بهینه‌سازی مصرف انرژی در مراکز داده ابری با استفاده از یادگیری تقویتی عمیق و پیش‌بینی بار کاری

بهینه‌سازی مصرف انرژی در مراکز داده ابری با استفاده از یادگیری تقویتی عمیق و پیش‌بینی بار کاری

زهرا روحانی1

1) مربی گروه کامپیوتر، واحد شیروان، دانشگاه آزاد اسلامی، شیروان، ایران

کد IOI مقاله : AAHD-ABKGHF
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    مراکز داده ابری به عنوان ستون فقرات اقتصاد دیجیتال مدرن، با رشد بی‌سابقه‌ای در مصرف انرژی مواجه هستند. افزایش روزافزون محاسبات ابری، داده‌های بزرگ و برنامه‌های مبتنی بر هوش مصنوعی، فشار قابل‌توجهی بر زیرساخت‌های انرژی وارد کرده است. این مقاله به بررسی روش‌های بهینه‌سازی مصرف انرژی در مراکز داده ابری با استفاده از ترکیب یادگیری تقویتی عمیق و پیش‌بینی بار کاری می‌پردازد. ابتدا چالش‌های اصلی مصرف انرژی در مراکز داده شامل تجهیزات فناوری اطلاعات، سیستم‌های سرمایشی و توزیع بار کاری بررسی می‌شود. سپس، معماری یادگیری تقویتی عمیق برای کنترل پویای سیستم‌های سرمایش و تخصیص منابع معرفی می‌گردد. در ادامه، روش‌های پیش‌بینی بار کاری مبتنی بر شبکه‌های عصبی عمیق مانند حافظه کوتاه‌مدت طوالنی و شبکه‌های توجه، برای مدیریت پیش‌گیرانه مصرف انرژی ارائه می‌شود. نتایج مطالعات تجربی نشان می‌دهد که رویکرد ترکیبی پیشنهادی می‌تواند مصرف انرژی را تا ۱۵ درصد در زیرسیستم فناوری اطلاعات و تا ۱۱ درصد در سیستم سرمایش کاهش دهد، در حالی که شاخص اثربخشی توان را تا سطح ۱٫۳۳ بهبود می‌بخشد. این مقاله همچنین چالش‌های پیاده‌سازی این روش‌ها در محیط‌های واقعی و مسیرهای تحقیقاتی آتی را مورد بحث قرار می‌دهد.

کلمات کلیدی : بهینه‌سازی مصرف انرژی مراکز داده ابری یادگیری تقویتی عمیق پیش‌بینی بار کاری شاخص اثربخشی توان