3편의 한국어 분석 — 최신순으로 정렬했어요
최근 딥러닝 워크로드의 급증은 데이터센터의 에너지 소비와 탄소 배출량 증가로 이어지고 있습니다. 기존의 탄소 추적 및 정적 스케줄링 시스템은 실제 머신러닝 운영 과정에서 탄소 인식을 구현하기에 역량이 부족하다는 한계가 있습니다. 본 논문에서는 실시간 및 예측 탄소 집약도를 AI 학습 프로세스에 통합하는 탄소 인지 스케줄링 프레임워크인 EcoSchedAI를 제안합니다. 이 시스템은 '탄소 기회 창(carbon opportunity windows)' 개념을 도입하여 저탄소 기간 동안 학습 작업을 선제적으로 스케줄링합니다. 또한, 작업…
인공지능, 머신러닝, 고성능 컴퓨팅의 급격한 발전은 데이터센터 랙 전력 밀도를 크게 증가시켜 열 발생량과 냉각 요구사항을 심화시키고 있습니다. 냉각 시스템에 물이 광범위하게 사용되는 만큼, 냉각 기술과 물 소비량의 관계를 이해하는 것은 효율성 및 지속가능성 향상에 필수적입니다. 본 연구는 83개 데이터센터의 물 사용 효율(WUE) 데이터를 분석하여, WUE와 열 배출 범주를 연관 짓는 통합 데이터셋을 제시합니다. 분석 결과, 23개 데이터센터가 물 부족 지역의 신규 시설에 대한 지속가능성 목표치인 0.4 L/kWh를 초과하는 것으로…
인공지능(AI)의 급속한 확산은 데이터센터 건설을 가속화하며 가계에 파급 효과를 미치고 있습니다. 본 연구는 AI 시대 데이터센터 구축 및 운영 비용(건설, 에너지, 물, 전력망 개선, 냉각, 생애주기 관리 포함)이 서비스 공급망을 통해 의료, 운송, 교육, 금융, 상업 등 가계 서비스 가격에 어떻게 영향을 미치는지 분석합니다. 또한 AI가 가져올 수 있는 생산성 및 복지 혜택도 함께 고려합니다. 연구는 네 가지 비용 전가 경로를 식별합니다: 에너지 비용의 공공요금 사회화, 클라우드 플랫폼 가격 책정, AI 도입 산업으로부터의 부…
