Buchumschlag

DataCenterGym: A Physics-Grounded Simulator for Multi-Objective Data Center Scheduling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pathak, Nilavra, Biswas, Samadrita, Roy, Nirmalya
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Distributed, Parallel, and Cluster Computing Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Transforming Future Data Center Operations and Management via Physical AI
von: Cao, Zhiwei, et al.
Veröffentlicht: (2025)

Electricity Cost Minimization for Multi-Workflow Allocation in Geo-Distributed Data Centers
von: Wang, Shuang, et al.
Veröffentlicht: (2025)

Reducing Fragmentation and Starvation in GPU Clusters through Dynamic Multi-Objective Scheduling
von: Mamirov, Akhmadillo
Veröffentlicht: (2025)

DCSim: Computing and Networking Integration based Container Scheduling Simulator for Data Centers
von: Hu, Jinlong, et al.
Veröffentlicht: (2024)

Eventually-Consistent Federated Scheduling for Data Center Workloads
von: Thiyyakat, Meghana, et al.
Veröffentlicht: (2023)

Reinforcement Learning-driven Data-intensive Workflow Scheduling for Volunteer Edge-Cloud
von: Mounesan, Motahare, et al.
Veröffentlicht: (2024)

Full Scaling Automation for Sustainable Development of Green Data Centers
von: Wang, Shiyu, et al.
Veröffentlicht: (2023)

Choosing the Right Battery Model for Data Center Simulations
von: Kilian, Paul, et al.
Veröffentlicht: (2025)

A Multi-Objective Framework for Optimizing GPU-Enabled VM Placement in Cloud Data Centers with Multi-Instance GPU Technology
von: Siavashi, Ahmad, et al.
Veröffentlicht: (2025)

From Barrier to Bridge: The Case for AI Data Center/Power Grid Co-Design
von: Bashir, Noman, et al.
Veröffentlicht: (2026)

Towards Multi-Model LLM Schedulers: Empirical Insights into Offloading and Preemption
von: Yildiz, Mert, et al.
Veröffentlicht: (2026)

CoRaiS: Lightweight Real-Time Scheduler for Multi-Edge Cooperative Computing
von: Hu, Yujiao, et al.
Veröffentlicht: (2024)

Mixture-of-Schedulers: An Adaptive Scheduling Agent as a Learned Router for Expert Policies
von: Wang, Xinbo, et al.
Veröffentlicht: (2025)

Power-Aware Scheduling for Multi-Center HPC Electricity Cost Optimization
von: Hossain, Abrar, et al.
Veröffentlicht: (2025)

Duration-Informed Workload Scheduler
von: Loreti, Daniela, et al.
Veröffentlicht: (2026)

Decentralized Distributed Proximal Policy Optimization (DD-PPO) for High Performance Computing Scheduling on Multi-User Systems
von: Sgambati, Matthew, et al.
Veröffentlicht: (2025)

Workload Schedulers -- Genesis, Algorithms and Differences
von: Sliwko, Leszek, et al.
Veröffentlicht: (2025)

Compass: A Decentralized Scheduler for Latency-Sensitive ML Workflows
von: Yang, Yuting, et al.
Veröffentlicht: (2024)

AI Greenferencing: Routing AI Inferencing to Green Modular Data Centers with Heron
von: Reddy, Tella Rajashekhar, et al.
Veröffentlicht: (2025)

Data-Juicer 2.0: Cloud-Scale Adaptive Data Processing for and with Foundation Models
von: Chen, Daoyuan, et al.
Veröffentlicht: (2024)

WORKSWORLD: A Domain for Integrated Numeric Planning and Scheduling of Distributed Pipelined Workflows
von: Paul, Taylor, et al.
Veröffentlicht: (2026)

Power- and Fragmentation-aware Online Scheduling for GPU Datacenters
von: Lettich, Francesco, et al.
Veröffentlicht: (2024)

Dynamic Scheduling Strategies for Resource Optimization in Computing Environments
von: Wang, Xiaoye
Veröffentlicht: (2024)

A Scheduling Framework for Efficient MoE Inference on Edge GPU-NDP Systems
von: Wu, Qi, et al.
Veröffentlicht: (2026)

Resource Allocation and Workload Scheduling for Large-Scale Distributed Deep Learning: A Survey
von: Liang, Feng, et al.
Veröffentlicht: (2024)

Topology-aware Preemptive Scheduling for Co-located LLM Workloads
von: Zhang, Ping, et al.
Veröffentlicht: (2024)

Equinox: Holistic Fair Scheduling in Serving Large Language Models
von: Wei, Zhixiang, et al.
Veröffentlicht: (2025)

Capacity Planning and Scheduling for Jobs with Uncertainty in Resource Usage and Duration
von: Patra, Sunandita, et al.
Veröffentlicht: (2025)

Game-Theoretic Deep Reinforcement Learning to Minimize Carbon Emissions and Energy Costs for AI Inference Workloads in Geo-Distributed Data Centers
von: Hogade, Ninad, et al.
Veröffentlicht: (2024)

Federated Multi-Objective Learning
von: Yang, Haibo, et al.
Veröffentlicht: (2023)

AgileLog: A Forkable Shared Log for Agents on Data Streams
von: Bhat, Shreesha G., et al.
Veröffentlicht: (2026)

HiveMind: OS-Inspired Scheduling for Concurrent LLM Agent Workloads
von: Agyemang, Justice Owusu, et al.
Veröffentlicht: (2026)

Block: Balancing Load in LLM Serving with Context, Knowledge and Predictive Scheduling
von: Da, Wei, et al.
Veröffentlicht: (2025)

TAPAS: Thermal- and Power-Aware Scheduling for LLM Inference in Cloud Platforms
von: Stojkovic, Jovan, et al.
Veröffentlicht: (2025)

Evaluating the Efficacy of LLM-Based Reasoning for Multiobjective HPC Job Scheduling
von: Jadhav, Prachi, et al.
Veröffentlicht: (2025)

Automated Planning for Optimal Data Pipeline Instantiation
von: Amado, Leonardo Rosa, et al.
Veröffentlicht: (2025)

TCM-Serve: Modality-aware Scheduling for Multimodal Large Language Model Inference
von: Papaioannou, Konstantinos, et al.
Veröffentlicht: (2026)

Reconstruction-Based Adaptive Scheduling Using AI Inferences in Safety-Critical Systems
von: Alshaer, Samer, et al.
Veröffentlicht: (2025)

Efficient MoE Inference with Fine-Grained Scheduling of Disaggregated Expert Parallelism
von: Pan, Xinglin, et al.
Veröffentlicht: (2025)

SparOA: Sparse and Operator-aware Hybrid Scheduling for Edge DNN Inference
von: Zhang, Ziyang, et al.
Veröffentlicht: (2025)