducing carbon footprint while maintaining learning efficiency.

🔗 Provenance — このレコードを発見したソース

openalex https://doi.org/10.1016/j.comnet.2026.112490first seen 2026-06-21 05:14:10

🔔 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。