Szerző: Hlács Ferenc

2016. július 21. 11:39:00

AI-kézbe adta adatközpontja hűtését a Google

Mintegy 40 százalékot faragott le adatközponti hűtésének fogyasztásából a Google, miután annak vezérlését a DeepMind AI-nak adta át.

Újabb óriás hűtőtornyok helyett mesterséges intelligencia segítségével hűti adatközpontjait a Google: a keresőóriás a DeepMind AI-t engedte rá egyik egyik aktív használatban lévő komplexumára, hogy gépi tanulás segítségével optimalizálja annak hűtését. A rendszer meglepően sikeresnek bizonyult a területen, a masszív hűtőrendszer fogyasztását nem kevesebb mint 40 százalékkal tudta visszafogni.

Ez rendkívül impresszív eredmény, különösen figyelembe véve, hogy az adatközponti környezetek egyik legnagyobb energiaétvágyú elemét a hűtés jelenti, amely jellemzően nagy teljesítményű folyadékpumpákkal, illetve hűtőtornyokkal történik. A létesítmények, illetve az azokban dolgozó felszerelés hőmérsékletének optimális szinten tartására ugyanakkor nincs általános érvényű recept, azt rengeteg tényező befolyásolja, az adott hardverektől, illetve azok egymásra való hatásától az aktuális időjáráson keresztül egészen az adatközpont saját, közvetlen környezetéig.

Machine learning és Scrum alapozó képzések indulnak! (x) A HWSW októberben induló gyakorlatorientált, 10 alkalmas, 30 órás online képzéseire most early bird kedvezménnyel lehet regisztrálni!

A Google először két évvel ezelőtt, tesztjelleggel adta gépi tanulási rendszere kezébe a hűtésoptimalizálásra vonatkozó feladatokat. A vállalat kutatói egy neurális hálózatokból álló rendszert képeztek ki többféle működési forgatókönyvre, figyelembe véve a fenti szempontokat, illetve az adott komplexumban lévő, több ezer szenzor által az elmúlt években begyűjtött olyan adatokat, mint az épület egyes területein adott időszakokban uralkodó hőmérsékletek, energiafogyasztás, vagy épp a szivattyúk, pumpák sebessége. A nagy mennyiségű információ alapján betanított rendszerek képesek elfogadható pontossággal, egy órával előre megjósolni az adatközpont várható fogyasztását és ennek megfelelően előkészíteni az ajánlott lépéseket az optimális hűtésre, figyelembe véve a komplexum működésére vonatkozó különböző szabályozásokat.

Az első éles tesztet követően a Google igen látványos előrelépésről számolt be, a gépi tanulásra építő megoldással 40 százalékkal esett vissza a hűtőrendszer fogyasztása, ami 15 százalékos javulást jelent a cég által vezetett, a központok teljes energiahatékonyságát mérő PUE (Power Usage Effectiveness) értékben - ezzel a cég által a vizsgált komplexumban eddig mért legalacsonyabb számot produkálva. A keretrendszer a Google szerint más létesítmények hűtésoptimalizálására is kiképezhető, a következő hónapokban a cég több helyen is megkezdi annak tesztelését.

a címlapról