⚡ electrical engineering

Data Center Life Cycle Co-Design Optimization

本文提出了一种整合运行能耗、隐含碳和可靠性模型的协同设计优化框架，用于确定液冷超级计算机的最佳冷却子回路数量，并证明将 Frontier 超级计算机的配置从四个子回路减少到两个，能在保持运行可靠性的同时，显著降低全生命周期成本和碳排放。

原作者： Shrenik Jadhav, Vidhyashree Nagaraju, Zheng Liu

发布于 2026-06-16

📖 1 分钟阅读☕ 轻松阅读

原作者： Shrenik Jadhav, Vidhyashree Nagaraju, Zheng Liu

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

想象一下，像 Frontier 这样的超级计算机就像一台高性能赛车引擎。为了防止它过热熔化，它需要一个庞大的冷却系统，通过管道泵送液体，就像汽车的散热器系统一样。

多年来，工程师们一直根据传统和供应商的习惯来建造这些冷却系统，而不是基于对实际最优解的深度数学计算。他们通常会建造四个独立的回路（就像四个独立的散热器电路）来泵送冷却液。

这篇论文提出了一个简单但强有力的问题：“四个回路真的是最好的数量吗？还是我们可以做得更好，用更少的回路？”

作者们不仅观察了机器运行时消耗了多少电量（运行能耗），还观察了机器的整个生命周期——从制造管道所需的钢材和铜矿开采开始，直到机器关闭之日。他们称之为“生命周期协同设计”（Life Cycle Co-Design）。

以下是使用简单类比对他们研究结果的拆解：

1. “隐含碳”与“运行成本”的博弈

把建造冷却系统想象成盖房子。

隐含碳（Embodied Carbon）： 这是建造房子所需的砖块、木材和钉子的“碳足迹”。在本研究中，它是开采用于制造管道的钢材和铜所排放的碳。
运行成本（Operational Cost）： 这是你每月为了维持空调运转而支付的电费。

令人惊讶的发现： 作者发现，对于像 Frontier 这样规模的超级计算机，“建造成本”（隐含碳）比“电费”（运行能耗）重要得多。

当你增加回路数量（从 2 个增加到 4 个）时，你需要更多的管道、更多的泵和更多的阀门。这在起步阶段就增加了大量的“隐含碳”。虽然拥有更多回路可能通过提供更多的灵活性来节省一点点电量，但研究发现，一个聪明的计算机算法（“优化器”）仅用 两个回路 就能榨取出几乎所有的效率。

因此，增加第 3 和第 4 个回路，就像买了一辆更重、更大的卡车来运送同样数量的杂货。你为卡车付出了更高的代价（隐含碳），但在节省油耗（运行能耗）方面并没有获得足够的补偿，因此并不划算。

2. “金发姑娘”式的完美结果（不多不少，刚刚好）

研究人员测试了将 25 个冷却单元拆分为 2、3、4、5 或 6 个回路的所有可能方式。

获胜者： 两个回路（具体为一个包含 14 个单元的回路和一个包含 11 个单元的回路）。
失败者（当前设计）： 实际的 Frontier 超级计算机是按 四个回路 建造的。

节省的成本： 通过从内置的 4 回路切换到最优的 2 回路，该设施可以节省：

50.2 吨二氧化碳（大约相当于 8 头大象的重量）。
10 万美元（分 7 年计算）。

这虽然不是一笔巨额财富，但在超级计算机领域，在不改变计算机运行方式的前提下节省资金和碳排放，是一个巨大的胜利。

3. “可靠性”的陷阱（安全网）

你可能会问：“如果 2 个回路既便宜又环保，为什么他们要造 4 个？”

答案是可靠性（安全性）。

想象一座有 4 条车道的桥。如果一条车道塌陷了，你仍有 3 条车道可以通行。
如果你只有 2 条车道，其中一条塌陷了，你就有 50% 的概率被困住。

研究发现，虽然 2 个回路 在金钱和碳排放方面表现最佳，但 4 个回路 在安全性方面更好。如果 2 回路系统中一个泵坏了，整个系统都会面临风险。而在 4 回路系统中，备用泵可以轻松接管。

作者建议用一种新的方式来思考这个问题：不要把安全性视为一个可以权衡（Trade-off）的“加分项”。 相反，要将其视为一个硬性规则。

如果你的规则是“我们必须具备 Tier IV 安全等级（极高可靠性）”，那么 4 个回路 才是正确答案。
如果你的规则是“我们可以承受一定的风险”，那么 2 个回路 是赢家。

论文指出，Frontier 目前的 4 回路设计并不是“错误”的；它只是遵循严格安全规则的结果。但如果你正在建造一个新系统，且你的安全规则允许这样做，那么你应该使用 2 个回路。

4. 为其他超级计算机提供的“决策图”

作者们不仅仅解决了 Frontier 的问题。他们创建了一张图（决策规则），供其他工程师使用。

Frontier & El Capitan： 中等流量 -> 2 个回路 是最佳选择。
Aurora： 巨大流量（两倍大） -> 4 个回路 是最佳选择（因为如果尝试用更少的回路，管道会变得太长且太重）。
LUMI： 小流量 -> 1 个回路 是最佳选择（因为它规模很小，甚至不需要第二个回路）。

总结

这篇论文就像一名技师在告诉你：“你一直在用四个独立的管道来建造超级计算机的冷却系统，因为一直以来都是这么做的。但如果你观察金属和电力的总成本，两个管道其实是最完美的平衡点。”

然而，如果你的老板说：“我需要一个永不失效的安全网，”那么你就坚持使用四个管道。这篇论文的主要任务是向工程师展示那条界限究竟在哪里，这样他们既不会在不必要的管道上浪费金钱和碳排放，也不会在安全性上掉以轻心。

技术摘要：数据中心全生命周期协同设计优化

问题陈述

针对超大规模超级计算机（如橡树岭国家实验室的 Frontier 系统）的冷却基础设施设计，传统上依赖于建设期间确定的固定拓扑决策，特别是并行冷却子回路（ $K$ ）的数量以及冷却分配单元（CDU）对这些回路的分配方式。虽然先前的研究侧重于优化固定拓扑结构内的运行控制（例如流量和温度），但这些研究往往忽略了设施生命周期中的制造和建设阶段。

随着电网脱碳，“隐含碳”（材料和建设过程中的排放）相对于设施总生命周期排放的重要性日益增加，其占比可能达到 38% 至 69%。当前超大规模系统的配置（例如 Frontier 的 $K=4$ ，Aurora 的 $K \approx 10$ ）似乎反映的是惯例和供应商实践，而非系统性的优化。目前缺乏发表的研究来系统地枚举可行的子回路配置，并根据运行能耗和隐含碳对其进行评估，进而确定联合最优解。此外，针对这些拓扑选择，成本、碳排放与系统可靠性（停机时间）之间的权衡尚未得到全面分析。

方法论

作者提出了一个三层生命周期协同设计优化框架，该框架整合了运行能耗、隐含碳、资本成本和可靠性。该框架应用于 Frontier 超级计算机，评估了将其 25 个 CDU 分配到 $K$ 个子回路中的所有 611 种整数划分情况，其中 $K \in \{2, 3, 4, 5, 6\}$ 。

框架组成部分

输入数据： 模型利用 2023 年的运行数据（49,353 个十分钟间隔）、水力配置、来自碳与能源清单（ICE）数据库和制造商环境产品声明（EPD）的隐含碳因子，以及预测的田纳西河谷管理局（TVA）电网强度轨迹。
物理模型：
- 热力水力模型： 使用 $\varepsilon$ -NTU 法计算热交换，并根据 ASHRAE 标准对管道进行尺寸设计。
- 设备选型模型： 确定在峰值负荷下所需的泵、变频器（VFD）、换热器和集管尺寸。
- 可靠性模型： 根据 IEEE Std 493 组件可靠性（MTBF/MTTR）估算非计划停机时间，并将子回路数量映射到 Uptime Institute 分级可用性目标。
优化层：
- 第一层： 枚举所有 611 种划分。
- 第二层： 执行经过验证的序列最小二乘规划（SLSQP）优化器，以确定每个时间步长下每个划分的最优流量分配比例和供水温度，旨在最小化泵和风扇功率。
- 第三层： 将运行能耗与隐含碳和可靠性指标相结合，计算 7 年周期内的生命周期成本（LCC）、生命周期碳排放量（ $CO_2e$ ）和预期停机时间。

解析泛化

为了将研究结果推广到 Frontier 之外，作者推导出了一个半解析决策规则（公式 2），该规则可以根据总峰值流量（ $Q$ ）和压降预算（ $N_{CDU} \times L_{drop}$ ）来预测最优的 $K^*$ 。该规则平衡了运行效率损失与隐含碳成本（特别是管道）。

核心贡献

集成框架： 开发了一个三层框架，将运行控制、隐含碳和可靠性统一到冷却装置拓扑结构的单一生命周期目标中。
确定最优配置： 确定 Frontier 冷却装置的生命周期成本和碳排放最优配置为 $K=2$ ，划分方式为 (14, 11)。该配置在七年内可产生 3,320.7 吨 $CO_2e$ 和 399 万美元的净现值（NPV）。
半解析决策规则： 创建了一个可移植的决策图，可根据流量和压降预算参数预测其他超大规模系统的最优子回路数量。
帕累托分析： 进行了一项三目标分析（成本、碳、停机时间），证明将可靠性视为硬约束（由运营政策设定）而非软目标，会显著改变设计空间，使帕累托前沿从单个点扩展为“阶梯式”前沿。

结果

最优配置 vs. 既定设计

研究发现，Frontier 的既定设计配置（ $K=4$ ，划分 7-6-6-6）不如 $K=2$ 配置（14-11）优越。

碳减排： 减少了 50.2 吨 $CO_2e$ （降幅 1.5%）。
成本节约： 净现值（NPV）增加了 100,000 美元（增幅 2.5%）。
驱动因素： 这种节省几乎完全由隐含碳驱动，特别是通过减少更少回路所需的初级管道长度。运行能耗的节省微乎其微，因为 SLSQP 优化器即使在 $K=2$ 时也已提取了几乎所有可用的效率增益。

敏感性与鲁棒性

$K=2$ （14, 11）的最优配置针对 15 种敏感性场景进行了测试，涉及运行周期（5–10 年）、电网轨迹（乐观至悲观）、折现率、材料成本和隐含碳因子的变化。

$K=2$ (14, 11) 划分在所有 15 种场景中均保持在帕累托前沿上。
尽管参数不确定性会导致节省幅度发生波动，但最优配置的身份并未改变。

对其他系统的泛化

应用决策规则于其他系统，得出了不同的预测：

Aurora： 预测最优 $K^* = 4$ （由于高峰值流量需要更多回路来管理泵容量，而不至于产生过高的管道成本）。
El Capitan： 预测最优 $K^* = 2$ （具有与 Frontier 相似的流量/压降剖面）。
LUMI： 预测最优 $K^* = 1$ （低流量和低压降预算使得增加第二个回路的隐含碳惩罚是不合理的）。

可靠性与帕累托前沿

当可靠性被视为硬约束时：

对于 Frontier， $K=2$ 的方案提供了最低的成本/碳排放，但面临每年约 22 小时的停机时间（Tier II）。
为了满足 Tier IV 可用性（0.4 小时停机时间），设计必须转向 $K=4$ 。
研究认为，部署的 $K=4$ 配置是一致的受限最优解（满足 Tier IV 要求），而非设计缺陷。

意义与主张

本文声称，传统的假设——即更多的子回路会带来更好的运行效率——在控制策略（如 SLSQP）已经可以最大化低回路数效率的系统中，在结构上是错误的。增加回路带来的边际收益会被额外的泵、驱动器和管道的隐含碳及资本成本所抵消。

该研究的主要意义在于设计优先级的逆转：对于清洁或正在脱碳的电网，减少回路数量以最小化隐含碳变得比寻求边际运行增益更为关键。作者认为，其发现不仅是对 Frontier 的数值优化，更是对更广泛的 HPC 设施设计领域的纠偏性框架。他们主张将可用性等级作为由运营政策设定的硬约束，在此约束范围内进行划分优化，以最小化生命周期成本和碳排放。

研究结论指出，对于规划多个超大规模建设的项目，在建设前确定最优配置可以获得显著的累积收益，并且所提出的决策图为其他植物设计师提供了一个可移植的工具，使其能够根据特定的系统参数应用这些原则。