Google DeepMind постигна 40% намаление на енергията за охлаждане в реален работещ център за данни през 2016 г., което доведе до 15% подобрение в общата енергийна ефективност (PUE показателя). При последващо по-широко внедряване в няколко съоръжения компанията отчита устойчив среден резултат от около 30% спестена енергия.
Климатикът, който никой не може да следи ръчно
Центърът за данни е сграда, пълна с хиляди сървъри, които непрекъснато отделят топлина. Ако температурата се покачи твърде много, оборудването се поврежда или спира автоматично, за да се предпази. Затова всяко съоръжение разполага с масивна охладителна система, включваща помпи, чилъри и охладителни кули, които работят денонощно за поддържане на стабилна температура.
Сложността на задачата обаче е огромна. Температурата зависи едновременно от товара на сървърите, външните атмосферни условия, влажността на въздуха и множество вътрешни фактори, които се променят непрекъснато в реално време. Инженер може да настрои системата по общи правила, но не може ръчно да изчислява оптималната комбинация от настройки за всяка отделна секунда от денонощието.
В резултат охладителните системи традиционно се настройват прекалено консервативно. Подава се повече студен въздух от необходимото, само за да се избегне риск от прегряване. Това води до пропиляна енергия и излишни разходи.
Решението предвижда бъдещето, вместо да реагира на настоящето
Google DeepMind реши проблема с различен подход. Вместо система, която реагира на вече променената температура, инженерите обучиха невронна мрежа върху исторически данни от хиляди сензорни точки в самия център за данни. Те анализираха показатели за температура, налягане, скорост на помпите и натоварване на сървърите. Моделът се научи да предвижда каква ще бъде температурата през следващия час, а не просто каква е в момента.
С тази прогноза системата коригира охлаждането предварително. Тя подава студен въздух малко преди той да стане необходим, вместо да чака температурата реално да се покачи и да реагира със закъснение. Именно тази изпреварваща логика представлява технологичното ядро на решението.
Резултатите и еволюцията на технологията
| Етап на внедряване | Измерен резултат |
| Първи тест в реален център (2016 г.) | 40% по-малко енергия за охлаждане | 15% подобрение на PUE |
| Масово внедряване в няколко центъра | Устойчив среден резултат от около 30% спестена енергия |
| Точност на предвиждане на PUE | Грешка от едва 0.4% при референтна стойност около 1.1 |
Честният анализ изисква да се отбележат и критичните прегледи на първоначалния резултат. През 2018 г. изследователи посочиха, че първото проучване не е минало през пълноценен независим научен преглед, а точното възпроизвеждане на резултата в друга среда е трудно поради специфичните условия на конкретния тест.
Именно затова по-късните версии на системата, постигащи по-скромния, но устойчиво повторен резултат от около 30%, се смятат от индустрията за по-надежден показател за дългосрочния ефект.
Логиката зад по-ниската сметка за ток
Последователността зад това спестяване е напълно логична. Хиляди сензори събират данни в реално време, а невронната мрежа се учи от историята на тези показатели. Моделът прогнозира температурата с минимална грешка. Така системата коригира охлаждането предварително, а не със закъснение. Подаването на излишен студен въздух като застраховка отпада, което води до по-ниска сметка за електричество без риск от прегряване.
Ключовият елемент тук е изпреварването. Класическата система реагира на промяната, след като тя вече е факт. Закъснението принуждава инженерите да компенсират с прекомерно охлаждане. Модел, способен да предвиди промяната предварително, премахва нуждата от тази скъпа застраховка.
Границите на подхода
Честният анализ признава и практическите ограничения. Технологията изисква голям обем исторически сензорни данни за подготовка на надежден модел. По-малките центрове за данни просто не разполагат с подобен ресурс. Google въведе и допълнителен принцип за сигурност, при който системата предлага препоръка, вместо да поема пълен автономен контрол без регулация, като инженерът запазва възможността да я отмени при извънредни условия.
Новият стандарт за центровете за данни
Предизвикателството се изразяваше в скъпа и постоянна поддръжка на климатична система, настроена прекалено консервативно поради липсата на точна прогноза. Решението дойде от модел, способен да гледа един час напред във времето. Дори при устойчивия резултат от 30% спестена енергия, в мащаба на глобална мрежа от изчислителни съоръжения това означава милиони спестени евро всяка година, без нито един сървър да е изложен на допълнителен риск.