بهینه سازی مصرف انرژی مراکز داده با یادگیری تقویتی

مراکز داده به عنوان ستون فقرات زیرساخت دیجیتال، جهان با گسترش سریع فناوری های هوش مصنوعی، رایانش ابری و اینترنت اشیا سهم قابل توجهی از مصرف انرژی را به خود اختصاص داده اند. امروزه مصرف برق مراکز داده در سطح جهانی حدود ۴۱۵ تراوات ساعت برآورد می شود که معادل حدود ۱٫۵ درصد از کل مصرف برق جهان است. پیش بینی ها نشان می دهد این میزان تا سال ۲۰۳۰ تقریبا دو برابر شده و به حدود ۹۴۵ تراوات ساعت خواهد رسید. این سطح از مصرف انرژی علاوه بر افزایش چشمگیر هزینه های عملیاتی فشار قابل توجهی بر شبکه های برق وارد می کند. اهمیت کاهش مصرف انرژی در مراکز داده از دو جنبه اقتصادی و زیست محیطی قابل بررسی است. از دیدگاه اقتصادی انرژی یکی از مهم ترین هزینه های عملیاتی این مراکز محسوب می شود و بهینه سازی مصرف آن می تواند صرفه جویی قابل توجهی به همراه داشته باشد. از منظر زیست محیطی نیز مراکز داده سهم قابل توجهی در انتشار گازهای گلخانه ای دارند و با رشد روزافزون کاربردهای هوش مصنوعی این سهم در آینده افزایش خواهد یافت. یادگیری تقویتی و به ویژه یادگیری تقویتی عمیق نقش مهمی در مدیریت هوشمند منابع ایفا می کنند. این رویکرد به عامل های هوشمند امکان می دهد تا از طریق تعامل با محیط و دریافت بازخورد، راهبردهای بهینه کنترل را برای کاهش مصرف انرژی و حفظ شرایط ایمن عملیاتی فراگیرند. چنین قابلیتی، یادگیری تقویتی را به ابزاری مناسب برای مدیریت سامانه های پیچیده و پویایی تبدیل کرده است. برخلاف روش های سنتی این رویکرد توانایی یادگیری الگوهای پیچیده و تصمیم گیری بلادرنگ را دارد و می تواند عملکرد سامانه را در شرایط متغیر بهبود بخشد. در این پژوهش چارچوبی مبتنی بر یادگیری تقویتی آفلاین و آگاه از قوانین فیزیکی ارائه شده است که از شبیه سازهای فیزیکی مبتنی بر داده های واقعی برای آموزش ایمن و کارآمد بهره می گیرد. یافته های این پژوهش نشان می دهد که یادگیری تقویتی ظرفیت بالایی برای بهینه سازی پایدار مصرف انرژی در مراکز داده دارد و می تواند راهکار موثری برای پاسخگویی به تقاضای روزافزون پردازش های مبتنی بر هوش مصنوعی در آینده باشد.

کلیدواژه ها:

مراکز داده ، مصرف انرژی ، یادگیری تقویتی ، هوش مصنوعی ، بهینه سازی انرژی ، مدیریت منابع