データセンター冷却のための人工知能: 単なる夢物語ではない

現在、AI はデータセンターのあらゆる場所に存在し、ネットワークの管理と保護、アラートのフィルタリング、ワークロードの移動に役立っています。しかし、業界では、IT ではなく運用技術の問題に AI を適用するのが遅れています。具体的には、冷却の分野では、サーバー ファームの総電力消費量の最大 3 分の 1 を占めることもあります。

Google が、DeepMind が開発したディープラーニング ベースの推奨エンジンを使用して、データセンターの冷却エネルギー消費を「継続的に」 40% 削減したという話を聞いたことがあるかもしれません。 2018年に同社はさらに一歩進んで、人間の監視下でアルゴリズムが自動的に調整を行えるようにした。

業界の排出量に関する懸念と AI に対する熱意を考えると、この開発が今頃はより広く採用されていることを期待できるかもしれない。

スロースタート

残念ながら、このようなシステムを作成するには、データセンターに関する深い技術的専門知識と最先端の機械学習研究の組み合わせが必要です。DeepMind は、一見無制限の予算を持ちながら商用製品を持たないムーンショット工場であることを忘れてはなりません。

データセンターは Google の主力事業であるため、同社がその開発状況を業界と共有する可能性は低い。機械学習をホワイトスペース管理に導入するのは、既存のデータセンター ソフトウェア ベンダーの責任です。

AI技術に対する不信感が広まっているため、このプロセスは遅々としているが、過去2年間でGoogleの内外で有望なケーススタディがいくつか登場している。データセンターの運営者は、AI によって冷却に使用するエネルギーが実際に削減され、光熱費と二酸化炭素排出量が削減されたと報告しています。

冷却装置のリアルタイム制御は、機械学習モデルに適した問題です。機械学習モデルは、意思決定において人間のチームよりもはるかに多くのデータを考慮し、型破りで直感に反すると思われるソリューションを生み出す可能性があるからです。これらのモデルに供給できるデータは豊富にあります。他の産業環境とは異なり、データ センターにはすでにセンサーが詰め込まれており、簡単に追加できます。

2020年末、ドイツの産業大手シーメンスは、AIベースの冷却技術の利点のいくつかを強調したホワイトペーパーを発表しました。同社によれば、IT負荷が変化すると、機械学習によって冷却システムはリアルタイムで出力を調整し、機器の冷却需要と冷却出力を一致させることができるという。

これは、データセンターでよく見られる過冷却の問題を回避することでエネルギー使用量を直接削減するため、価値のある目標です。業界は慎重を期す傾向にあります。

冷却用の AI により、スタッフの監督や現場の人員の必要性も最小限に抑えられるため、従業員を他の重要なタスクに割り当てることができ、訪問する必要のある人の数も減ります。これは、現場へのアクセスが制限されるパンデミック時には重要です。

シーメンス独自の AI を活用した冷却アプローチは、冷水供給の監視と制御に重点を置いた DemandFlow と、温度と給気センサーのデータを収集し、ラックの各通路で適切な温度を維持するために必要な気流調整を計算する White Space Cooling Optimization (WSCO) と呼ばれるプラットフォームの 2 つの製品を組み合わせたものです。

昨年 12 月、このプラットフォームは、フランスの国営銀行 Caisse des Dép?ts 向けにパリに建設された初の Tier 4 認定データ センターに導入されました。この施設は、電力使用効率 (PUE) 1.2 で稼働すると予想されます。

Siemens の WSCO は、Vigilent (旧 FederspielControls) という魅力的な企業との提携により開発されました。同社はオークランドを拠点とし、ミッションクリティカルな冷却にのみ特化した小規模企業です。

Vigilent は、DeepMind が開発したシステムと同様に、デバイスを制御できる教師あり学習を活用した動的冷却管理システムを開発 (および特許取得) しました。

ソフトウェアはセンサーデータを継続的に分析して環境の変化を把握し、過去の動作に基づいて推奨事項を作成します。建物内の各 CRH ユニットの貢献度を確立し、どのユニットが冷却効果を無駄にしているかを示すことができます。

Vigilent は、Google の実験で確認されたものと同レベルのエネルギー節約を約束しており、500 を超える設置で冷却電力が平均 38% 削減されると主張しています。同社は、シーメンスだけでなく、ABB、日立ヴァンタラ、シュナイダーエレクトリックなど、多数の DCIM および BMS ソフトウェアベンダーにも機械学習テクノロジーを提供しています。

自動冷却管理に AI を活用する先駆的な企業として、中国の複合企業 Huawei も挙げられます。同社は昨年、ディープラーニングを使用してセンサーデータを処理し、さまざまなデバイスやシステムのパラメータ間の関係を見つけ、ポンプ、チラー、冷却塔の出力を IT 負荷に合わせるクラウドベースのサービスである iCooling を立ち上げました。

同社は、このサービスを自社のクラウドデータセンターに導入すると、電力使用効率（PUE）が8％向上すると主張している。中国移動がiCoolingを試験導入したところ、中衛施設での総電力消費量が3.2%、つまり40万kWh以上削減された。システムがデータから学習し続けることで、さらに大きなエネルギー節約が実現すると期待されます。

データセンター冷却のための AI に関する議論は、持続可能性のための AI に関するより広範な議論と結びついています。Capgemini Research の最近のレポートでは、AI の革新的なアプリケーションにより、今後 3 ～ 5 年で世界の温室効果ガス排出量が 16% 削減される可能性があると推定されています。

キャップジェミニはレポートの中で、AI の肯定的な使用事例を数多く挙げ、ビジネス運営を中断することなく欠陥を特定し、機器の故障を予測するエネルギー最適化プラットフォームとアルゴリズムが最も大きな影響を与えるだろうと指摘しました。

AI が他の業界でうまく導入されていることから、冷却やその他のデータセンター インフラストラクチャ管理のための AI が次の大きなトレンドになるでしょう。これは、理論を実践に移すだけの問題です。

「AIは今後数年間でデータセンターの運用を大きく変えると予想される」とシーメンスはホワイトペーパーで警告している。「しかし、データセンターは明日効果を発揮するためには今準備を整えておく必要がある。」