سرویس مطبوعاتی دانشکده عالی اقتصاد دانشگاه تحقیقات ملی گزارش داد که الگوریتم هوش مصنوعی قابلیت اطمینان سیستم های خنک کننده مرکز داده را افزایش می دهد. توسعه محققان روسی بر اساس شبکه های عصبی گرافیکی امکان شناسایی سریع نشت های خنک کننده و آلودگی مبدل های حرارتی را فراهم می کند.
در سیستم های خنک کننده مرکز داده، نه تنها خرابی های مهم آشکار وجود دارد، بلکه مشکلات مبهم نیز وجود دارد که به تدریج ایجاد می شود. این موارد شامل نشت های کوچک مایع خنک کننده و آلودگی تدریجی مبدل حرارتی است که در طول زمان به طور چشمگیری حذف گرما را مختل می کند و باعث بروز حوادث در مقیاس بزرگ می شود. الگوریتم ها و سیستم های ایمنی موجود برای تشخیص تغییرات ناگهانی در عملکرد مدار خنک کننده طراحی شده اند، بنابراین گرفتن چنین تغییراتی برای آنها دشوار است.
محققان روسی این مشکل را با استفاده از یک شبکه عصبی گرافیکی حل کردند که ناهنجاریها را نه تنها در عملکرد حسگرهای فردی، بلکه در کل مدار خنککننده کنترل میکند. این توسعه طراحی مهندسی کل سیستم را در نظر می گیرد و بر اساس اطلاعات مربوط به اتصالات بین کمپرسور، اواپراتور، کندانسور و سایر عناصر است. این مدل بر روی داده های تجهیزات کار آموزش داده شده و مقادیر مورد انتظار شاخص ها را پیش بینی می کند. اگر اندازهگیریهای واقعی شروع به انحراف مداوم از پیشبینی کنند، الگوریتم یک ناهنجاری را شناسایی کرده و به افراد هشدار میدهد.
محقق برجسته دانشکده اقتصاد دانشگاه ملی تحقیقات، میخائیل گوشچین، توضیح داد: «برای تشخیص تجهیزات فنی پیچیده، کافی نیست که به سادگی بسیاری از خوانشهای حسگر را تجزیه و تحلیل کنیم. این مهم است که چگونه این شاخص ها در یک فرآیند فیزیکی واقعی با یکدیگر مرتبط هستند. اگر چنین دانشی را در یک مدل هوش مصنوعی قرار دهید، میتواند نه تنها نقضهای غیرعادی سیستم، بلکه نقضهای غیرعادی سیستم را نیز تشخیص دهد."
آزمایشها نشان داد که هوش مصنوعی نشتها را با میزان موفقیت 87 درصد شناسایی کرده و به طور متوسط 200 دقیقه پس از وقوع خطا، آنها را پیدا کرده است که به طور قابلتوجهی بهتر از نتایج الگوریتمهایی است که قبلاً استفاده شده بود. دانشمندان نتیجه گرفتند که در آینده، این امر به طور قابل توجهی قابلیت اطمینان مراکز داده را افزایش می دهد.