CARINA：反復型産業分析のカーボン認識実行
CARINA: Carbon-Aware Execution of Recurrent Industrial Analytics (原題)
Muhammad Umar Farooq
🤖 gxceed AI 要約
日本語
反復的な産業分析・機械学習ワークフローの消費電力を計測し、地域の排出係数で炭素排出量に換算するフレームワークCARINAを提案。自動車OEMのデータベース生成2件で検証し、1件目は180.3時間・48.67kWh（約21.8kg CO2e）、2件目は274.75時間・74.16kWh（約33.2kg CO2e）を記録した。ピーク時間を避けた夜間実行の強化で全サイクル電力約9%削減が可能な一方、単純なスロットリングはオーバーヘッドで総エネルギーを増やしうると示す。
English
CARINA is a measurement-and-estimation framework for energy- and carbon-aware execution of recurrent industrial analytics and ML workflows. Validated on two automotive OEM database-generation workflows (180.3 h/48.67 kWh ≈ 21.8 kg CO2e; 274.75 h/74.16 kWh ≈ 33.2 kg CO2e), it uses run- and step-level instrumentation plus a local grid emission factor. Peak-aware off-hours boosting cut full-cycle energy ~9% with ~7% runtime overhead, while naive throttling raised total energy.
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
Scope 2排出の削減は日本企業のGX実務の中心課題であり、本手法は計算負荷の高い分析基盤の電力・炭素を可視化する。SSBJのScope 2開示や再エネ調達・ピークシフト戦略と接続しうるが、ESG評価や開示フレームワークそのものを扱う研究ではない点に留意。
In the global GX context
As compute-intensive analytics grow, this work connects operational carbon accounting to Scope 2 disclosure under TCFD/ISSB and CSRD. It offers a lightweight, metrology-free method for estimating and shifting computational emissions, relevant to corporate energy management and grid-interactive workload scheduling, though it does not address ESG ratings or disclosure frameworks directly.
👥 読者別の含意
🔬研究者:計算ワークロードの炭素会計・スケジューリング最適化の実証手法として参考になる。
🏢実務担当者:分析基盤の電力・炭素を可視化し、ピーク回避実行でScope 2削減に活用できる。
🏛政策担当者:データセンター・計算資源の炭素管理や需要応答政策の設計に示唆を与える。
📄 Abstract（原文）
Recurring industrial analytics and machine-learning workflows are becoming a major computational burden in modern engineering practice. Large parametric database generation, scheduled model retraining, repeated evaluation pipelines, and extensive hyperparameter exploration can demand hundreds of runtime hours and tens of kilowatt-hours per refresh cycle, yet these workloads are rarely executed with explicit energy-awareness. We present CARINA (Carbon-Aware Recurrent Industrial Analytics), a measurement-and-estimation framework for energy-aware and carbon-aware execution of recurrent analytics. The framework combines lightweight run-level and step-level instrumentation, peaktime-aware execution control, and local dashboard reporting. The method estimates energy load as the primary objective and translates it to carbon emissions using a local grid emission factor, enabling use even when direct device-level carbon metrology is unavailable. We evaluate the framework using two automotive OEM database-generation workflows. The first required 1.48 million scenarios, 180.30 h, and 48.67 kWh; the second required 3.66 million scenarios, 274.75 h, and 74.16 kWh (corresponding to approximately 21.8 kg CO 2 e and 33.2 kg CO 2 e, respectively). Preliminary policy analysis suggests that peak-aware off-hours boosting can reduce full-cycle energy load by about 9% with roughly 7% runtime overhead, while naive throttling can increase total energy through overhead effects.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.48550/arxiv.2605.24561first seen 2026-09-25 04:46:03
🔔 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。