[Paper] 제1회 Low Carbon Computing 국제 워크숍 (LOCO 2024) 논문집

Source: arXiv - 2601.02898v1

Overview

첫 번째 국제 저탄소 컴퓨팅 워크숍(LOCO 2024)에서는 연구자, 엔지니어, 산업 실무자들이 모여 컴퓨팅 시스템을 설계·운영·관리할 때 탄소 배출량 감소에 초점을 맞추는 방안을 탐구했습니다. 워크숍 논문집은 디지털 세계를 보다 친환경적으로 만들기 위한 신흥 아이디어, 초기 단계 프로토타입, 실천 가능한 연구를 한눈에 볼 수 있게 정리했습니다.

주요 기여

• 12편의 동료 검토 논문을 선별하여 에너지 인식 스케줄링, 탄소 지능형 클라우드 오케스트레이션, 저전력 하드웨어 설계 등 주제를 다룸.
• 포지션 페이퍼와 비전 선언문으로 탄소 인식 소프트웨어 개발 로드맵 및 정책 기반 지속 가능성 표준을 제시.
• 선도 기술 기업들의 사례 연구를 통해 재생 에너지 기반 데이터 센터로 워크로드 마이그레이션을 통한 측정 가능한 탄소 절감 효과를 입증.
• 벤치마크 스위트 및 측정 방법론을 제공해 알고리즘 및 서비스의 탄소 발자국을 정량화.
• 커뮤니티 구축 성과, 여기에는 학계와 산업 전반에 걸친 채택을 촉진하는 공개 “저탄소 컴퓨팅 헌장”이 포함됨.

Methodology

LOCO 2024는 표준 워크숍 형식을 따랐습니다: 논문 공개 모집, 이중 블라인드 동료 검토, 구두 발표, 포스터 세션 및 패널 토론의 혼합. 저자들은 기술 세부 사항과 탄소 회계 지표(예: 작업당 CO₂e)를 모두 보고하도록 요청받았습니다. 조직위원회는 또한 재현성 키트—Docker 이미지, 에너지 모니터링 스크립트, 실제 워크로드의 공유 데이터셋—를 제공하여 결과를 독립적으로 검증하고 비교할 수 있도록 했습니다.

Results & Findings

• 에너지 인식 스케줄링 알고리즘은 기본 스케줄러와 비교했을 때 CPU 사용 시간을 최대 23 % 줄이고, 관련 CO₂e 배출량을 18 % 감소시켰습니다.
• 탄소 인텔리전트 클라우드 오케스트레이션은 저탄소 전력원을 사용하는 데이터 센터로 워크로드를 동적으로 라우팅하여 SLA 준수를 유지하면서 전체 배출량을 평균 15 % 감소시켰습니다.
• 하드웨어 수준 혁신(예: AI 가속기의 근접 임계 전압 동작)은 약 5 % 정도의 성능 저하를 감수하고도 전력 소비를 30 % 절감함을 보여주었으며, 이는 많은 추론 워크로드에 충분히 허용 가능한 수준입니다.
• 정책 기반 사례 연구는 간단한 인센티브(예: 친환경 컴퓨팅 사용에 대한 탄소 크레딧)가 배치 작업의 40 %를 피크가 아닌 재생 가능 에너지가 풍부한 시간대로 이동시킬 수 있음을 입증했습니다.

Practical Implications

• 개발자는 탄소 인식 API(예: “setCarbonPreference”)를 서비스에 통합하기 시작할 수 있으며, 이를 통해 런타임 시스템이 더 친환경적인 배치 결정을 내릴 수 있습니다.
• 클라우드 제공업체는 “저탄소 컴퓨팅” 계층을 홍보할 수 있는 구체적인 메트릭 및 오케스트레이션 패턴을 확보하게 되며, 이를 통해 새로운 시장 세그먼트와 규제 준수 경로를 열 수 있습니다.
• 데이터센터 운영자는 워크로드 이동 및 하드웨어 튜닝을 위한 검증된 기술을 받아 전기 요금 절감과 탄소 보고 의무 감소로 직접 연결됩니다.
• 제품 관리자는 벤치마크 스위트를 활용해 새로운 기능에 대한 탄소 목표를 설정하고, 지속 가능성을 일류 엔지니어링 KPI로 전환할 수 있습니다.

제한 사항 및 향후 작업

저자들은 제시된 많은 솔루션들이 제한된 합성 워크로드나 통제된 실험실 환경에서 평가되었으며, 이는 실제 트래픽의 전체 변동성을 포착하지 못할 수 있다고 언급한다. 또한, 탄소 회계 모델은 공개적으로 이용 가능한 전력망 배출 계수를 사용하고 있는데, 이는 거칠게 구분될 수 있다. 향후 LOCO 버전은 참여 범위를 확대(특히 신흥 경제국에서)하고, 실시간 탄소 강도 피드를 통합하며, 하드웨어, 시스템 소프트웨어, 애플리케이션‑수준 전략을 통합하는 교차‑계층 공동 설계를 탐구할 예정이다.

저자

• Wim Vanderbauwhede
• Lauritz Thamsen
• José Cano

논문 정보

• arXiv ID: 2601.02898v1
• 분류: cs.DC
• 출판일: 2026년 1월 6일
• PDF: PDF 다운로드