[论文解读] Green Algorithms: Quantifying the carbon emissions of computation.

Loïc Lannelongue, Jason Grealey+1 more|arXiv (Cornell University)|Jul 15, 2020

Green IT and Sustainability被引用 9

一句话总结

本文提出了Green Algorithms，一种标准化框架及开源工具，可基于运行时间、硬件类型、内存使用量以及设施效率和位置，量化计算任务的碳排放。该工具使研究人员能够估算二氧化碳当量，通过汽车行驶距离或树木固碳月数等指标对影响进行情境化说明，并以极低的开销将排放报告集成到工作流中，支持粒子物理、气象预报和自然语言处理等领域的绿色计算。

ABSTRACT

Climate change is profoundly affecting nearly all aspects of life on earth, including human societies, economies and health. Various human activities are responsible for significant greenhouse gas emissions, including data centres and other sources of large-scale computation. Although many important scientific milestones have been achieved thanks to the development of high-performance computing, the resultant carbon impact has been underappreciated. In this paper, we present a methodological framework to estimate the carbon impact (CO2 equivalent) of any computational task in a standardised and reliable way, based on the running time, type of computing core, memory used and the efficiency and location of the computing facility. Metrics to interpret and contextualise carbon impact are defined, including the equivalent distance travelled by car or plane as well as the number of tree-months necessary for carbon sequestration. We develop a freely available online tool, Green Algorithms (this http URL), which enables a user to estimate and report the environmental impact of their computation. The Green Algorithms tool easily integrates with computational processes as it requires minimal information and does not interfere with existing code, while also accounting for a broad range of CPUs, GPUs, cloud computing, local servers and desktop computers. Finally, by applying Green Algorithms, we quantify the environmental impact of algorithms used for particle physics simulations, weather forecasts and natural language processing. Taken together, this study develops a simple generalisable framework and freely available tool to quantify the carbon impact of nearly any computation. Combined with a series of recommendations to minimise unnecessary CO2 emissions, we hope to raise awareness and facilitate greener computation.

研究动机与目标

• 为大规模计算（尤其是高性能计算和数据中心）被低估的碳足迹提供解决方案。
• 开发一种标准化、可靠的方法，用于估算任何计算任务的二氧化碳当量排放。
• 创建一种易于使用、非侵入性的工具，可轻松集成到现有计算工作流中。
• 通过汽车行驶距离或树木固碳月数等直观类比，对计算的碳影响进行情境化说明。
• 提高意识，并支持减少计算研究中不必要的二氧化碳排放。

提出的方法

• 该框架基于四个关键输入估算二氧化碳当量排放：运行时间、计算核心类型（CPU/GPU）、内存使用量，以及设施效率和地理位置。
• 采用区域特定的电力排放因子，以反映不同地区电网碳强度的差异。
• 该方法整合了CPU、GPU和服务器的硬件特定能效配置文件，涵盖云环境和本地计算环境。
• 使用标准化换算因子将能耗转换为二氧化碳当量（CO2e），基于电源的碳强度。
• 通过仅需输入运行时间、硬件类型和内存使用量，无需修改源代码，即可将工具集成到计算流水线中。
• 提供情境化的影响指标，例如相当于汽车行驶的距离，或为封存所排放的二氧化碳所需树木的月数。

实验结果

研究问题

• RQ1 如何以标准化、可靠且可访问的方式估算任何计算任务的碳排放？
• RQ2 哪些关键因素对特定计算的碳影响影响最大？
• RQ3 如何对研究人员和实践者有意义地情境化计算的环境影响？
• RQ4 在粒子物理、气象预报和自然语言处理等领域的高影响力计算工作负载中，实际的碳排放是多少？
• RQ5 研究人员如何以最小干扰的方式将其工作流整合碳影响报告？

主要发现

• Green Algorithms工具成功估算出包括CPU、GPU、云服务和本地服务器在内的多种计算系统的二氧化碳当量排放。
• 该框架仅需运行时间、硬件类型、内存使用量以及设施位置和效率，即可实现准确估算。
• 在粒子物理模拟、气象预报和自然语言处理中的计算任务被发现具有可测量且可报告的碳足迹。
• 该工具提供直观的情境化指标，如等效的汽车行驶距离或实现碳封存所需的树木月数，从而增强意识和沟通效果。
• 无需代码更改且仅需极少输入，即可将该工具集成到现有工作流中，支持广泛采用。
• 本研究表明，即使在小规模计算任务中，当规模扩大时也可能产生显著的碳影响，凸显了在科研计算中系统性追踪排放的必要性。