隨著雲端計算和人工智能需求的上升，美國的數據中心面臨巨大的壓力，必須控制能源成本而不影響性能。賓州州立大學的研究團隊認為，人工智能可以通過重新思考這些設施如何管理其最大支出之一——冷卻，來提供幫助。該團隊開發了基於物理的人工智能模型的軟件，能夠分析實時的氣候和經濟數據，並建議數據中心如何以及何時調整冷卻，以提高效率並降低成本。該系統在設施的虛擬複製品中進行訓練，這使其能在實際應用之前測試不同的場景。
冷卻系統在數據中心的能源使用中佔據重要份額，因此成為節省成本的關鍵目標。研究人員專注於用自適應冷卻策略取代靜態冷卻策略。據賓州州立大學建築工程教授 Wangda Zuo 透露，冷卻目前大約占數據中心總電力使用的 40%，這僅僅是為了保持數據中心的運行。運營商還面臨天氣波動和電力價格不穩定的挑戰，這些因素會迅速提高運營成本並降低利潤。傳統系統因依賴固定的溫度目標而難以應對這些變化。Zuo 表示，傳統上，數據中心冷卻到固定的熱力目標，但當電力價格高昂時，這可能導致巨大的經濟損失。
新的人工智能系統解決了這一局限性。它根據外部條件動態調整冷卻速率，當電力便宜時增加冷卻，當成本上升時減少冷卻，同時保持在安全的運行範圍內。研究團隊使用數字雙胞胎進行人工智能的訓練，這是一個模擬的數據中心版本。該虛擬模型反映了現實世界的條件，包括溫度、濕度和設備限制。系統依賴於基於物理的強化學習方法，結合了工程規則和機器學習，使人工智能能夠做出安全且實用的決策。
該團隊在德克薩斯州休斯敦的模擬數據中心測試了該模型。該城市的高溫和濕度提供了一個具有挑戰性的環境。人工智能學會了在保持可靠性的同時優化冷卻。博士生 Viswanathan Ganesh 說：“每個用於冷卻數據中心的硬件部件都有自己的操作範圍，不能被違反，因此我們將其整合進了模型中。”這種方法使運營商能在不危及硬件的情況下提高效率，並減少對龐大訓練數據集的需求。
該軟件還可以提高加密貨幣挖礦的效率，因為這一過程需要大量的計算能力。挖礦系統通過解決複雜的數學問題來驗證區塊鏈交易並獲得獎勵，這些操作通常是持續進行的，使冷卻成本成為一項主要支出。通過將冷卻與有利的天氣和較低的電力價格相結合，人工智能系統可以改善盈利能力。研究人員表示，他們的方法為硬件升級如液冷提供了一個更低成本的替代方案。運營商可以使用軟件來優化現有系統，而不是更換基礎設施。該團隊將在 5 月的 IEEE ITherm 會議上介紹這項工作。
