راهکار جدید دانشمند ایرانی، دیتاسنترهای هوش مصنوعی را خنک نگه میدارد
استاد دانشگاه هیوستون راهکار نوآورانهای برای مقابله با گرمای سرسامآور دیتاسنترهای هوش مصنوعی ارائه کرده است. هادی قاسمی استاد برجستهی مهندسی مکانیک و هوافضا، نشان داد که لایههای نازکی با طراحی شاخهای مشابه ساختار درخت میتوانند دستکم سه برابر بهتر از بهترین روشهای فعلی، گرما را دفع کنند.
با افزایش استفاده از پردازندههای گرافیک و شتابدهندههای قدرتمند در دیتاسنترهای هوش مصنوعی، چگالی توان بهشدت بالا میرود و در نتیجه گرمای بسیار زیادی تولید میشود. مدیریت این گرمای شدید، نقش مهمی در پایداری عملیاتی، قابلیت اطمینان و طولعمر تجهیزات ایفا میکند، زیرا کوچکترین اختلال حرارتی میتواند به کاهش کارایی یا حتی خرابی سیستمها منجر شود.
قاسمی که نتایج پژوهش خود را در مجلهی معتبر International Journal of Heat and Mass Transfer منتشر کرده است میگوید یافتههای جدید علاوهبر ثبت عملکرد کمسابقه، درک عمیقتری از فیزیک انتقال حرارت ارائه میدهد و مسیر منطقی برای دستیابی به ظرفیتهای دفع حرارت بالاتر ترسیم میکند. بخش مهمی از این پروژه با همکاری دو دانشجوی دکتری او، امیرمحمد جهانبخش و صابر بدکوبه هزاوه انجام شده است.
بهگزارش Techxplore، در سالهای اخیر پیشرفت چشمگیر در الکترونیک، فوتونیک و سامانههای قدرت باعث افزایش شدید چگالی توان شده است، اما همین پیشرفتها چالشهای پیچیدهای در مدیریت حرارتی ایجاد کردهاند. روشهای سنتی خنکسازی مانند جریان در میکروکانالها یا خنککاری پاششی، در مواجهه با شار حرارتی بسیار بالا با محدودیتهایی روبهرو هستند، زیرا لایهی مایع روی سطح داغ هنگام تبخیر ناپایدار میشود و توانایی انتقال گرما را از دست میدهد.
به گفتهی هادی قاسمی، تبخیر لایهی نازک یکی از امیدوارکنندهترین راهبردها برای مدیریت حرارتی است، زیرا میتواند شار حرارتی بالا را با مقاومت حرارتی اندک تحمل کند. بااینحال، چالش اصلی طراحی بهینه ساختار این لایههای نازک است.
قاسمی برای حل مسئله از دو روش پیشرفتهی محاسباتی و بهینهسازی توپولوژی کوپلشده و مدل مبتنیبر هوش مصنوعی استفاده کرد. نتایج نشان میدهد بهترین ساختار برای بیشینهسازی کارایی، هندسهای شاخهای شبیه درخت است که حدود ۵۰ درصد آن را ماده جامد و ۵۰ درصد را فضای خالی تشکیل میدهد.
به گفتهی پژوهشگر ایرانی، ساختارهای شبیه درخت میتوانند شار حرارتی بحرانی بسیار بالایی را در دمای بهمراتب پایینتر از ساختارهای سنتی تحمل کنند. به بیان سادهتر، سیستمهای جدید میتوانند بدون اینکه بیش از حد داغ شوند، گرمای بیشتری را دفع کنند که مزیتی کلیدی برای نسل بعدی دیتاسنترهای هوش مصنوعی و تجهیزات پیشرفته الکترونیکی و فوتونیکی محسوب میشود.
قاسمی تأکید میکند که نتایج آزمایشهایش نشان میدهد طراحی مبتنیبر هوش مصنوعیِ آگاه از فیزیک میتواند راهکارهای خنکسازی تأییدشده و اثرگذاری برای فناوریهای آینده ارائه دهد؛ راهکاری که شاید نقش مهمی در توسعهی پایدار زیرساختهای هوش مصنوعی ایفا کند.