要点
学習、ファインチューニング、評価、バッチ推論など、待てるジョブを見つけ、炭素強度の予報で電力網がよりクリーンになるときに開始しましょう。定期的にチェックポイントを保存すれば、長いジョブも、確実な期限の範囲内で、強度が上がったら一時停止し、下がったら再開できます。カーボンアウェアなスケジューリングで減るのは炭素であってエネルギーではないので、効率化の取り組みに上乗せして行いましょう。
手順
- 数時間待っても支障のない AI のジョブを、それぞれの本当の期限とともに書き出します。
- ジョブを実行するリージョンの炭素強度の予報を入手します。
- 時期を動かせるジョブは、期限に間に合う範囲で最もクリーンな時間帯に開始します。
- 長いジョブを一時停止、再開できるよう、オプティマイザの状態も含めてチェックポイントを保存します。
- スケジューリングでエネルギーの増加が隠れないよう、炭素だけでなくジョブごとのエネルギーも記録します。
ほとんどの学習ジョブは、Enter キーを押した瞬間に始める必要はありません。よりクリーンな時間帯に移せば、モデルを何も変えずに炭素を減らせます。
予報はどこから手に入りますか?
- グレートブリテンでは、National Energy System Operator の Carbon Intensity API が、14の地域について96時間以上先までの炭素強度を予報しています。
- Electricity Maps は、世界の350以上のゾーンについてリアルタイムと予報のデータを提供しています。
- Green Software Foundation の Carbon Aware SDK は、こうしたデータを利用するウェブ API とコマンドラインツールで、ソフトウェアが「電気がクリーンな低炭素の電源から来ているときは多く、そうでないときは少なく動く」ようにします。
長いジョブはどう扱えばいいですか?
Green Software Foundation の AI ワークロード向けのパターンでは、可能な場合、炭素強度のしきい値に応じて長時間の学習ジョブを一時停止、再開することを提案しています。そのためには、ジョブが止まっても何も失われないよう、オプティマイザの状態も含めて定期的にチェックポイントを保存する必要があります。一時停止のコストが節約分を上回らないよう、チェックポイントのオーバーヘッドも測りましょう。
よくある間違い
- 炭素とエネルギーを混同する。ジョブの時間をずらしても、使う量は減りません。炭素の数字が下がっていても、エネルギーが増えていることがあります。両方を記録しましょう。
- 期限を遅らせる。期限は希望ではなく、厳守する上限にしましょう。
- 年間平均に基づいてスケジュールを組む。ジョブを実際に実行するリージョンの、時間ごとの予報が必要です。
- 小さなジョブまでスケジュールする。効果が出るのは大きく時期を動かせる実行で、すべてのスクリプトではありません。
炭素の少ないリージョンを選ぶこともできます。効率的な学習と推論もご覧ください。
出典
- Carbon Intensity API, National Energy System Operator (2025)
- Carbon Aware SDK, Green Software Foundation (2025)
- Use carbon-aware scheduling and region selection for AI workloads, Green Software Foundation, Green Software Patterns (2025)
- Electricity Maps data, Electricity Maps (2026)
関連
炭素排出の少ないクラウドリージョンを選ぶには?
AI の処理に低炭素なクラウドリージョンを選ぶ方法です。リージョンごとの電力網の炭素強度とカーボンフリー電力を比べ、レイテンシ、データ規則、費用を検討します。
電力網の炭素強度はどこで調べられる?
AI のフットプリント計算に使う電力網の炭素強度データの入手先です。GB Carbon Intensity API や Electricity Maps などを紹介します。
クラウドの余剰キャパシティで AI のジョブを動かすには?
中断できる AI の作業をスポットやプリエンプティブルで動かしましょう。チェックポイントと再試行を備え、中断できない作業は別に置きます。
AI の効率的な学習と推論
開発者と研究者向けに、AI のエネルギーを減らす技法を紹介します。枝刈り、スパース性、量子化、蒸留、KV キャッシュ、バッチ処理、混合精度、スケジューリングを扱います。