Η αυξανόμενη ζήτηση για cloud computing και τεχνητή νοημοσύνη έχει ωθήσει τα κέντρα δεδομένων των ΗΠΑ στα όριά τους.
Αυξημένη πίεση για ενέργεια
Οι φορείς εκμετάλλευσης αντιμετωπίζουν πλέον αυξανόμενη πίεση για τον έλεγχο του ενεργειακού κόστους χωρίς να θέτουν σε κίνδυνο την απόδοση. Μια ερευνητική ομάδα στο Penn State πιστεύει ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει επανεξετάζοντας τον τρόπο με τον οποίο αυτές οι εγκαταστάσεις διαχειρίζονται ένα από τα μεγαλύτερα έξοδά τους, την ψύξη.
Η ομάδα ανέπτυξε λογισμικό που χρησιμοποιεί ένα μοντέλο τεχνητής νοημοσύνης βασισμένο στη φυσική για την ανάλυση κλιματικών και οικονομικών δεδομένων σε πραγματικό χρόνο. Στη συνέχεια, προτείνει πώς και πότε τα κέντρα δεδομένων θα πρέπει να προσαρμόζουν την ψύξη για να βελτιώσουν την απόδοση και να μειώσουν το κόστος.
Το σύστημα εκπαιδεύεται μέσα σε ένα εικονικό αντίγραφο μιας εγκατάστασης, επιτρέποντάς του να δοκιμάζει σενάρια πριν τα εφαρμόσει στον πραγματικό κόσμο.
Εξυπνότερη ψύξη με τεχνητή νοημοσύνη
Η ψύξη αντιπροσωπεύει ένα σημαντικό μερίδιο της χρήσης ενέργειας των κέντρων δεδομένων, καθιστώντας την βασικό στόχο για εξοικονόμηση. Οι ερευνητές επικεντρώθηκαν στην αντικατάσταση των στατικών στρατηγικών ψύξης με προσαρμοστικές.
«Η ψύξη αντιπροσωπεύει επί του παρόντος περίπου το 40% της συνολικής κατανάλωσης ηλεκτρικής ενέργειας ενός κέντρου δεδομένων — απλώς χρησιμεύει για τη διατήρηση της λειτουργικότητας του κέντρου δεδομένων», δήλωσε ο Wangda Zuo, καθηγητής αρχιτεκτονικής μηχανικής στο Penn State.
Οι φορείς εκμετάλλευσης αντιμετωπίζουν επίσης διακυμάνσεις του καιρού και ασταθείς τιμές ηλεκτρικής ενέργειας. Αυτοί οι παράγοντες μπορούν να αυξήσουν γρήγορα το λειτουργικό κόστος και να μειώσουν τα κέρδη.
Τα παραδοσιακά συστήματα
Τα παραδοσιακά συστήματα δυσκολεύονται να ανταποκριθούν επειδή βασίζονται σε σταθερούς στόχους θερμοκρασίας.
«Παραδοσιακά, τα κέντρα δεδομένων ψύχονται σε στατικούς θερμικούς στόχους, κάτι που μπορεί να οδηγήσει σε σημαντικές οικονομικές απώλειες όταν οι τιμές ηλεκτρικής ενέργειας είναι υψηλές», δήλωσε ο Zuo.
Το νέο σύστημα τεχνητής νοημοσύνης αντιμετωπίζει αυτόν τον περιορισμό. Προσαρμόζει δυναμικά τους ρυθμούς ψύξης με βάση τις εξωτερικές συνθήκες. Μπορεί να αυξήσει την ψύξη όταν η ηλεκτρική ενέργεια είναι φθηνή και να μειώσει την ψύξη όταν το κόστος αυξάνεται, παραμένοντας παράλληλα εντός ασφαλών ορίων λειτουργίας.
Μοντέλο εκπαίδευσης ψηφιακών διδύμων
Η ερευνητική ομάδα εκπαίδευσε την τεχνητή νοημοσύνη της χρησιμοποιώντας ένα «ψηφιακό δίδυμο», μια προσομοιωμένη έκδοση ενός κέντρου δεδομένων. Αυτό το εικονικό μοντέλο αντικατοπτρίζει τις συνθήκες του πραγματικού κόσμου, συμπεριλαμβανομένης της θερμοκρασίας, της υγρασίας και των περιορισμών εξοπλισμού.
Το σύστημα βασίζεται σε μια προσέγγιση ενισχυτικής μάθησης βασισμένη στη φυσική. Συνδυάζει τους μηχανικούς κανόνες με τη μηχανική μάθηση, επιτρέποντας στην Τεχνητή Νοημοσύνη να λαμβάνει αποφάσεις που παραμένουν ασφαλείς και πρακτικές.
Η θερμότητα και η υγρασία της πόλης παρείχαν ένα απαιτητικό περιβάλλον. Η Τεχνητή Νοημοσύνη έμαθε να βελτιστοποιεί την ψύξη διατηρώντας παράλληλα την αξιοπιστία.
«Κάθε στοιχείο υλικού που χρησιμοποιείται για την ψύξη ενός κέντρου δεδομένων έχει τα δικά του λειτουργικά εύρη που δεν μπορούν να παραβιαστούν, επομένως τα ενσωματώσαμε στη μοντελοποίησή μας», δήλωσε ο Viswanathan Ganesh, υποψήφιος διδάκτορας και πρώτος συγγραφέας της μελέτης.
Αυτή η προσέγγιση επιτρέπει στους χειριστές να βελτιώσουν την αποδοτικότητα χωρίς να διακινδυνεύσουν ζημιά στο υλικό. Μειώνει επίσης την ανάγκη για τεράστια σύνολα δεδομένων εκπαίδευσης, τα οποία απαιτούν πολλά συστήματα Τεχνητής Νοημοσύνης.
Ευθυγραμμίζοντας την ψύξη με ευνοϊκό καιρό και χαμηλότερες τιμές ηλεκτρικής ενέργειας, το σύστημα Τεχνητής Νοημοσύνης θα μπορούσε να βελτιώσει την κερδοφορία. Οι ερευνητές λένε ότι η προσέγγισή τους προσφέρει μια εναλλακτική λύση χαμηλότερου κόστους σε αναβαθμίσεις υλικού όπως η υγρή ψύξη.
Αντί να αντικαθιστούν τις υποδομές, οι φορείς εκμετάλλευσης μπορούν να χρησιμοποιήσουν λογισμικό για να βελτιστοποιήσουν τα υπάρχοντα συστήματα.
www.worldenergynews.gr
