Istanbul Marketing Awards Başvuruları Başladı

Meta’nın Enerji ve Su Tasarrufu Sağlayan Veri Merkezi Soğutma Sistemi

Engineering at Meta Engineering at Meta
Engineering at Meta
Paylaş:

Meta, veri merkezlerinde enerji tüketimini ve su kullanımını azaltmak amacıyla yapay zekâ tabanlı bir yöntem kullanarak sürdürülebilirlik hedeflerine doğru adım atıyor. Özellikle veri merkezi soğutma sistemlerinde Reinforcement Learning (RL) – yani pekiştirmeli öğrenme – kullanarak soğutma verimliliğini artırmayı başaran Meta, iklim değişikliği gibi geniş kapsamlı çevresel sorunlara da çözüm üretiyor.

Yapay Zekâ ile Soğutma Verimliliğinde Artış

2021 yılından bu yana RL yaklaşımı ile Meta’nın veri merkezlerinde hava akışı optimizasyonu üzerinde çalışılıyor. Veri merkezlerindeki soğutma sistemleri, enerji ve su tüketiminde en büyük paya sahip olduğundan bu alanlardaki iyileştirmeler enerji tasarrufu sağlıyor ve sera gazı (GHG) emisyonlarını azaltıyor. Şirketin bir pilot bölgesinde yapılan uygulamalar sonucunda, soğutma fanlarının enerji tüketimi %20, su kullanımı ise %4 oranında düşürüldü.

Meta Veri Merkezlerinin İleri Düzey Soğutma Yapısı

Veri Merkezi Soğutma Sistemi Şeması, Meta 2024

Meta’nın veri merkezleri, %100 dış hava kullanan iki katmanlı bir tasarıma sahip. Bu yapı sayesinde hava, modüle edilebilen damperler aracılığıyla düzenlenerek içeri alınıyor, filtrelerden geçiyor ve ardından sis odasında soğutma ve nemlendirme işlemlerine tabi tutuluyor. Sonrasında ise hava, fan duvarlarıyla sunucu odasına doğru yönlendiriliyor ve sıcak hava, yapının dışına tahliye ediliyor. Bu sistem, evaporatif soğutma ve nemlendirme süreçlerinde su kullanımını optimize ederek verimlilik sağlıyor.

Soğutma Sistemlerinde Pekiştirmeli Öğrenme ile Kontrol

Veri merkezlerinde sıcaklık, nem ve hava akışı gibi üç ana kontrol döngüsü bulunuyor. Ancak hava akışı, veri merkezinin farklı bölgelerinde yerel koşullardan etkilenerek daha karmaşık bir modellemeye ihtiyaç duyuyor. Bu noktada pekiştirmeli öğrenme, anlık veri ve çevresel koşullara dayanarak hava akışı set noktalarını dinamik olarak ayarlayarak bu zorluğu gideriyor. Veri merkezindeki binlerce sensörden toplanan veriler ile RL modeli sayesinde daha az enerji ve su kullanımı sağlayacak şekilde soğutma verimliliği optimize ediliyor.

Simülasyon Tabanlı RL: Riskleri Azaltmak ve Güvenliği Artırmak

Simülasyon Tabanlı Çevrimdışı Pekiştirmeli Öğrenme Metot Şeması, Meta 2024

Meta, veri merkezlerinin koşullarını simüle eden bir çevrimdışı RL yaklaşımı benimseyerek termal güvenliği sağlamaya ve kesintisiz hizmet sunmaya odaklanıyor. Fiziksel bir simülatör kullanarak oluşturulan bu sistem, tarihsel verilere ek olarak hava durumu, IT yükü gibi faktörleri hesaba katarak farklı senaryoları analiz ederken; RL modeli sadece geçmiş verilere değil, aynı zamanda olası tüm koşullara uyum sağlayabiliyor.

Gelecek Planları

Meta, yapay zekâ destekli soğutma optimizasyonunu, yeni yapay zekâ yüklerine uygun olarak inşa edilen veri merkezlerinin tasarım aşamasında da uygulamayı planlıyor. Bunun yanı sıra mevcut veri merkezlerine de bu RL metodunu entegre ederek enerji ve su tasarrufunda sürekli iyileştirme hedefliyor. Google ve Microsoft gibi devler de yapay zekâ destekli sistemlerle veri merkezlerinin verimliliğini artırarak benzer sürdürülebilirlik adımları atıyor.

Meta, veri merkezlerinde sürdürülebilirliği artırarak çevresel etkisini azaltmayı hedefliyor ve bu süreçte yapay zekânın sunduğu olanaklardan yararlanarak dijital altyapının taleplerine yanıt veriyor.

Reklam