Green BOA：确定基于机器学习的数据压缩的环境收支平衡点
Green BOA: Determining the environmental break-even point for ML-based data compression
查看机构详情
- University of Manchester（曼彻斯特大学）
- CERN（欧洲核子研究中心）
机构由 AI 辅助整理，请以论文原文为准。
浏览论文内容
中文总结 AI 辅助
该研究以曼彻斯特大学两个暑期实习项目成果为基础，针对基于机器学习的数据压缩算法的环境可持续性收支平衡点，通过对比压缩算法相关基础设施碳当量与存储节省碳当量，探讨了其收支平衡点。
中文摘要 AI 辅助
我们总结了在曼彻斯特大学开展的两个暑期实习项目的成果，这些项目聚焦于基于机器学习的数据压缩算法在环境可持续性方面的收支平衡点。以一种基于机器学习的无损压缩算法为例，我们对比了机器学习训练与推理所需基础设施的碳当量估算值，以及减少磁盘存储需求带来的碳当量节省量，并讨论了它们的收支平衡点。
英文摘要
We summarise the outcome of two summer internship projects based at the University of Manchester, focused on the break-even point in terms of environmental sustainability for ML-based data compression algorithms. Using the example of a ML-based lossless compression algorithm, we compare estimates for the carbon-equivalent of the infrastructure needed for ML training and inference with the carbon-equivalent savings from reduced disk storage requirements, and discuss their break-even point.
