Быстрое развитие и широкое распространение систем искусственного интеллекта (ИИ) создают новые проблемы для потребления электроэнергии. Это связано с тем, что большинство систем ИИ зависят от центров обработки данных — объектов, размещающих множество вычислительных серверов, которые хранят и обрабатывают большие объемы данных.
Центры обработки данных потребляют значительные объемы электроэнергии, что затрудняет для поставщиков обеспечение доступного и стабильного энергоснабжения в окружающих географических регионах.
Большинство предлагаемых решений для удовлетворения растущего спроса на энергию основаны на создании новой инфраструктуры или дополнительных систем хранения энергии, которые часто являются дорогостоящими и сложными в быстром развертывании в больших масштабах.
Исследователи и инженеры из Emerald AI в сотрудничестве с NVIDIA Corporation, Oracle, Salt River Project (SRP) и Electric Power Research Institute (EPRI) недавно представили новый программный подход к стабилизации энергосистемы, рассматривая центры обработки данных как ценные «гибкие» ресурсы.
Этот подход, описанный в статье в журнале Nature Energy , предполагает корректировку энергопотребления центров обработки данных, использующих ИИ, в ответ на сигналы энергосистемы.
«Наша статья была мотивирована растущим напряжением между электроэнергетической сетью и быстро растущими потребностями в электроэнергии крупных центров обработки данных для ИИ, которые теперь сталкиваются с многолетними задержками в подключении к сети», — сказала Айше Кошкун, главный научный сотрудник Emerald AI и соавтор статьи.
«Вместо того чтобы полагаться на новую сетевую инфраструктуру, такую как дополнительные источники энергии или линии электропередачи, для расширения мощностей ИИ, наша работа исследует, как сами центры обработки данных могут функционировать как гибкие, учитывающие потребности сети потребители».
Регулировка энергопотребления в ответ на сигналы сети Основная цель недавнего исследования Коскун и ее коллег заключалась в демонстрации того, что системы искусственного интеллекта, работающие на графических процессорах, могут стать гибкими ресурсами энергосети, позволяющими эффективно использовать доступную энергию без ущерба для соглашений о производительности центров обработки данных.
Для проверки этой идеи исследователи использовали Emerald Conductor, программную платформу управления, разработанную в Emerald AI.
«Эта система интеллектуально регулирует энергопотребление центров обработки данных в ответ на сигналы сети, при этом обеспечивая соответствие производительности приложений и соглашениям об уровне обслуживания (SLA)», — пояснил Коскун.
«Анализируя компромиссы между энергопотреблением и производительностью в различных рабочих нагрузках ИИ, система избирательно регулирует задачи, которые могут выдерживать небольшие изменения; например, снижая энергопотребление «гибких» задач, которые могут справляться с незначительным замедлением».
В рамках своего недавнего исследования команда продемонстрировала предложенный подход на реальном кластере из 256 графических процессоров, работающих с алгоритмами искусственного интеллекта, расположенном в центре обработки данных в Финиксе.
Результаты оказались весьма многообещающими, поскольку предложенная стратегия значительно снизила энергопотребление в периоды пиковой нагрузки на электросети.
В частности, они сообщили о снижении потребления электроэнергии на 25% за 3-часовой период, в течение которого энергосеть испытывала значительную нагрузку.
Все это было достигнуто с минимальным воздействием на пользователей, что, по сути, означает, что системы искусственного интеллекта сохранили хорошую производительность и смогли выполнять задачи корректно и в срок.
Повышение устойчивости при одновременной поддержке развития искусственного интеллекта Коскун и ее коллеги первыми продемонстрировали потенциал использования центров обработки данных с искусственным интеллектом для стабилизации энергосетей в реальных условиях.
Их работа показывает, что интеллектуальное и гибкое планирование задач ИИ в ответ на сигналы сети может снизить потребление электроэнергии в часы пиковой нагрузки, сохраняя при этом качество услуг и платформ на основе ИИ.
«Наша работа переводит концепцию управления спросом в центрах обработки данных из области моделирования и мелкомасштабных прототипов в реальную практическую деятельность», — сказал Коскун.
«На практике это создает условия для более быстрого подключения центров обработки данных, использующих искусственный интеллект, к электросети, более эффективного использования существующих мощностей и активной поддержки надежности сети».
В будущем это недавнее исследование может вдохновить на разработку дополнительных стратегий, использующих возможности ИИ для более эффективного управления энергетическими ресурсами.
Тем временем исследователи работают над усовершенствованием своего подхода и тестируют его в других центрах обработки данных с целью в конечном итоге внедрить его в больших масштабах.
«Мы расширяем эту работу за счет последующих демонстраций и внедрений, более глубокой интеграции с платформами GPU и постоянного сотрудничества с представителями отрасли и энергосистемы», — добавил Коскун.
«В настоящее время мы работаем с такими партнерами, как Oracle, NVIDIA, энергетические компании, ISO и программой DCFlex EPRI, чтобы проверить и масштабировать эти возможности в реальных условиях энергосистемы.
В долгосрочной перспективе мы изучаем возможность скоординированной работы с учетом энергосистемы в нескольких реальных центрах обработки данных».
Рубрика: Технологии. Читать весь текст на android-robot.com.