جستجو
بهینهسازی مصرف انرژی در مراکز داده ابری با استفاده از یادگیری تقویتی عمیق و پیشبینی بار کاری
زهرا روحانی1
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
زبان مقاله : فارسی
محور مقاله : مهندسی و علوم کامپیوتر ( کلیه گرایش ها)
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABKGHF
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABKGHF
نمایش چکیده انگلیسی
: https://isnac.ir/SA/AAHD-ABKGHF
سایر مقالات ارائه دهنده
- افزایش دقت سیستمهای بازشناسی چهره در شرایط نوری نامناسب با شبکههای مولد تخاصمی
- تشخیص ناهنجاری در شبکه های اجتماعی با استفاده از یادگیری عمیق و گراف های توجه
- بهبود امنیت اینترنت اشیا صنعتی با استفاده از یادگیری فدرال و رمزنگاری همومورفیک
- بهینهسازی مصرف انرژی در مراکز داده ابری با استفاده از یادگیری تقویتی عمیق و پیشبینی بار کاری
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems