Гибридный механический двухфазный контур с капиллярным приводом стремится оставить традиционное охлаждение в прошлом.
Центры обработки данных переживают бум. От Вирджинии до Калифорнии, в сельской местности и вблизи крупных городов мы строим центры обработки данных, чтобы уменьшить задержки и удовлетворить потребности в растущей мощности. Ожидается, что эти накладные расходы будут только увеличиваться по мере того, как мы приближаемся к новейшему технологическому прорыву: искусственному интеллекту.
ИИ обещает решить климатический кризис , внедрить инновации в здравоохранении и помочь нам воссоединиться с нашим прошлым . И теперь, благодаря инструментам генеративного искусственного интеллекта, таким как ChatGPT, внедрение этой новой технологии только ускорится.
Этот бум неизбежно поднимает вопросы об устойчивости центров обработки данных , особенно на фоне нехватки воды в таких местах, как Орегон и Аризона. Большая часть воздействия на окружающую среду связана с одним фактом: процессоры нагреваются. Горячие процессоры потребляют много энергии и воды, а наша нынешняя технология охлаждения основана на испарительном охлаждении. В Айове, где центры обработки данных Microsoft обучали ChatGPT OpenAI, шесть центров обработки данных Западного Де-Мойна потребляли 6% воды в округе.
Тем не менее, инициатива COOLERCHIPS Министерства энергетики США направлена на решение этих проблем путем финансирования многообещающих и инновационных технологий, «чтобы снизить общие затраты энергии на охлаждение до уровня менее 5% от типичной ИТ-нагрузки центра обработки данных в любое время», что также должно сократить выбросы CO2.
Один из проектов COOLERCHIPS, разработанный Университетом Миссури, направлен на переосмысление ландшафта охлаждения, оставив традиционное испарительное охлаждение в прошлом.
Гибридная механическая двухфазная петля с капиллярным приводом (HTPL)
Гибридный механический двухфазный контур с капиллярным приводом (HTPL) представляет собой двухфазную систему охлаждения. Как и во многих современных системах охлаждения центров обработки данных , в ней для охлаждения горячего чипа используется жидкость, например вода. Чип нагревает жидкость, поэтому она превращается из жидкости в пар. Этот «фазовый переход» позволяет пару отводить тепло от чипа в место, где оно может охладиться и конденсироваться обратно в воду.
В традиционной системе чиллеры испаряют воду в воздух, чтобы отвести тепло от системы и требуют использования пресной воды для пополнения. Но HTPL представляет собой двухфазную закрытую систему, а это означает, что нет необходимости в крупномасштабных чиллерах, шумных испарителях на крыше или градирнях, постоянно питаемых местной пресной водой.
Доктор Чанву Парк, руководитель проекта HTPL в Университете Миссури, рассказал Data Center Knowledge, что «потребление воды остается на нулевом уровне на протяжении всей его работы, за исключением мероприятий по техническому обслуживанию».
По словам доктора Парка, HTPL использует несколько инновационных элементов, которые устраняют необходимость постоянного пополнения запасов воды. Во-первых, он оснащен усовершенствованным, сверхэффективным отводом тепла в испарителе с большой площадью поверхности, более 150 квадратных сантиметров, для перемещения тепла. Он превосходно справляется с выделением тепла – более 300 Вт на квадратный сантиметр – благодаря низкому термическому сопротивлению (менее 0,01 К-см²/Вт), когда в качестве охлаждающей жидкости используется вода.
Испаритель также имеет эффективную конструкцию, которая диспергирует жидкость в сверхтонкий слой, а затем превращает ее в пар через капиллярные тепловые трубки. Это проверенный метод охлаждения электроники, который работает еще лучше, когда жидкость течет против тепла. Это обеспечивает превосходные результаты охлаждения в масштабе; Доктор Парк утверждает, что она справляется с нагревом в десять раз лучше, чем обычные системы охлаждения. Кроме того, систему HTPL можно увеличивать или уменьшать по мере необходимости, чтобы ее можно было использовать для охлаждения более крупных компьютерных чипов будущего, даже если размер чипа достигает 150 квадратных сантиметров.
Однако способность HTML работать в пассивном и активном режимах делает его особенным. «В пассивном режиме он ведет себя как термосифон , — сказал доктор Парк, — а в активном режиме он работает как двухфазный контур с накачкой. Такая гибкость позволяет ему переключать режимы по мере необходимости, обеспечивая надежность, производительность и энергоэффективность». Это похоже на современные двигатели автомобилей внутреннего сгорания, которые временно отключаются на холостом ходу на светофоре для экономии энергии.
Еще одна технология, которая отличает HTPL от конкурентов, — это капиллярное разделение фаз, которое позволяет работать в тонкопленочном кипении без затопления кипящей поверхности. «Система HTPL отличается исключительной энергоэффективностью, превосходя новые технологии жидкостного охлаждения в 100 раз», — говорит доктор Парк. «Эта удивительная эффективность обусловлена главным образом тем, что жидкость кипятится таким образом, что для перекачки используется очень мало энергии и имеется высокая способность поглощать тепло».
Благодаря возможности масштабирования или сжатия система HTPL предлагает множество возможных применений охлаждения: от концентрированной солнечной энергии до беспилотных воздушных систем. «Он особенно хорошо подходит для применений, где важна компактная, легкая и энергоэффективная система охлаждения», — сказал д-р Парк.
Насущная необходимость
Доктор Суша Луччиони, исследователь инкубатора искусственного интеллекта Hugging Face и один из основателей Climate Change AI, утверждает, что воздействие генеративных моделей искусственного интеллекта на окружающую среду в значительной степени игнорируется. Частично проблема в том, что их не измеряют, сказал Луччиони :
Например, с ChatGPT, который месяц назад запрашивали десятки миллионов пользователей на пике популярности, тысячи копий модели работают параллельно, отвечая на запросы пользователей в режиме реального времени, при этом потребляя мегаватт-часы электроэнергии и генерируя метрических тонн выбросов углекислого газа. Трудно оценить точное количество выбросов, к которым это приводит, учитывая секретность и отсутствие прозрачности вокруг этих больших LLM [больших языковых моделей].
Используя доступные данные, исследователи из Калифорнийского университета в Риверсайде и Юта в Арлингтоне попытались оценить потребление воды с помощью программ генеративного искусственного интеллекта, таких как ChatGPT. В их статье « Как сделать ИИ менее «жаждущим»: раскрытие и устранение секретного водного следа моделей ИИ », который еще не прошел рецензирование, говорится, что «ChatGPT необходимо «выпить» бутылку воды объемом 500 мл для простого разговора. примерно 20–50 вопросов и ответов, в зависимости от того, когда и где будет развернут ChatGPT».
Хотя простая бутылка воды может показаться не такой уж большой, но когда исследователи учитывают объем взаимодействий с ChatGPT и другими формами генеративного ИИ в 2022 году, они подсчитали, что центры обработки данных использовали около «1,5 миллиардов кубических метров водозабора в США». , что составляет около 0,33% от общего годового водозабора США», что примерно вдвое больше, чем в Дании. Если бум центров обработки данных продолжится, исследователи подозревают, что потребление воды в центрах обработки данных снова удвоится к 2027 году.
Эти оценки делают применение HTMLPL еще более привлекательным. Его применение в новых и старых центрах обработки данных позволит значительно снизить потребность в воде и одновременно сократить потребление энергии, что является основной целью инициативы COOLERCHIPS.
По словам директора COOLERCHIPS д-ра Питера де Бока, «Объекты крупных центров обработки данных обычно представляют собой конструкции, рассчитанные на 15–20 лет использования, и внедрение технологий поначалу может быть скромным, поскольку существует большая установленная база существующей инфраструктуры». Тем не менее, возможность 100-кратного увеличения эффективности HTPL и нынешний бум генеративного искусственного интеллекта в нашу эпоху могут рано или поздно дать о себе знать.
Тем не менее, как отмечает Луис Колон, старший технологический евангелист Fauna.com, остается вопрос, что делать с устаревшим оборудованием.
«Побочный эффект замены большого количества старого железа — более дорогие, неэффективные машины, которые нагреваются, весят больше и занимают много места ради вычислительной мощности, которую они обеспечивают. Я надеюсь, что программа [COOLERCHIPS] подчеркивает необходимость циклической практики и стимулирует правильную переработку, поскольку менее одной пятой всех электронных отходов утилизируются и перерабатываются надлежащим образом».
Теги: IT, ИИ, процессор, сервер
