Chytrá AI šetří datovým centrům 25 % nákladů na chlazení: Dynamicky reaguje na počasí a ceny elektřiny

Rostoucí poptávka po cloudových službách a umělé inteligenci posouvá datová centra v USA na hranice jejich možností. Provozovatelé těchto zařízení čelí stále většímu tlaku na kontrolu energetických nákladů, aniž by došlo ke snížení výkonu.

Rostoucí poptávka po cloudových službách a umělé inteligenci posouvá datová centra v USA na hranice jejich možností. Provozovatelé těchto zařízení čelí stále většímu tlaku na kontrolu energetických nákladů, aniž by došlo ke snížení výkonu. Výzkumný tým z Penn State University věří, že umělá inteligence může pomoci přehodnotit způsob, jakým datová centra řídí jednu ze svých největších výdajových položek – chlazení.

Tým vyvinul software, který využívá fyzikální model umělé inteligence k analýze klimatických a ekonomických dat v reálném čase. Na základě těchto informací systém doporučuje, jak a kdy by datová centra měla upravit chlazení, aby zlepšila efektivitu a snížila náklady. Systém se trénuje ve virtuální replice zařízení, takzvaném „digitálním dvojčeti“, což umožňuje testovat scénáře před jejich aplikací v reálném světě. Chlazení představuje významný podíl na celkové spotřebě energie datových center, konkrétně asi 40 % celkové spotřeby elektřiny, což z něj činí klíčovou oblast pro úspory.

Tradiční chladicí systémy se spoléhají na pevné teplotní cíle a jen obtížně reagují na kolísavé počasí a nestálé ceny elektřiny. Tyto faktory mohou rychle zvýšit provozní náklady a snížit zisky. Nový systém umělé inteligence tuto omezenost řeší dynamickým přizpůsobováním rychlosti chlazení na základě vnějších podmínek. Dokáže zvýšit chlazení, když je elektřina levná, a naopak ho omezit, když náklady stoupají, přičemž vždy zůstává v bezpečných provozních limitech. Tento přístup umožňuje provozovatelům zlepšit efektivitu bez rizika poškození hardwaru a zároveň snižuje potřebu rozsáhlých tréninkových datových sad, které mnoho systémů umělé inteligence vyžaduje.

Model byl testován v simulovaném datovém centru v Houstonu v Texasu, kde horké a vlhké prostředí představovalo náročnou výzvu. Umělá inteligence se zde naučila optimalizovat chlazení při zachování spolehlivosti. Výzkumníci uvádějí, že jejich přístup nabízí levnější alternativu k hardwarovým upgradům, jako je například kapalinové chlazení. Namísto výměny infrastruktury mohou provozovatelé použít software k optimalizaci stávajících systémů. Software by mohl také zlepšit efektivitu těžby kryptoměn, která vyžaduje značný výpočetní výkon a nepřetržitý provoz, což činí náklady na chlazení významnou položkou. Tým představí svou práci na konferenci IEEE ITherm v květnu.