Проиграть AlphaGo, чтобы спасти интернет. Как древняя игра го помогла ученым улучшить охлаждение серверов
NewsMakerУченые обучили модель на данных десятков исследований, чтобы подбирать параметры капель и форсунок.
Пока центры обработки данных и энергосети по всему миру упираются в перегрев и растущую нагрузку, ученые ищут способы отводить тепло быстрее и умнее. Команда исследователей решила подсмотреть идею в неожиданном месте: в древней китайской игре го, где победа зависит не от одного хода, а от понимания всей картины.
Группа под руководством доцента Вирджинского политехнического института (Virginia Tech) Цзянтао Чэна изучает , как подобрать оптимальную стратегию распылительного охлаждения. Это метод, при котором на горячую поверхность подают мелкие капли жидкости: каждая капля, быстро закипая и испаряясь, уносит с собой часть тепла. Такой подход рассматривают как перспективный для охлаждения высоконагруженной техники, в том числе инфраструктуры вроде дата-центров и элементов электросетей.
Чэн играет в го со школьных лет и однажды решил проверить себя против AlphaGo, программы, которая научилась побеждать сильнейших игроков, постоянно улучшая стратегию за счет машинного обучения. Он регулярно проигрывал, но именно это, по его словам, помогло сформулировать мысль: распылительное охлаждение похоже на го тем, что в нем тоже работает сеть взаимосвязанных параметров, и оптимальный результат получается только при «цельном» управлении взаимодействиями.
В своей работе, опубликованной в журнале Artificial Intelligence Review, исследователи собрали и проанализировали данные из 25 ранее опубликованных исследований, которые находились в открытом доступе. С помощью методов машинного обучения они попытались связать свойства жидкостей, формирование капель и то, как эти капли поглощают и уносят тепло, чтобы лучше предсказывать эффективность охлаждения в разных условиях.
Пока центры обработки данных и энергосети по всему миру упираются в перегрев и растущую нагрузку, ученые ищут способы отводить тепло быстрее и умнее. Команда исследователей решила подсмотреть идею в неожиданном месте: в древней китайской игре го, где победа зависит не от одного хода, а от понимания всей картины.
Группа под руководством доцента Вирджинского политехнического института (Virginia Tech) Цзянтао Чэна изучает , как подобрать оптимальную стратегию распылительного охлаждения. Это метод, при котором на горячую поверхность подают мелкие капли жидкости: каждая капля, быстро закипая и испаряясь, уносит с собой часть тепла. Такой подход рассматривают как перспективный для охлаждения высоконагруженной техники, в том числе инфраструктуры вроде дата-центров и элементов электросетей.
Чэн играет в го со школьных лет и однажды решил проверить себя против AlphaGo, программы, которая научилась побеждать сильнейших игроков, постоянно улучшая стратегию за счет машинного обучения. Он регулярно проигрывал, но именно это, по его словам, помогло сформулировать мысль: распылительное охлаждение похоже на го тем, что в нем тоже работает сеть взаимосвязанных параметров, и оптимальный результат получается только при «цельном» управлении взаимодействиями.
В своей работе, опубликованной в журнале Artificial Intelligence Review, исследователи собрали и проанализировали данные из 25 ранее опубликованных исследований, которые находились в открытом доступе. С помощью методов машинного обучения они попытались связать свойства жидкостей, формирование капель и то, как эти капли поглощают и уносят тепло, чтобы лучше предсказывать эффективность охлаждения в разных условиях.