グリーン連合学習のための炭素考慮型クライアント・時間スケジューリング

日本語

連合学習の計算負荷を、電力の炭素強度が低い時間帯や地域に寄せることで学習全体の炭素排出を削減するスケジューリング手法を扱う。クライアント選択と実行タイミングの最適化により、モデル性能を保ちつつ炭素コストを抑える狙い。AI基盤の脱炭素運用に関わる研究。

English

This work addresses scheduling for federated learning that shifts computation toward low-carbon-intensity times and locations to cut emissions. By jointly optimizing client selection and timing, it aims to reduce carbon cost while preserving model performance. It sits at the intersection of AI infrastructure and decarbonization operations.

日本のGX文脈において

AI計算需要の増大に伴うデータセンター電力・炭素管理は、日本でもGX政策と企業の脱炭素調達の論点になりつつある。Scope 2排出管理や再エネ調達の実務に示唆を与える。

In the global GX context

As AI compute demand surges, carbon-aware scheduling connects to Scope 2 accounting and renewable procurement for data centers, relevant to global corporate climate disclosure and energy transition debates.