Neurale netværk minimerer energiforbruget i halvdelen af Googles datacentre

Googles datacentre er enorme og bruger derfor også enorme mængder energi, hvoraf en stor del går til køling. Derfor er der også mange penge at spare ved at minimere forbruget, og det hjælper neurale netværk med.

Google benytter nu maskinlæring til minimering af energiforbruget i mere end halvdelen af internetgigantens 12 datacentre, efter at datacentret i Singapore nu har indført teknologien, skriver Data Center Dynamics.

Maskinlæringen består af et neuralt netværk, som benytter de store mængder måledata, der indsamles fra sensorer om temperatur og luftfugtighed samt eksempelvis omdrejningstal fra ventilatorer til at modellere datacentret.

Det betyder, at modellen kan bruges til at finde frem til den bedste metode til at ændre konfigurationen af kølesystemet, hvis noget ændrer sig i datacentret. Det kan eksempelvis være en gruppe af servere, som lukkes ned for service.

Typisk vil sådan en ændring ikke være stor nok til, at det kan betale sig at justere manuelt på kølesystemet, så derfor kan man leve med, at der bliver spildt noget energi under service, men på Googles skala kan det være store beløb, der flyver af elmåleren. Med computermodellen er det muligt at justere i næsten realtid og holde energiforbruget nede.

Googles datacentre har overordnet set en PUE på 1,13, hvilket er næsten uhørt lavt. Tallet indikerer, hvor meget energi der bliver brugt til køling, strømforsyning og andet i datacentret i forhold til, hvor meget energi selve serverne, storage og netværket forbruger.