Co-Design Optimization for Data Center Cooling System via Digital Twin
本文提出了一种基于 Frontier exascale 超级计算机数字孪生的三层协同设计优化框架，用于确定最优冷却剂分配单元配置与流动策略，结果表明动态流量比例优化能够在现有硬件上实现近乎最优的节能效果，同时显著降低设计敏感性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一台名为Frontier的巨型超级计算机。它强大到被称为“艾级”（exascale）机器，意味着它在一秒钟内完成的计算量，超过了地球上所有海滩上的沙粒总数。但有一个问题：如此巨大的功率会产生海量热量。如果不加以冷却，它就会熔化。
为了防止 Frontier 过热烧毁，工程师们使用了一套巨型液体冷却系统。可以将这套系统想象成一个巨型水上乐园，拥有多条滑道（称为“子回路”）。水流顺着这些滑道流下，从计算机芯片上吸收热量，然后流向一个巨型风扇（冷却塔）进行降温，之后再循环回来。
问题在于，Frontier 拥有 25 个特定的冷却单元（称为 CDU），它们充当这些滑道的水泵。工程师们必须解决两个重大问题：
- 我们应该设置多少条滑道？（是将 25 个水泵分成 2 条大滑道、3 条中等滑道，还是 6 条小滑道？）
- 每条滑道应该流多少水？（是让每条滑道获得相同的水量，还是让繁忙的滑道获得更多水量？）
“数字孪生”实验
研究人员不想为了测试各种想法而拆解真实的计算机。相反，他们在计算机内部构建了 Frontier 冷却系统的完美数字克隆（即“数字孪生”）。这个克隆体极其精准，能够模拟真实机器的物理特性，精确到秒。
他们利用真实计算机一整年的运行数据，进行了大规模模拟。他们测试了所有可能的方式来排列这 25 个水泵。共有 611 种不同的分组方式。对于每种分组，他们还测试了不同的水流和温度控制方式。
重大发现
1. 滑道少一点可能更好
你可能会认为滑道越多冷却效果越好，但研究结果却恰恰相反。最高效的方案实际上是将 25 个水泵仅分成两个大组（一组 19 个，另一组 6 个）。
- 结果： 与之前的运行方式相比，这种双滑道设置节省了约**35.5%**的冷却能耗。
- 现实核查： Frontier 目前的设置使用了三个组（14 个、6 个和 5 个水泵）。研究发现，当前的三滑道设置与完美的双滑道设置几乎一样好（效率仅低 0.18%）。
2. “流量分配”的魔法技巧
这是最令人惊讶的部分。研究人员发现，水泵的排列方式并没有你想象的那么重要，只要你在水流控制上足够聪明。
想象你有一个送货司机团队。
- 旧方法： 你根据每个社区有多少栋房子来分配司机。如果 A 社区有 14 栋房子，B 社区有 6 栋，你就派 14 名司机去 A，6 名去 B。无论发生什么，你每天都这样做。
- 新方法（论文的解决方案）： 你仍然将司机分配到各个社区，但你告诉他们：“如果 A 社区正在举办派对，此刻需要更多送货，就派更多司机去那里。如果 B 社区很安静，就少派一些。”
研究表明，如果你能动态调整水流（向更热的滑道输送更多水，向较冷的滑道输送较少水），那么无论水泵的排列是“完美”的还是“混乱”的，都无关紧要。智能的流量控制可以修正排列中的任何失误。
3. 决策的层级
该论文将决策按重要性排序，就像一个金字塔：
- 顶层（最重要）： 你如何控制系统。 更改软件以优化流量和温度，能节省最多的能源（比仅仅减慢水泵速度多节省约 12%）。
- 中层： 你有多少条滑道。 从 3 条滑道改为 2 条滑道能节省一点点额外的能源，但并不多。
- 底层（最不重要）： 具体哪些水泵在哪些滑道上。 一旦拥有了智能流量控制，水泵的具体排列对能源账单的影响微乎其微。
对 Frontier 的结论
研究人员得出结论，Frontier 的运营人员不应该试图拆掉整个冷却回路，将滑道从 3 条改为 2 条。为了微小的节能收益，这样做成本太高，且会导致过多的停机时间。
相反，最好的举措是进行软件更新。只需对现有水泵进行编程，使其动态调整水流（将更多水送往热点，较少水送往冷点），他们就能在不购买任何新部件的情况下节省大量能源。
简而言之： 你不需要重建水上乐园就能让它变得高效。你只需要聘请一位更聪明的经理，知道如何在实时中引导水流。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。