XiaoMi-AI文件搜索系统
World File Search System过剩
FedZero：在联邦学习中利用可再生过剩能源
联邦学习 (FL) 是一种新兴的机器学习技术，它支持跨数据孤岛或边缘设备进行分布式模型训练，而无需数据共享。然而，与集中式模型训练相比，FL 不可避免地会带来效率低下的问题，这将进一步增加未来机器学习本已很高的能耗和相关的碳排放。减少 FL 碳足迹的一种方法是根据电网中特定时间和地点可能出现的可再生过剩能源的可用性来安排训练作业。然而，面对如此不稳定且不可靠的资源，现有的 FL 调度程序无法始终确保快速、高效和公平的训练。我们提出了 FedZero，这是一个专门依靠可再生过剩能源和计算基础设施的闲置容量运行的 FL 系统，可有效地将训练的运营碳排放量降至零。通过利用能源和负荷预测，FedZero 通过选择客户端实现快速收敛和公平参与，从而利用过剩资源的时空可用性。我们基于实际的太阳和负载轨迹进行的评估表明，在上述约束条件下，FedZero 的收敛速度明显快于现有方法，同时消耗的能量更少。此外，它对预测误差具有很强的鲁棒性，可扩展到数万个客户端。
FedZero：在联邦学习中利用可再生过剩能源
联邦学习 (FL) 是一种新兴的机器学习技术，它支持跨数据孤岛或边缘设备进行分布式模型训练，而无需数据共享。然而，与集中式模型训练相比，FL 不可避免地会带来效率低下的问题，这将进一步增加未来机器学习本已很高的能耗和相关的碳排放。减少 FL 碳足迹的一种方法是根据电网中特定时间和地点可能出现的可再生过剩能源的可用性来安排训练作业。然而，面对如此不稳定且不可靠的资源，现有的 FL 调度程序无法始终确保快速、高效和公平的训练。我们提出了 FedZero，这是一个专门依靠可再生过剩能源和计算基础设施的闲置容量运行的 FL 系统，可有效地将训练的运营碳排放量降至零。通过利用能源和负荷预测，FedZero 通过选择客户端实现快速收敛和公平参与，从而利用过剩资源的时空可用性。我们基于实际的太阳和负载轨迹进行的评估表明，在上述约束条件下，FedZero 的收敛速度明显快于现有方法，同时消耗的能量更少。此外，它对预测误差具有很强的鲁棒性，可扩展到数万个客户端。
FedZero：在联邦学习中利用可再生过剩能源
联邦学习 (FL) 是一种新兴的机器学习技术，它支持跨数据孤岛或边缘设备进行分布式模型训练，而无需数据共享。然而，与集中式模型训练相比，FL 不可避免地会带来效率低下的问题，这将进一步增加未来机器学习本已很高的能耗和相关的碳排放。减少 FL 碳足迹的一种方法是根据电网中特定时间和地点可能出现的可再生过剩能源的可用性来安排训练作业。然而，面对如此不稳定且不可靠的资源，现有的 FL 调度程序无法始终确保快速、高效和公平的训练。我们提出了 FedZero，这是一个专门依靠可再生过剩能源和计算基础设施的闲置容量运行的 FL 系统，可有效地将训练的运营碳排放量降至零。通过利用能源和负荷预测，FedZero 通过选择客户端实现快速收敛和公平参与，从而利用过剩资源的时空可用性。我们基于实际的太阳和负载轨迹进行的评估表明，在上述约束条件下，FedZero 的收敛速度明显快于现有方法，同时消耗的能量更少。此外，它对预测误差具有很强的鲁棒性，可扩展到数万个客户端。
全球新冠疫苗过剩：应对库存到期问题
© 作者 2023。开放存取 本文根据知识共享署名 4.0 国际许可进行授权，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可的链接，并指明是否做了更改。 本文中的图片或其他第三方资料包含在文章的知识共享许可中，除非资料的致谢中另有说明。 如果资料未包含在文章的知识共享许可中，且您的预期用途不被法定规定允许或超出允许用途，则需要直接从版权所有者处获得许可。 要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/ 。知识共享公共领域贡献豁免（http://creativeco mmons.org/publicdomain/zero/1.0/）适用于本文中提供的数据，除非数据来源中另有说明。
脆弱的新经济：无形资本、企业储蓄过剩和金融不稳定
金融市场和机构的发展对产业结构有着深远的影响（Rajan and Zingales，1998）。反过来呢？产业结构的演变能否塑造金融体系？本文探讨了向无形资产密集型经济的转型。在美国，无形资产投资已超过实物投资，成为经济增长的最大来源（Corrado and Hulten，2010）。通过将无形资产的一个决定性特征——有限的可质押性——纳入一个包含金融市场和中介机构的宏观经济动态模型中，我表明，无形资产的崛起促成了美国经济的几个长期趋势，如企业储蓄的积累、利率的下降趋势、金融中介部门的增长以及资产市场估值的上升。重要的是，通过
资产过剩和技术变革§
投资者为贬值其遗留投资的项目融资的动力减弱。我们将这种“资产过剩”形式化并研究其驱动因素。我们将我们的框架应用于气候银行关系，其中净零转型实际上给银行带来了一个难题：虽然环境创新可以带来利润，但其广泛传播可能会破坏遗留头寸的价值。使用关于环境产品和服务创新和传播的详细公司级数据，我们记录了资产过剩的存在，因为颠覆性环境技术的创新者（传播者）获得银行信贷的可能性与非颠覆性技术相比低约 4.4 个百分点（1.0 个百分点）。遗留头寸风险较小的个人投资者可以缓解整个经济范围内的资产过剩问题，从而促进技术转型。
阿拉斯加偏远微电网中过剩可再生能源发电与非电热负荷之间的有益匹配建模与评估
摘要：许多阿拉斯加社区依靠燃油取暖，依靠柴油发电。对于偏远社区，燃料必须通过驳船运输或空运，导致成本高昂。虽然可再生能源资源可能可用，但风能和太阳能的易变性限制了在没有足够储存的情况下可以同时使用的数量。本研究开发了一种决策方法来评估三个合作社区中过剩可再生能源发电和非电力可调度负荷（特别是空间供暖、水加热和处理以及衣物烘干等热负荷）之间的有益匹配。多种电力可再生能源混合优化模型 (HOMER) Pro 用于根据当前发电基础设施、可再生资源数据和社区负荷对潜在的过剩可再生能源发电进行建模。然后，该方法使用这些过剩发电概况来量化它们与具有固有热储存能力的建模或实际热负荷的匹配程度。在三个社区调查的 236 种可能的太阳能和风能容量组合中，高渗透风力发电的过剩电力与衣物烘干和空间供暖的热负荷之间的匹配度最高。这项研究中最差的匹配是太阳能渗透率低（峰值负荷的 25%）且所有热负荷都存在。
削减可再生能源电力过剩产能，转而发展氢能
本研究考察了在东南亚国家联盟 (ASEAN) 和东亚峰会 (EAS) 的背景下，利用可再生能源弃电生产氢气在多大程度上可以实现环境效益，以及电解制氢的成本。电解制氢的成本范围从电解器负荷率为 1,500 小时或以上时每千克氢气不到 2 美元到电解器负荷率为 500 小时或以下时每千克氢气 10 美元甚至更高。利用可再生能源弃电生产氢气减少的二氧化碳排放量在东盟约为 1.3 亿吨到 1.5 亿吨之间，在东亚峰会约为 180 亿吨到 190 亿吨之间。将现行的碳价应用于减少的二氧化碳排放量，通过电解可再生能源削减电力生产氢气的可能货币化收益在东盟约为每千克氢气 0.25 美元到每千克氢气 9.00 美元之间，在东亚地区约为每千克氢气 0.50 美元到每千克氢气 15.00 美元之间。成本效益分析的结果表明，碳价需要达到每吨二氧化碳 10 美元左右，才能证明在东盟和东亚地区通过电解可再生能源削减电力生产氢气是合理的。结果还表明，即使在低碳价下，高电解器负荷率也使得通过电解可再生能源削减电力生产氢气具有成本竞争力。