シミュレーションを用いたタスクベースアプリケーションの運用時カーボンフットプリント評価
Assessing Operational Carbon Footprint for Task-based Applications using Simulation (原題)
Otho Jose Sirtoli Marcondes, Rayan Raddatz, Lucas Mello Schnorr
🤖 gxceed AI 要約
日本語
HPCのエネルギー消費に伴う炭素排出は場所と実行時間で変動するが、実実行での評価は高コストである。本研究はタスクベースアプリの運用時カーボンフットプリントを予測するシミュレーション手法を提案する。ハードウェア測定に基づくCPU・GPUのタスク別エネルギーモデルをStarPU-SimGridトレースに適用し、地域データで炭素量に換算する。ブラジルとフランスの4パーティションでCholesky分解を事例に、エネルギー予測誤差はCPU6%・GPU28%以内、同一ワークロードでも地域次第で最大3.7倍の炭素排出となることを示した。
English
This paper proposes a simulation-based method to predict the operational carbon footprint of task-based HPC applications without costly real executions. Per-task CPU/GPU energy models built from hardware measurements are applied to StarPU-SimGrid traces and converted to carbon using regional data. A Cholesky case study across four partitions in Brazil and France predicts energy within 6% (CPU) to 28% (GPU) error, showing the same workload can emit up to 3.7x more carbon depending on region.
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
デジタルインフラのScope 2排出量算定に関わる研究で、データセンターの炭素会計や地域別排出係数の活用を考える日本企業・研究機関にとって示唆がある。SSBJのScope 2開示や再エネ調達の地域差評価にも通じる。
In the global GX context
Adds to the growing body of work on operational carbon accounting for digital infrastructure, relevant to Scope 2 disclosure under GHG Protocol/ISSB and to location-based emissions factors. The regional variance finding supports grid-aware carbon accounting and green computing procurement decisions.
👥 読者別の含意
🔬研究者:HPC・計算科学の炭素会計にシミュレーションベースの評価手法を提供する。
🏢実務担当者:データセンターや計算資源のScope 2排出量を地域別に評価する際の手法として参考になる。
🏛政策担当者:デジタルインフラの排出係数や地域別炭素会計の政策設計に示唆を与える。
📄 Abstract（原文）
HPC energy consumption translates into carbon emissions that vary by location and execution time, but assessing these emissions through real executions is costly. We propose a simulation-based method to predict the operational carbon footprint of task-based applications. A per-task CPU and GPU energy model, built from hardware measurements, is applied to StarPU-SimGrid traces, and the predicted energy is converted into the carbon footprint using regional data. We used Cholesky factorization as a case study on four partitions in Brazil and France, with simulations predicting energy with maximum errors from 6% (CPU) to 28% (GPU), and the same workload emitting up to ×3.7 more carbon depending on the partition and region.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.5753/sscad.2026.34952first seen 2026-11-13 05:18:45 · last seen 2026-11-14 05:15:10
🔔 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。