Machine Learning Guided Cooling System Optimization for Data Center
تقدم هذه الورقة إطار عمل مكوناً من ثلاث مراحل، يعتمد على التعلم الآلي الموجه بالفيزياء والمطبق على حاسوب "فرونتير" (Frontier) الفائق بمقياس الإكساسكيل، والذي يحدد أوجه القصور الكبيرة في كفاءة التبريد ويوضح كيف يمكن لتعديلات نقاط الضبط المقابلة للواقع والآمنة استعادة ما يصل إلى 96% من استهلاك الطاقة الزائد مع الحفاظ على الحدود الحرارية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل مكتبة ضخمة فائقة التقنية تسمى "فرونتير" (Frontier). هذه ليست مكتبة للكتب، بل هي مكتبة للحواسيب الفائقة التي تحل أصعب مشكلات العالم. وللحفاظ على هذه العقول العملاقة من ارتفاع درجة حرارتها، تمتلك المكتبة نظام تكييف هواء وتبريد مائي متطور للغاية.
ما هي المشكلة؟ على الرغم من أن نظام التبريد هذا فعال للغاية بالفعل، إلا أنه يشبه إلى حد ما مدرب قيادة حذر للغاية. فهو يبقي المحرك يعمل بسرعة دوران عالية (RPM) ويجعل مكيف الهواء يعمل بأقص القدر، فقط ليكون في أمان، حتى عندما تكون السيارة في حالة توقف عند إشارة حمراء. هذا يهدر الكثير من الكهرباء (والمال) كل عام.
هذه الورقة البحثية تتحدث عن تعليم نظام التبريد هذا كيف يكون أكثر ذكاءً، باستخدام "توأم رقمي" (نسخة افتراضية) مدعوم بالتعلم الآلي.
إليك قصة كيف فعلوا ذلك، مقسمة إلى ثلاث خطوات بسيطة:
الشخصيات الرئيسية
- الحاسوب الفائق (فرونتير): هو العامل المجهد الذي يستهلك الكهرباء للقيام بالعمليات الحسابية وينتج الحرارة.
- نظام التبريد: هو البطل الذي يزيل الحرارة، ويستخدم المضخات والمراوح والمياه.
- "التوأم الرقمي" (الذكاء الاصطناعي): هو برنامج حاسوبي ذكي يتعلم بالضبط كيف يجب أن يتصرف نظام التبريد بناءً على قوانين الفيزياء.
الخطوة 1: بناء "الطالب المثالي" (النموذج البديل)
أولاً، قام الباحثون بتعليم نموذج ذكاء اصطناعي باستخدام بيانات لمدة عام كامل من حاسوب "فرونتير" الفائق. لم يتركوا الذكاء الاصطناعي يخمن فحسب؛ بل أعطوه قواعد (فيزياء).
- التشبيه: تخيل أنك تعلم طالباً التنبؤ بكمية الوقود التي تستهلكها السيارة. أنت تقول للطالب: "إذا قدت بسرعة أكبر، ستستهلك وقوداً أكثر. إذا كنت تحمل حمولة ثقيلة، ستستهلك وقوداً أكثر". أنت لا تترك الطالب يخمن أن القيادة بسرعة أكبر تستهلك وقوداً أقل.
- ما فعلوه: قاموا بتدريب الذكاء الاصطناعي للتنبؤ بمقدار الكهرباء التي يجب أن يستهلكها نظام التبريد بناءً على مدى سخونة الحواسيب وسرعة تدفق المياه.
- النتيجة: أصبح الذكاء الاصطناعي "طالباً مثالياً". لقد تنبأ باستهلاك الطاقة بدقة شبه كاملة. إذا استخدم النظام الحقيقي 100 وحدة طاقة، فإن الذكاء الاصطناعي يقول: "كان يجب عليك استخدام 98 وحدة فقط".
الخطوة 2: إيجاد "الوقود المهدر" (المراقبة الزائدة)
الآن بعد أن أصبح لديهم "الطالب المثالي"، قارنوا بينه وبين النظام الحقيقي.
- التشبيه: تنظر إلى كمبيوتر الرحلة في سيارتك. يخبرك الكمبيوتر: "بناءً على سرعتك ووزنك، كان يجب أن تستهلك 10 جالونات من الوقود". لكن خزانك الفعلي يظهر أنك استهلكت 12 جالوناً. هذا الجزء الإضافي المتمثل في جالونين هو وقود مهدر.
- ما وجدوه: من خلال النظر في البيانات، وجدوا أن نظام تبريد "فرونتير" كان يهدر حوالي 85 ميجاوات ساعة من الطاقة على مدار العام.
- متى حدث ذلك؟ لم يكن الأمر عشوائياً. حدث الهدر غالباً في فصل الشتاء وفي أواخر الصيف، وأيضاً في ساعات الصباح الباكر عندما كانت الحواسيب تقوم بعمل أقل، ولكن نظام التبريد كان لا يزال يعمل بكامل سرعته (مثل ترك مكيف الهواء يعمل في منزل فارغ).
الخطوة 3: لعبة "ماذا لو" (تحسين السيناريوهات الافتراضية)
هذا هو الجزء الأكثر إثارة. سأل الباحثون: "ماذا لو قمنا بتعديل منظم الحرارة (الثرموستات) قليلاً فقط؟"
- التشبيه: تخيل أنك تقود سيارة ورأيت إشارة حمراء. أنت تعلم أنه كان بإمكانك إبطاء السرعة قبل 5 ثوانٍ بدلاً من الضغط على المكابح بقوة. لم تفعل ذلك، لكنك تعلم أنك كان بإمكانك توفير الوقود.
- حواجز الحماية (الضوابط): لم يكن بإمكانهم إخبار النظام بإيقاف تشغيل المكيف ببساطة. فقد وضعوا قواعد صارمة (حواجز حماية):
- "لا تدع الحواسيب تسخن كثيراً".
- "لا تغلق المضخات تماماً".
- "لا تغير الإعدادات بسرعة كبيرة، وإلا فقد يرتبك النظام".
- التجربة: أجروا محاكاة حيث سألوا الذكاء الاصطناعي: "إذا رفعنا درجة حرارة الماء بمقدار 0.2 درجة فقط أو أبطأنا تدفق الماء بنسبة 5%، فكم من الطاقة سنوفر؟"
- النتيجة:
- الحد الأقصى النظري: إذا تمكنوا من تغيير كل شيء بشكل مثالي، لكان بإمكانهم توفير حوالي 82 ميجاوات ساعة (استعادة 96% من الهدر).
- الادخار الواقعي "الآمن": عندما أضافوا ضوابط سلامة صارمة للتأكد من أن التغييرات آمنة حقاً وليست مجرد أخطاء برمجية، وجدوا أنه لا يزال بإمكانهم توفير حوالي 13 إلى 15 ميجاوات ساعة سنوياً.
لماذا هذا مهم؟
فكر في نظام التبريد كأنه لاعب يسير على حبل مشدود.
- قبل: كان اللاعب شديد الحذر، يبقى في منتصف الحبل، يتحرك ببطء شديد، ويستخدم الكثير من الطاقة للحفاظ على توازنه.
- بعد: أظهر لهم الذكاء الاصطناعي أنه يمكنهم اتخاذ خطوات صغيرة وآمنة بالقرب من الحافة (رفع درجة الحرارة قليلاً، إبطاء التدفق) دون السقوط.
الخلاصة:
حتى في منشأة تُعتبر بالفعل ذات كفاءة "عالمية"، لا يزال هناك طبقة خفية من الهدر. من خلال استخدام التعلم الآلي ليعمل كمدرب ذكي يراعي قوانين الفيزياء، وجدوا طريقة لتوفير الطاقة دون المخاطرة بسلامة الحاسوب الفائق. الأمر لا يتعلق بتغيير جذري وشامل، بل يتعلق بجعل آلاف التعديلات الصغيرة والذكية التي تتراكم لتشكل وفراً حقيقياً.
باخت الاختبار: لقد علموا نظام التبريد كيف يتوقف عن المبالغة في رد الفعل، مما وفر المال والطاقة مع الحفاظ على برودة وسعادة الحاسوب الفائق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.