PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.02965v2cs.LG

분산 데이터 센터를 위한 에너지 관리 및 AIGC 워크로드 스케줄링 통합: 확산 모델 기반 보상 형성 접근법

Joint Energy Management and Coordinated AIGC Workload Scheduling for Distributed Data Centers: A Diffusion-Aided Reward Shaping Approach

분산 데이터 센터에서 AIGC 워크로드의 모델 이질성과 암묵적 서비스 품질 평가 문제를 해결하기 위해, 서비스 품질의 명시적 수학적 특성화와 GPU DVFS·BESS·냉각 시스템을 통합한 에너지 관리 프레임워크를 제안한다. 작업 스케줄링 결정 간 강한 결합으로 인한 보상 희소성(reward sparsity) 문제를 극복하고자 확산 모델 기반 보상 형성(reward shaping) 기법을 심층 강화학습(DRL)에 결합하였으며, 실험 결과 기존 DRL 대비 누적 보상 최대 1.5배 향상 및 시스템 효용 30% 이상 개선을 달성하였다.

arXiv:2606.30316v1cs.LG

풍력 발전 단지 내 데이터 센터의 에너지 최적화 운영을 위한 강화학습 연구

Toward an Energy-Optimized Operation of Data Centers Located in Wind Farms Using Reinforcement Learning

풍력 터빈과 통합된 HPC 데이터 센터에서 커틀먼트(curtailment) 인식 워크로드 이동을 위한 강화학습(RL) 온라인 컨트롤러를 연구하며, 신용 할당(credit-assignment) 문제를 완화하기 위해 최적화 기반 모방 학습(Imitation Learning)과 잠재 기반 보상 형성(Reward Shaping)을 평가한다. PPO와 온-정책 업데이트 루틴을 추가한 SAC 변형이 200일 테스트 세트에서 강력한 성능을 보였으며, 두 보완 기법 모두 관련 설정에서 성능을 개선하는 것으로 확인되었다.