DeepMind AI将谷歌数据中心冷却费减少40%

时间:2019-03-10 14:19:50 阅读:68次
DeepMind AI将谷歌数据中心冷却费减少40%

  从智能手机助手到图像识别和翻译,机器学习已经帮助我们日常生活。但它也可以帮助我们解决一些世界上最具挑战性的物理问题 - 例如能源消耗。像数据中心这样的大规模商业和工业系统消耗了大量能源,虽然已经做了很多工作来阻止能源使用的增长,但鉴于全世界对计算能力的需求不断增加,还有很多工作要做。

  在过去十年中,减少能源使用一直是我们的主要关注点:我们在谷歌建立了自己的超高效服务器,发明了更有效的方式来冷却我们的数据中心并大力投资绿色能源,通过可再生能源100%供电的目标。与五年前相比,我们现在可以从相同的能量中获得3.5倍的计算能力,并且我们每年都会继续进行许多改进。

  然而,重大突破很少 - 这就是为什么我们很高兴通过将DeepMind的机器学习应用于我们自己的Google数据中心来分享这一点,我们已设法减少用于冷却的能源量高达40%。在任何大规模的能源消耗环境中,这都将是一个巨大的进步。鉴于Google的数据中心已经非常复杂,这是一个非凡的进步。

  这对谷歌的数据中心具有重要意义,因为它有可能大大提高能效并减少整体排放。这也将有助于其他在Google云端运行的公司提高自身的能源效率。虽然谷歌只是世界上许多数据中心运营商之一,但许多运营商并不像我们那样使用可再生能源。数据中心效率的每一次提高都会降低我们环境中的总排放量,并且通过DeepMind等技术,我们可以利用机器学习来消耗更少的能源,并帮助解决所有气候变化的最大挑战之一。

  数据中心环境中能源使用的主要来源之一是制冷。正如您的笔记本电脑产生大量热量一样,我们的数据中心 - 包含为Google搜索,Gmail,YouTube等提供支持的服务器 - 也会产生大量热量,必须将其移除以保持服务器正常运行。这种冷却通常通过大型工业设备完成,例如泵,冷却器和冷却塔。但是,像数据中心这样的动态环境很难以最佳方式运行,原因如下:

设备,我们如何操作设备以及环境以复杂的非线性方式相互作用。传统的基于公式的工程和人类直觉通常无法捕捉这些相互作用。

系统无法快速适应内部或外部变化(如天气)。这是因为我们无法为每种操作方案提出规则和启发式方法。

每个数据中心都有独特的架构和环境。一个系统的自定义调整模型可能不适用于另一个系统。因此,需要一个通用的智能框架来理解数据中心的交互。

  为了解决这个问题,我们在两年前开始应用机器学习来更有效地运行我们的数据中心。在过去的几个月里,DeepMind的研究人员开始与Google的数据中心团队合作,以显着提高系统的实用性。使用在我们的数据中心内针对不同操作场景和参数进行训练的神经网络系统,我们创建了一个更有效和自适应的框架来理解数据中心动态并优化效率。

  我们通过获取数据中心内数千个传感器已经收集的历史数据 - 温度,功率,泵速,设定点等数据 - 并使用它来训练一个集合来实现这一目标。深度神经网络。由于我们的目标是提高数据中心的能源效率,我们根据平均未来PUE(电力使用效率)对神经网络进行了培训,PUE定义为总建筑能耗与IT能耗的比率。然后我们训练了两个额外的深度神经网络集合来预测未来一小时数据中心的未来温度和压力。这些预测的目的是模拟PUE模型中的建议操作,以确保我们不会超出任何操作约束。

  我们通过在实时数据中心上部署来测试我们的模型。下图显示了典型的测试日,包括我们何时开启机器学习建议以及何时关闭它们。

全屏 fullscreen_mobile

  我们的机器学习系统能够始终如一地将冷却能耗降低40%,相当于整体PUE开销降低15%在考虑了电气损耗和其他非冷却效率低下之后。它也产生了该网站有史以来最低的PUE。

  由于该算法是理解复杂动态的通用框架,因此我们计划在未来几个月将其应用于数据中心环境中的其他挑战。该技术的可能应用包括提高发电厂转换效率(从相同的输入单元获取更多能量),减少半导体制造能源和水的使用,或帮助制造工厂提高产量。

  我们计划更广泛地推出该系统,并将在即将发布的出版物中分享我们如何做到这一点,以便其他数据中心和工业系统运营商 - 以及最终的环境 - 可以从这一重大进步中受益。

DeepMind AI将谷歌数据中心冷却费减少40%所属专题:AI 《DeepMind AI将谷歌数据中心冷却费减少40%》链接:http://www.cnnaili.cn/1157

DeepMind AI将谷歌数据中心冷却费减少40%相关文章

  • DeepMind和Blizzard将星际争霸II作为AI研究环境发布
  • 我们与学术界合作推进人工智能领域
  • AI和神经科学:一个良性循环
  • DeepMind和Blizzard将星际争霸II作为人工智能研究环境开放
  • 在简单环境中指定AI安全问题
  • 为什么Streams还没有使用AI?
  • 安全第一AI用于自动数据中心冷却和工业控制
  • AI在帮助计划头部和头部患者治疗中的有希望的作用。颈癌
  • AlphaFold:使用AI进行科学发现
  • Inbenta被Crunchbase / Forbes评为顶级AI公司
  • 互联网零售商独家:人工智能体验提升底线 - Inbenta
  • 人工智能:它可以改变我们的生活方式
  • 律师事务所如何利用人工智能的进步
  • 政府和人工智能:在省钱的同时提高效率 - Inbenta
  • 世界饥饿:AI如何解决我们最大的问题之一 - Inbenta
  • AI Sport,运动员多久才开始使用人工智能?
  • AI医生:人工智能如何帮助医学 - Inbenta
  • 安全实施基于AI的Chatbot的6种方法 - Inbenta
  • 通过学术合作推进核心AI研究
  • 通过人工智能技术扩展温布尔登高清卷轴的视频制作
  • Grad学生赢得IBM Fimship to Mimic Brain Architecture
  • 2017年CVPR的IBM研究:通过计算机视觉帮助人工智能系统
  • 麻省理工学院和IBM:将我们的“思想和手”放在一起,共同创造人工智能的未来
  • 最佳思维:IBM致力于与大学合作伙伴推进人工智能研究
  • 基于人工智能的低薪工人财务顾问
  • 人工智能的时代 - 以及将提供它的技术
  • IBM科学家在人工智能应用程序中展示了100万个设备的内存计算
  • 硬件的未来是人工智能
  • IBM AA AI在AAAI人工智能会议上发表
  • 在ICLR 2018年探索人工智能前沿