Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Carbon Footprint Reduction for Sustainable Data Centers in Real-Time

Created by
  • Haebom

저자

Soumyendu Sarkar, Avisek Naug, Ricardo Luna, Antonio Guillen, Vineet Gundecha, Sahand Ghorbanpour, Sajad Mousavi, Dejan Markovikj, Ashwin Ramesh Babu

개요

본 논문은 기계 학습 작업량 증가에 따른 에너지 소비 증가 문제를 해결하기 위해, 다중 에이전트 강화 학습(MARL) 기반의 데이터 센터 탄소 배출량 감소 프레임워크인 DC-CFR을 제안합니다. DC-CFR은 냉각, 부하 전환, 에너지 저장을 실시간으로 최적화하여 탄소 배출량, 에너지 소비량, 에너지 비용을 동시에 감소시키는 것을 목표로 합니다. 실제 환경의 동적인 기상 및 전력망 탄소 강도 조건 하에서 다양한 지역에 걸쳐 1년 동안 평가한 결과, DC-CFR은 기존의 ASHRAE 컨트롤러보다 탄소 배출량(14.5%), 에너지 사용량(14.4%), 에너지 비용(13.7%)을 상당히 감소시키는 것으로 나타났습니다.

시사점, 한계점

•
시사점:
◦
다중 에이전트 강화 학습을 활용하여 데이터 센터의 탄소 배출량, 에너지 소비량, 에너지 비용을 동시에 효과적으로 감소시킬 수 있음을 보여줌.
◦
실제 환경의 동적인 조건에서도 효과적으로 작동하는 실시간 제어 시스템을 제시함.
◦
기존 컨트롤러 대비 상당한 성능 향상을 달성함.
•
한계점:
◦
제시된 모델의 일반화 성능 및 다양한 데이터 센터 환경에 대한 적용 가능성에 대한 추가 연구가 필요함.
◦
실제 데이터 센터에 적용하기 위한 추가적인 검증 및 최적화가 필요할 수 있음.
◦
모델의 복잡성으로 인한 구현 및 유지보수의 어려움이 존재할 수 있음.
👍
Made with Slashpage