Toward Physics-Informed Machine Learning for Data Center Operations: A Tropical Case Study
Created by
Haebom
저자
Ruihang Wang, Zhiwei Cao, Qingang Zhang, Rui Tan, Yonggang Wen, Tommy Leung, Stuart Kennedy, Justin Teoh
개요
본 논문은 열대 지역 데이터센터 운영의 고유한 과제(높은 주변 온도와 습도로 인한 높은 냉각 비용)를 해결하기 위해 물리적 특성을 통합한 물리 정보 머신러닝 시스템을 제안합니다. 기존 머신러닝 기반 접근 방식의 외삽 성능 및 시스템 안전 문제에 대한 우려를 해결하기 위해 데이터센터 시스템의 다중 물리 프로세스와 데이터-물리적 가용성을 고려한 모델링 및 최적화 문제를 제시하고, 통합된 물리 정보 머신러닝 시스템을 통해 다양한 운영 수준에서의 응용 사례를 제시합니다. 산업 규모 열대 데이터센터에 대한 사례 연구를 통해 접근 방식의 효과를 보여주고, 향후 연구 방향을 제시합니다.
시사점, 한계점
•
시사점:
◦
열대 지역 데이터센터의 냉각 비용 절감을 위한 효과적인 전략 제시.
◦
물리적 특성을 통합한 머신러닝 시스템을 통해 데이터센터 운영의 안정성 및 효율성 향상 가능성 제시.
◦
산업 현장 적용 가능성을 보여주는 사례 연구 제공.
•
한계점:
◦
제안된 시스템의 일반화 성능 및 다른 지역 데이터센터에 대한 적용 가능성에 대한 추가 연구 필요.
