HewlettPackard/dc-rl
요약
SustainDC는 이기종 다중 에이전트 강화학습(MARL)을 활용하여 데이터 센터 시뮬레이션 및 제어를 수행하는 Python 환경 세트입니다. Gymnasium과 통합되어 워크로드 스케줄링, 냉각 최적화, 배터리 관리 등을 연구할 수 있도록 지원합니다.
핵심 포인트
- 이기종 다중 에이전트 강화학습 기반 데이터 센터 제어
- Gymnasium 환경 통합을 통한 맞춤형 시뮬레이션 제공
- 워크로드 스케줄링 및 냉각 최적화 연구 지원
- 에너지 효율 및 지속 가능한 컴퓨팅 환경 구축
저장소 (Repository): HewlettPackard/dc-rl
언어 (Language): HTML
별 (Stars): 113
포크 (Forks): 33
주제 (Topics): 배터리 관리 (battery-management), 벤치마크 (benchmark), 벤치마킹 (benchmarking), 벤치마킹 프레임워크 (benchmarking-framework), 탄소 발자국 (carbon-footprint), 냉각 최적화 (cooling-optimization), 데이터 센터 (data-center), 데이터 센터 관리 (data-center-management), 에너지 효율 (energy-efficiency), Gymnasium, Gymnasium 환경 (gymnasium-environment), 이기종 강화학습 (heterogeneous-reinforcement-learning), 머신러닝 (machine-learning), 다중 에이전트 강화학습 (multi-agent-reinforcement-learning), python, 강화학습 다중 에이전트 시스템 (reinforcement-learningmulti-agent-systems), 지속 가능성 (sustainability), 지속 가능한 컴퓨팅 (sustainable-computing), 워크로드 스케줄링 (workload-scheduling)
설명 (Description):
SustainDC는 이기종 다중 에이전트 강화학습 (Heterogeneous Multi Agent Reinforcement Learning)을 사용하여 데이터 센터 (Data Center) 시뮬레이션 및 제어를 수행하기 위한 Python 환경 세트입니다. Gymnasium과의 통합을 통해 워크로드 스케줄링 (workload scheduling), 냉각 최적화 (cooling optimization), 배터리 관리 (battery management)를 위한 맞춤형 환경을 포함합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Research의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기