Sustainable AI Regulation
本文针对当前AI监管缺失环境可持续性要求的空白,评估现有法规的调整空间,提出含透明机制、可持续性设计等的多维度监管工具包,还可推广至多类高排放技术领域。
2024-03-06 cs.CY
Green by Design? Investigating the Energy and Carbon Footprint of Chia Network
ESTIN;INSA Lyon - Inria(里昂高等师范学院-法国国家信息与自动化研究所)
研究Chia网络的环境影响,发现其初始化和持续操作导致碳排放远高于宣称水平,揭示其可持续性问题。
2026-03-05 cs.CY
Towards Sustainable Artificial Intelligence: A Comprehensive Review and Comparative Analysis of Deep Learning Models' Carbon Footprint
Royal Military College of Canada(加拿大皇家军事学院);Concordia University(康考迪亚大学);École Nationale des Sciences de l’Informatique(国家计算机科学学院)
本文综述绿色AI等相关研究,考察比较碳测量工具,通过CPU实验评估6个DL模型的碳足迹,发现训练阶段是主要排放源,架构复杂度提升未对应成比例准确率提升,强调需平衡性能与环境成本。
2026-08-12 cs.AI cs.CY cs.LG
The role of broadband connectivity in achieving Sustainable Development Goals (SDGs)
本文综述了113篇文献,分析了宽带连接在实现可持续发展目标(SDGs)中的支持作用及其功耗与碳足迹挑战,并提出四项加速2030年SDGs实现的建议。
2024-10-31 cs.CY
Assessing the Carbon Footprint of Virtual Meetings: A Quantitative Analysis of Camera Usage
Independent Researcher Paris, France e-mail
本文通过定量分析发现,关闭虚拟会议摄像机可显著减少数据消耗和碳排放,尤其在移动网络中效果显著,并提出优化数据使用以降低环境影响的建议。
2026-01-18 cs.CY cs.NI
Mitigating the Carbon Footprint of Chatbots as Consumers
针对大语言模型高能耗与碳排放问题,本文聚焦对话系统的对话记忆功能的环境影响,通过分析真实系统匿名token数据提出用户可持续使用建议,并模拟估算了该举措的减排潜力。
2025-07-29 cs.CY
Is TinyML Sustainable? Assessing the Environmental Impacts of Machine Learning on Microcontrollers
本文评估了微型机器学习(TinyML)在微控制器上的环境影响,通过生命周期分析发现其在全球扩展时碳足迹不可忽视,但可通过减少其他部门排放来抵消,并指出了设计者需考量环境影响及未来可持续研究方向。
2023-11-21 cs.AR cs.CY cs.LG
The Environmental Impact of AI Servers and Sustainable Solutions
1 Department of Electrical \& Computer Engineering, Rutgers University--New Brunswick Course: Sustainable Energy (14:332:402) December 16, 2025
本研究探讨了人工智能服务器的环境影响,指出冷却系统设计、地理位置和硬件效率对碳排放的影响,并提出通过提升冷却效率、整合可再生能源和优化部署来实现可持续发展。
2025-12-24 cs.AI cs.CY
The unsuitability of existing regulations to reach sustainable AI
Institute for Applied Economic Research (Ipea)(应用经济研究所)
本文分析现有法规在规范人工智能环境足迹方面的不足,提出加强透明度、协调国际标准和加强公众参与的建议。
2026-01-08 cs.CY
From Silicon Shield to Carbon Lock-in ? The Environmental Footprint of Electronic Components Manufacturing in Taiwan (2015-2020)
Royal Melbourne Institute of Technology(皇家墨尔本理工大学);Université catholique de Louvain(天主教鲁汶大学)
基于16家台湾电子元件制造商2015-2020年CSR数据,揭示其温室气体排放、能耗与用水持续增长且与产量强相关,指出相对效率提升不足以抑制环境足迹,并警示该产业可能形成碳锁定,阻碍台湾实现碳减排与可持续发展目标。
2022-09-26 cs.CY
Roofpedia: Automatic mapping of green and solar roofs for an open roofscape registry and evaluation of urban sustainability
可持续屋顶,如绿色植物和光伏板,有助于减少城市碳足迹的路线图。然而,对可持续城市屋顶景观的研究主要集中在其潜力上,并且受到数据稀缺的阻碍,限制了我们对其当前内容,空间分布和时间演变的理解。为了解决这个问题,我们介绍了Roofpedia,一套三个贡献:(i)从卫星图像自动映射相关的城市屋顶类型;(ii)一个开放的屋顶注册表,映射17个城市超过100万座建筑物的太阳能和绿色屋顶的空间分布和面积;及(iii)Roofpedia Index,一项由注册处衍生的指数,以太阳能及绿色屋顶渗透率方面的可持续屋顶景观程度为基准。该项目部分受到街道绿化对应物"Treepedia"的启发,通过结合深度学习和地理空间技术的多步骤管道实现,展示了自动化方法的可行性,该方法在城市中成功推广,在某些城市中检测可持续屋顶的准确性高达100%。我们以交互式地图和开放数据集的形式提供我们的结果,以便我们的工作可以帮助研究人员,地方政府和公众揭示城市可持续屋顶的模式,跟踪和监测屋顶的当前使用情况,补充对其潜力的研究,评估现有激励措施的有效性,验证补贴的使用和气候承诺的履行情况,估计城市的碳抵消能力,并最终支持更好的政策和战略,以更多地采用有助于城市可持续发展的文书。
2021-06-24 cs.CY
LLMSpace: Carbon Footprint Modeling for Large Language Model Inference on LEO Satellites
Indiana University(印第安纳大学)
本文提出LLMSpace框架,用于建模AI赋能低地球轨道卫星上大型语言模型推理的碳足迹,分析碳足迹、延迟、硬件设计和使用寿命之间的关键权衡。
2026-05-08 cs.CY cs.LG
Scoping Sustainable Collaborative Mixed Reality
本文针对混合现实(MR)生态系统碳足迹引发的环境担忧,梳理了现有MR减碳研究的局限,界定了可持续协作式MR的研究范围,明确了相关挑战、现有方案与未来方向,并从相邻领域寻求思路以推动协作MR系统的可持续发展。
2024-09-11 cs.CY cs.DC cs.ET
Towards the Systematic Reporting of the Energy and Carbon Footprints of Machine Learning
Stanford University(斯坦福大学);Facebook(脸书);Mila(米拉人工智能研究所);McGill University(麦吉尔大学);Facebook AI Research(脸书人工智能研究院)
准确报告能源和碳使用情况对于了解机器学习研究的潜在气候影响至关重要。我们引入了一个框架,通过提供一个简单的界面来跟踪实时能源消耗和碳排放,以及生成标准化的在线附录,使这一点变得更容易。利用这个框架,我们为节能强化学习算法创建了一个排行榜,以激励该领域负责任的研究,作为机器学习其他领域的一个例子。最后,基于使用我们的框架的案例研究,我们提出了减少碳排放和减少能源消耗的战略。通过让记账变得更容易,我们希望进一步推动机器学习实验的可持续发展,并刺激更多对节能算法的研究。
2022-11-29 cs.CY cs.LG
Dirty Bits in Low-Earth Orbit: The Carbon Footprint of Launching Computers
Saarland University(萨尔兰大学);Inria Lyon(里昂国家信息与自动化研究所)
本文研究了在轨计算的碳足迹,提出ESpA S工具,通过案例比较揭示发射和再入的高碳成本,倡导碳意识设计原则。
2026-02-18 cs.CY
Individual and Social Requirement Aspects of Sustainable eLearning Systems
高等教育的国际化创造了所谓的无边界大学,它提供了更好的学习机会,提高了人类和社会的可持续性。电子学习系统是一种特殊的软件系统,旨在为无障碍教学提供一个平台,包括在线获取学习材料和在线支持学习和教学。我们目前工作的目的是提取,分析和结合多项研究的结果,以开发可持续电子学习系统的RE框架。我们称一个系统是可持续的,如果它有一个积极的影响,其直接和间接的负面影响所造成的发展,部署和使用是最小的。可持续性有多个层面。我们将电子学习系统的可持续性要求分为五个维度:个人(人类),社会,技术,环境和经济。在本文中,我们关注人类和社会方面(即,个人需要与社会中的人建立关系),因为电子学习系统对可持续性的人的方面有很大的影响,而对环境方面的影响相当小。这也为我们确定可持续电子学习系统的相应要求提供了基础。这些要求包括协作、以学习者为中心的特点、领导能力的培养和学习材料的再利用。因此,实现个人和社会对电子学习系统的要求将提供更高质量的学习和教学,以及更好的学习机会,并提高人类和社会的可持续性。
2017-01-17 cs.CY
Sustainable development-oriented campus bike-sharing site evaluation model: A case study of Henan Polytechnic University
本文面向校园共享单车可持续运营问题,提出融合改进德尔菲法、层次分析法、熵权法和模糊综合评价的选址评估模型,并以河南理工大学南校区为例验证其有效性。
2023-09-22 cs.CY
Sustainable Computing -- Without the Hot Air
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
对计算的需求继续呈指数级增长。这种增长将转化为计算能源消耗的指数增长,除非其能源效率的提高能够超过其需求的增长。然而,经过几十年的研究,进一步提高能源效率变得越来越具有挑战性,因为它已经高度优化。因此,在某种程度上,计算需求的增长可能会超过其能源效率的增长,可能会有很大的差距。如果不加以控制,这种指数增长将使计算成为全球碳排放的重要贡献者。虽然知名科技公司已经认识到这个问题,并试图减少碳排放,但可以理解的是,他们专注于自己的成功,这有可能无意中传达出一种错误的印象,即这是现在,或很快就会解决的问题。这种错误的印象可能会适得其反,如果它们有助于阻止在这一领域的进一步研究,因为,正如我们所讨论的,消除计算,更普遍的社会,碳排放远远没有解决的问题。为了更好地理解问题的范围,本文提炼了决定计算的碳足迹及其对实现可持续计算的影响的基本趋势。
2022-06-30 cs.CY cs.DC cs.LG
High Resolution Modeling and Analysis of Cryptocurrency Mining's Impact on Power Grids: Carbon Footprint, Reliability, and Electricity Price
本文基于德克萨斯州电网高分辨率数据,分析加密货币挖矿负荷对碳足迹、可靠性和电价的三重影响,发现位置导致碳足迹差异可达50%,且挖矿负荷灵活性可缓解电力短缺和市场扰动,建议政策制定者要求大型矿场参与批发市场并提供强制需求响应。
2023-04-14 cs.CY cs.SY eess.SY
PCB Renewal: Iterative Reuse of PCB Substrates for Sustainable Electronic Making
University of Maryland(马里兰大学)
本文提出PCB Renewal方法,通过选择性沉积导电环氧树脂重构PCB走线,实现单块基板跨项目迭代复用,并通过性能评估、可持续性建模和软件插件验证其有效性。
2025-02-18 cs.CY cs.HC cs.RO
Carbon Footprint Evaluation of Code Generation through LLM as a Service
TWT GmbH Science & Innovation(TWT科学与创新有限公司);Harvard University(哈佛大学);MIT(麻省理工学院);Mercedes-Benz(梅赛德斯-奔驰);National Technical University of Athens(雅典国家技术大学)
针对数据中心碳排放增加问题,本研究引入LLM as a Service,使用生成式AI模型GitHub Copilot自动生成代码,通过可持续性指标量化其隐含和运营碳排放,为绿色编码和AI驱动的效率在汽车等行业的应用提供评估方法。
2025-03-30 cs.CY cs.LG cs.SE
A Graph-based Perspective to Total Carbon Footprint Assessment of Non-marginal Technology-driven Projects - Use case of OTT/IPTV
绿色和可持续项目的生存周期评估(LCA)已被发现是一个必要的分析,以包括所有的上游,下游和间接影响。由于相互作用的复杂性,相对于基线的不同影响,即,一个一切照旧(BAU)的情况下,通常被认为是相对比较各种项目。然而,随着项目在基线中的渗透程度增加,流行的边际假设不再成立,差异影响可能变得不一致。虽然已经成功地提出了各种神话,并用于遏制这种副作用,自下而上的性质,从项目本身开始评估,并最终扩大范围,很容易无法承认对基线的关键修改。这一点与信通技术的颠覆性和动态技术密切相关,因为这些技术使基线成为一种边缘性的遗产。在这项工作中,提出了一种分析的形式主义,提供了一种比较这些技术和项目的手段。所提出的方法背后的核心思想是一个幅度不敏感的基于图形的距离函数,以区别比较项目与基线。所提出的方法的适用性,然后在OTT/IPTV在线媒体分发服务的用例进行评估。
2014-09-17 cs.CY cs.NI
ICSE 2022 Sustainability Report
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);Max Planck Institute for Security and Privacy (MPI-SP)(马克斯·普朗克安全与隐私研究所)
ICSE 2022报告探讨了学术会议碳足迹问题,通过调查发现部分参会者认为现场参会的益处未能抵消社区碳足迹。
2026-03-02 cs.CY cs.SE
When LLMs Slow Down: How Environmental Impacts Mediate University Students' LLM Usage
Georgia Institute of Technology(佐治亚理工学院);Cornell Tech(康奈尔科技)
本研究针对89名大学生,设计了可视化延迟-碳权衡的生态反馈界面,发现延迟升高会降低用户对该界面的使用意愿,而碳减排认知与生态意识则会提升意愿,该界面可作为促进可持续LLMs使用的教育手段。
2026-08-26 cs.CY cs.HC
LLMCarbon: Modeling the end-to-end Carbon Footprint of Large Language Models
Jackson State University(杰克逊州立大学);Indiana University(印第安纳大学)
针对现有工具 mlco2 无法覆盖密集型与 MoE LLM、架构参数、非 GPU 环节及隐含碳排放的问题,本文提出端到端碳足迹预测模型 LLMCarbon,显著提升训练前估算准确性。
2024-01-19 cs.AI cs.CL cs.CY