人工智能程序DeepMind將Google數(shù)據(jù)中心冷卻電力利用率提高了40%

責(zé)任編輯:jackye

作者: Dylan Raithel

2016-08-09 09:13:25

摘自:INFOQ

總的來說,DeepMind和數(shù)據(jù)中心工程師們已經(jīng)將控制系統(tǒng)的PUE提升了40%,這套控制程序已經(jīng)讓他們達(dá)到了數(shù)據(jù)中心有史以來的最佳PUE狀態(tài)。

Alphabet的DeepMind部門報告說他們把Google數(shù)據(jù)中心總體電力利用效率(Power Usage Efficiency, PUE)又提升了15%,這要歸功于新部署的一套管理數(shù)據(jù)中心控制系統(tǒng)的人工智能程序,它和之前的一套被訓(xùn)練用來玩Atari游戲的程序很相像。總的來說,DeepMind和數(shù)據(jù)中心工程師們已經(jīng)將控制系統(tǒng)的PUE提升了40%,這套控制程序已經(jīng)讓他們達(dá)到了數(shù)據(jù)中心有史以來的最佳PUE狀態(tài)。

Demis Hassabis說這不只是節(jié)約支出,還減少了數(shù)據(jù)中心對環(huán)境的影響。根據(jù)Google Green的數(shù)字,Google在2014年消耗了4,402,836 MWh電量,相當(dāng)于366,903個美國家庭的用電量。他們還提供了一個活躍的Google用戶的碳足跡計算,具體是這樣定義的:

對于一個每天做25次搜索、看60分鐘YouTube視頻、有一個Gmail賬號還用一些其他服務(wù)的用戶來說,Google每天要排放8克二氧化碳來為他提供服務(wù)。換句話說,每個月服務(wù)一個用戶的碳排放量相當(dāng)于開一英里汽車。

根據(jù)原始報告,幾年下來節(jié)約的支出就可以達(dá)到幾億美元,與收購DeepMind的費用4億英榜(6億美元)相比,即使不夠全部,起碼也可以抵上大部分了。而且還可以有效地減少數(shù)據(jù)中心的每用戶碳排放量。關(guān)于這套程序是如何實現(xiàn)這樣的效率提升的,DeepMind研究工程師Rich Evans和Google數(shù)據(jù)中心工程師Jim Gao說:

他們通過數(shù)據(jù)中心內(nèi)的幾千個傳感器去收集溫度、電量、耗電率、設(shè)定值等各種數(shù)據(jù),再把這些數(shù)據(jù)不斷的保存下來,用于訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的集合,然后再訓(xùn)練關(guān)注未來平均PUE的神經(jīng)網(wǎng)絡(luò)。他們把未來平均PUE定義成建筑物總耗電量與IT總耗電量的比例。接下來再訓(xùn)練另兩個深度神經(jīng)網(wǎng)絡(luò)集合,分別用于預(yù)測數(shù)據(jù)中心未來的溫度和下一小時的壓力。訓(xùn)練這些預(yù)測的目的是模擬PUE模型的推薦行為,來保證我們不會超出可操作范圍限制。

在過去,每個數(shù)據(jù)中心都有一些獨有的特征,如氣候、天氣、每個中心的建筑結(jié)構(gòu)、每天和不同系統(tǒng)的相互作用情況等,這些使建立一個通用公式優(yōu)化PUE成了一件不可能的事。但有了深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)方法,就再也不需要唯一的公式了,因為程序會用一種玩游戲的方式工作:把傳感器送進(jìn)去的值和參考值做輸入,再得到理想的輸出。工程師們演示了把程序開啟或者關(guān)閉的情況下,數(shù)據(jù)中心的PUE會受到怎樣的影響。Hassabis說他們已經(jīng)知道了在他們的數(shù)據(jù)中心里哪里還做得不足,他們準(zhǔn)備多部署一些傳感器來進(jìn)一步提高利用率。

根據(jù)DeepMind的報告,相似的技術(shù)也可能被用于提高地球的能量轉(zhuǎn)化效率,減少半導(dǎo)體生產(chǎn)和水消耗,或者幫助生產(chǎn)企業(yè)提高生產(chǎn)率。

閱讀英文原文:DeepMind AI Program Increases Google Data Center Cooling Power Usage Efficiency by 40%

鏈接已復(fù)制,快去分享吧

企業(yè)網(wǎng)版權(quán)所有?2010-2024 京ICP備09108050號-6京公網(wǎng)安備 11010502049343號