خنک‌سازی بهینه مراکز داده با کمک هوش مصنوعی

جهان صنعت نیوز، یک سیستم هوش مصنوعی جدید با هماهنگ کردن خنک‌سازی با داده‌های آب و هوایی و بازار در لحظه می‌تواند به مراکز داده در کاهش مصرف انرژی کمک کند.

به نقل از آی‌ای، افزایش تقاضا برای محاسبات ابری و هوش مصنوعی، مراکز داده ایالات متحده را به مرزهای توان خود رسانده است.

اپراتورها اکنون با فشار فزاینده‌ای برای کنترل هزینه‌های انرژی بدون به خطر انداختن عملکرد مواجه هستند.

یک گروه تحقیقاتی در دانشگاه ایالتی پنسیلوانیا معتقد است که هوش مصنوعی می‌تواند با تجدید نظر در مورد چگونگی مدیریت یکی از بزرگترین هزینه‌های این مراکز، یعنی خنک‌سازی، کمک کننده باشد.

این گروه، نرم‌افزاری را توسعه داده‌اند که از یک مدل هوش مصنوعی مبتنی بر فیزیک برای تجزیه و تحلیل داده‌های آب و هوایی و اقتصادی در لحظه استفاده می‌کند. سپس توصیه می‌کند که مراکز داده چگونه و چه زمانی باید خنک‌سازی را برای بهبود کارایی و کاهش هزینه‌ها تنظیم کنند.

این سیستم در داخل یک ماکت مجازی از یک مرکز آموزش می‌بیند که به آن اجازه می‌دهد سناریوها را قبل از اعمال در دنیای واقعی آزمایش کند.

خنک‌سازی هوشمندتر با هوش مصنوعی

خنک‌سازی سهم عمده‌ای از مصرف انرژی مراکز داده را تشکیل می‌دهد و آن را به یک هدف کلیدی برای صرفه‌جویی تبدیل می‌کند. محققان بر جایگزینی استراتژی‌های خنک‌سازی ایستا با استراتژی‌های تطبیقی ‌تمرکز کردند.

وانگدا زو، استاد مهندسی معماری در دانشگاه ایالتی پن، می‌گوید: در حال حاضر، خنک‌سازی حدود ۴۰ درصد از کل مصرف برق یک مرکز داده را تشکیل می‌دهد و این فقط برای عملیاتی نگه داشتن مرکز داده است.

اپراتورها همچنین با نوسانات آب و هوا و قیمت‌های ناپایدار برق مواجه هستند. این عوامل می‌توانند به سرعت هزینه‌های عملیاتی را افزایش داده و سود را کاهش دهند. سیستم‌های سنتی برای پاسخگویی به این تغییرات تلاش می‌کنند، زیرا به اهداف دمایی ثابت متکی هستند.

زو می‌گوید: به طور سنتی، مراکز داده با اهداف حرارتی ثابت خنک می‌شوند که می‌تواند منجر به ضررهای مالی قابل توجهی در هنگام بالا بودن قیمت برق شود.

سیستم هوش مصنوعی جدید این محدودیت را برطرف می‌کند. این سیستم به صورت پویا نرخ خنک‌سازی را بر اساس شرایط خارجی تنظیم می‌کند.

این سیستم می‌تواند هنگامی که برق ارزان است، خنک‌سازی را افزایش داده و هنگامی که هزینه‌ها افزایش می‌یابد، آن را کاهش دهد، در حالی که در محدوده عملیاتی ایمن باقی می‌ماند.

مدل آموزشی دوقلوی دیجیتال

گروه تحقیقاتی هوش مصنوعی خود را با استفاده از یک «دوقلوی دیجیتال»، یک نسخه شبیه‌سازی شده از یک مرکز داده، آموزش داد.

این مدل مجازی، شرایط دنیای واقعی، از جمله دما، رطوبت و محدودیت‌های تجهیزات را منعکس می‌کند. این سیستم به یک رویکرد یادگیری تقویتی مبتنی بر فیزیک متکی است.

این روش، قوانین مهندسی را با یادگیری ماشینی ترکیب می‌کند و به هوش مصنوعی اجازه می‌دهد تصمیماتی بگیرد که ایمن و کاربردی باقی بمانند.

این گروه مدل را با استفاده از یک مرکز داده شبیه‌سازی شده در هوستون، تگزاس آزمایش کرد. گرما و رطوبت شهر، محیطی چالش‌برانگیز را فراهم می‌کرد. هوش مصنوعی یاد گرفت که ضمن حفظ قابلیت اطمینان، خنک‌سازی را بهینه کند.

این رویکرد به اپراتورها اجازه می‌دهد تا بدون خطر آسیب سخت‌افزاری، کارایی را بهبود بخشند. همچنین نیاز به مجموعه داده‌های آموزشی عظیم را که بسیاری از سیستم‌های هوش مصنوعی به آن نیاز دارند، کاهش می‌دهد.

افزایش کارایی استخراج ارزهای دیجیتال

این نرم‌افزار همچنین می‌تواند استخراج ارزهای دیجیتال را که به قدرت محاسباتی قابل توجهی نیاز دارد، بهبود بخشد. این عملیات اغلب به طور مداوم اجرا می‌شوند و هزینه‌های خنک‌سازی را به یک هزینه عمده تبدیل می‌کنند. با هماهنگ کردن خنک‌سازی با آب و هوای مطلوب و قیمت برق پایین‌تر، سیستم هوش مصنوعی می‌تواند سودآوری را بهبود بخشد. محققان می‌گویند رویکرد آنها جایگزین کم‌هزینه‌تری برای ارتقاء سخت‌افزار مانند خنک‌کننده مایع ارائه می‌دهد. به جای جایگزینی زیرساخت، اپراتورها می‌توانند از نرم‌افزار برای بهینه‌سازی سیستم‌های موجود استفاده کنند.

منبع: ایسنا

دانش و فناوری