Centra danych AI ustabilizują sieci energetyczne

fot. pixabay

Naukowcy i inżynierowie z Emerald AI, we współpracy z NVIDIA, Oracle, Salt River Project (SRP) i Electric Power Research Institute (EPRI), wprowadzili nowe, oparte na oprogramowaniu podejście do stabilizacji pracy sieci energetycznej, traktując centra danych jako elastyczne zasoby. To podejście, opisane w artykule opublikowanym w czasopiśmie Nature Energy, polega na dostosowywaniu zużycia energii przez centra danych AI w odpowiedzi na sygnały płynące z sieci energetycznej.

- Nasza praca powstała w kontekście zwiększającego się dystansu pomiędzy sieciami energetycznymi a gwałtownie rosnącym zapotrzebowaniem na energię w wielkoskalowych centrach danych AI - powiedziała Ayse Coskun, główna naukowiec w Emerald AI i współautorka artykułu - Zamiast polegać na nowej infrastrukturze sieciowej, nasza praca bada, jak same centra danych mogą funkcjonować jako elastyczne i świadome sieci obciążenia.

Głównym celem badania przeprowadzonego przez Coskun i jej współpracowników było wykazanie, że systemy AI oparte na procesorach graficznych mogą stać się elastycznymi zasobami sieciowymi, umożliwiając efektywne wykorzystanie dostępnej energii bez naruszania umów o wydajności centrów danych. Aby przetestować tę koncepcję, naukowcy wykorzystali Emerald Conductor, platformę sterowania oprogramowaniem opracowaną w Emerald AI.

- Ta platforma w sposób inteligentny dostosowuje zużycie energii w centrach danych w odpowiedzi na sygnały płynące z sieci, jednocześnie spełniając wymagania dotyczące wydajności aplikacji i umów o poziomie usług - wyjaśniłła Coskun - Analizując kompromisy między mocą a wydajnością w ramach różnych obciążeń AI, system selektywnie modyfikuje zadania, które tolerują niewielkie korekty, na przykład zmniejszając moc podatnych zadań, które radzą sobie z niewielkimi spowolnieniami.

W ramach testów zespół zademonstrował proponowane podejście na rzeczywistym klastrze 256 procesorów graficznych obsługujących algorytmy AI, który zlokalizowano w centrum danych w Phoenix. Wyniki były bardzo obiecujące, ponieważ nowa strategia znacząco zmniejszyła zużycie energii w okresach szczytowego zapotrzebowania. W szczególności odnotowano redukcję zużycia energii o 25% w ciągu 3 godzin, w których sieć energetyczna była pod znacznym obciążeniem. Wszystko to osiągnięto przy minimalnym wpływie na użytkowników, co zasadniczo oznacza, że ​​systemy AI zachowały dobrą wydajność i mogły wykonywać zadania zarówno poprawnie, jak i na czas.

Coskun i jej współpracownicy jako pierwsi zademonstrowali potencjał wykorzystania centrów danych AI do stabilizacji sieci energetycznych w rzeczywistych warunkach. Ich praca pokazuje, że inteligentne i elastyczne planowanie zadań AI w odpowiedzi na sygnały sieciowe może zmniejszyć zużycie energii w okresach szczytowego poboru mocy, przy jednoczesnym zachowaniu jakości usług i platform opartych na AI.

W przyszłości badanie może zainspirować stworzenie nowych strategii wykorzystujących możliwości AI do lepszego zarządzania zasobami energetycznymi. Tymczasem naukowcy pracują nad udoskonaleniem swojego podejścia i testują je w innych centrach danych, mając na celu wdrożenie go na dużą skalę.

(rr)