데이터센터 냉각에 적용된 인공 지능은 산업 에너지 최적화 분야에서 가장 중요한 혁신 중 하나입니다.

‍

2018년부터 운영되고 있는 구글 딥마인드에서 개발한 자율 시스템은 AI가 어떻게 중요 인프라의 열 관리를 혁신하여 운영 효율성 측면에서 구체적인 성과를 달성할 수 있는지를 보여줬습니다.

‍

데이터 센터를 변화시키는 혁신

‍

에너지 효율성 문제

에너지 효율 분야의 글로벌 전문가인 조나단 쿠미에 따르면 현대 데이터센터는 엄청난 에너지 소비처로, 전체 전력 소비량의 약 10%를 냉방이 차지합니다. Google의 클라우드 기반 AI 시스템은 5분마다 수천 개의 센서에서 냉각 시스템의 스냅샷을 캡처합니다. 자율 데이터센터 냉각 및 산업 제어를 위한 안전 우선 AI - Google DeepMind는 기존의 제어 방식과 다른 운영 복잡성을 분석합니다.

‍

Google의 AI 냉각 시스템은 심층 신경망을 사용하여 다양한 작업 조합이 향후 에너지 소비에 미치는 영향을 예측하고 강력한 보안 제약을 충족하면서 소비를 최소화하는 작업을 식별합니다. Google 데이터 센터 냉각 비용을 40% 절감하는 DeepMind AI - Google DeepMind

‍

구체적이고 측정 가능한 결과

냉각 최적화를 통해 달성한 결과는 매우 중요합니다. 시스템은 냉각에 사용되는 에너지를 지속적으로 40% 절감할 수 있었습니다 . Google 데이터센터 냉각 비용을 40% 절감하는 AI - Google DeepMind. 그러나 냉각이 전체 소비량의 약 10%를 차지한다는 점을 고려하면 이는 데이터 센터의 전체 에너지 비용을 약 4% 절감한 것으로 해석할 수 있습니다.

‍

Jim Gao의 기술 논문 원본에 따르면 신경망은 평균 절대 오차 0.004, 표준 편차 0.005를 달성하며, 이는 PUE가 1.1인 경우 0.4%의 오차에 해당합니다. AI로 Google 데이터센터 냉각 비용을 40% 절감하는 방법 - Google DeepMind.

‍

작동 위치: 확인된 데이터 센터

검증된 구현

AI 시스템의 구현은 세 곳의 특정 데이터 센터에서 공식적으로 확인되었습니다:

싱가포르: 2016년에 처음으로 대규모로 구축한 데이터 센터로, 재생수를 사용하여 홈페이지 - Google 데이터 센터를 냉각하고 냉각 에너지를 40% 절감했습니다.

‍

네덜란드 윔샤벤: 이 데이터 센터는 공업용수를 사용하며 2023년에 2억 3,200만 갤런의 물을 소비했습니다. 홈페이지 - Google 데이터 센터. 이 시설의 현장 책임자인 마르코 이네마가 이 첨단 시설의 운영을 감독하고 있습니다.

‍

아이오와주 카운슬 블러프스: MIT 테크놀로지 리뷰는 구글 클라우드의 데이터 센터 위치: 지역 및 가용성 영역 - Dgtl 인프라에 대한 토론에서 카운슬 블러프스 데이터 센터를 특별히 소개했습니다. Google은 2023년에 9억 8,010만 갤런의 물을 소비한 두 개의 카운슬 블러프스 캠퍼스에 50억 달러를 투자했습니다 . 중국, 해저 데이터 센터로 AI 붐을 일으키다 | Scientific American.

‍

클라우드 기반 AI 제어 시스템이 현재 운영되고 있으며 여러 데이터 센터에서 에너지 절감을 제공하고 있습니다. Google 스마트 액체 냉각 : 효율성에서 Google을 이기기 | ProphetStor, 그러나 회사는 기술을 사용하는 시설의 전체 목록을 공개하지 않았습니다.

‍

기술 아키텍처: 작동 방식

심층 신경망과 머신 러닝

‍

특허 US20180204116A1에 따르면 이 시스템은 정밀한 기술적 특성을 지닌딥러닝 아키텍처를 사용합니다:

• 레이어당 50개의 노드가 있는 5개의 숨겨진 레이어
• 열 부하, 기상 조건, 장비 상태 등 19개의 정규화된 입력 변수
• 5분 해상도 기준 184,435개의 훈련 샘플 (약 2년간의 운영 데이터)
• 정규화 매개변수: 0.001로 과적합 방지

이 아키텍처는 심층 신경망과 통합된 선형 ARX 모델과 함께 모델 예측 제어를 사용합니다. 신경망은 사용자가 모델에서 변수 간의 상호 작용을 미리 정의할 필요가 없습니다. 대신 신경망은 기능 간의 패턴과 상호 작용을 검색하여 최적의 모델을 자동으로 생성합니다. Google 데이터센터 냉각 비용을 40% 절감하는 딥마인드 AI - Google DeepMind.

‍

전력 사용 효율성(PUE): 핵심 지표

PUE는 데이터센터의 기본적인 에너지 효율성을 나타냅니다:

PUE = 총 데이터 센터 에너지 / IT 장비 에너지

• 2024년 구글 차량 전체 PUE: 1.09(구글 환경 보고서에 따르면)
• 업계 평균: 1.56-1.58
• 이상적인 PUE: 1.0(이론적으로 불가능)

Google은 엄격한 운영 표준을 보장하지만 AI 시스템의 성능을 구체적으로 검증하지는 않는 에너지 관리에 대한 ISO 50001 인증을 보유하고 있습니다.

‍

모델 예측 제어(MPC)

혁신의 핵심은 다음 시간의 미래 데이터 센터 온도와 압력을 예측하고 권장 조치를 시뮬레이션하여 운영 제약을 초과하지 않도록 하는 예측 제어입니다. AI로 Google 데이터 센터 냉각 비용을 40% 절감하는 방법 - Google DeepMind

‍

‍

냉각 분야에서 AI의 운영 이점

탁월한 예측 정확도

시행착오 끝에 이 모델은 이제 데이터센터 최적화를 위한 머신 러닝 애플리케이션의 PUE 예측 정확도가 99.6%에 달합니다. 이러한 정확도는 기계, 전기 및 환경 시스템 간의 복잡한 비선형 상호 작용을 동시에 처리하면서 기존 방법으로는 불가능했던 최적화를 가능하게 합니다.

‍

지속적인 학습 및 적응

한 가지 중요한 측면은 진화적 학습 기능입니다. 9개월 동안 시스템의 성능은 출시 초기 12% 개선에서 약 30% 개선된 데이터 센터 최적화로 향상되었습니다. Jim Gao, Google - DocsLib.

Google의 운영자인 Dan Fuenffinger는 '겨울철 조건을 활용하여 평소보다 더 차가운 물을 생산하는 방법을 학습하는 AI를 보는 것은 놀라웠습니다. 규칙은 시간이 지나도 개선되지 않지만 AI는 개선됩니다." 모델 예측 제어를 사용한 데이터 센터 냉각.

‍

다중 변수 최적화

이 시스템은 19개의 중요한 운영 매개변수를 동시에 관리합니다:

• 서버 및 네트워킹의 총 IT 부하
• 기상 조건(온도, 습도, 엔탈피)
• 장비 상태(냉각기, 냉각탑, 펌프)
• 설정값 및 운영 제어
• 팬 속도 및 VFD 시스템

보안 및 제어: 페일 세이프 보장

다단계 인증

중복 메커니즘을 통해 운영 보안이 보장됩니다. AI가 계산한 최적의 작업은 운영자가 정의한 보안 제약 조건의 내부 목록과 대조하여 확인됩니다. 물리적 데이터 센터로 전송되면 로컬 제어 시스템이 지침을 다시 확인합니다. DeepMind AI는 Google 데이터 센터의 냉각에 사용되는 에너지를 40%까지 줄입니다.

‍

운영자는 항상 제어권을 유지하고 언제든지 AI 모드를 종료하여 기존 규칙으로 원활하게 전환할 수 있습니다. DeepMind AI는 Google 데이터센터 냉각에 사용되는 에너지를 40%까지 절감합니다.

‍

제한 사항 및 방법론적 고려 사항

‍

PUE 지표 및 제한 사항

업계에서는 전력 사용 효율성이라는 지표의 한계를 인식하고 있습니다. 2014년 업타임 연구소의 설문조사에 따르면 응답자의 75%가 업계에 새로운 효율성 지표가 필요하다고 생각했습니다. 기후 편향(서로 다른 기후를 비교할 수 없음), 시간 조작(최적 조건에서 측정), 구성 요소 제외 등의 문제가 있습니다.

‍

구현의 복잡성

각 데이터센터에는 고유한 아키텍처와 환경이 있습니다. 한 시스템에 대한 맞춤형 모델이 다른 시스템에는 적용되지 않을 수 있으므로 일반적인 인텔리전스 프레임워크가 필요합니다. Google 데이터센터 냉각 비용을 40% 절감하는 AI - Google DeepMind.

‍

데이터 품질 및 검증

모델의 정확도는 입력 데이터의 품질과 양에 따라 달라집니다. 모델 오류는 일반적으로 해당 학습 데이터의 부족으로 인해 1.14 이상의 PUE 값에서 증가합니다. Google 데이터 센터 냉각 비용을 40% 절감하는 AI - Google DeepMind.

주요 감사 회사나 국가 연구소의 독립적인 감사는 발견되지 않았으며, 구글은 최소한의 연방 요구 사항 외에 '제3자 감사를 추구하지 않는다'고 밝혔습니다.

‍

‍

미래: 액체 냉각을 향한 진화

기술 전환

2024~2025년에 Google은 중점을 크게 전환했습니다:

• 1MW 랙용 +/-400VDC 전원 공급 시스템
• "프로젝트 데슈테스" 냉각 분배 장치
• '99.999% 가동 시간'의 TPU v5p를 위한 직접 액체 냉각.

이러한 변화는 AI 최적화가 최신 AI 애플리케이션의 열 부하에 대한 실질적인 한계에 도달했음을 나타냅니다.

새로운 트렌드

• 엣지 컴퓨팅 통합: 지연 시간 단축을 위한 분산형 AI
• 디지털 트윈: 고급 시뮬레이션을 위한 디지털 트윈
• 지속 가능성 초점: 재생 에너지 최적화
• 하이브리드 냉각: AI로 최적화된 액체/공기 조합

기업을 위한 애플리케이션 및 기회

애플리케이션 분야

냉각을 위한 AI 최적화는 데이터 센터를 넘어 그 적용 범위를 확장했습니다:

• 산업 플랜트: 제조 HVAC 시스템 최적화
• 쇼핑 센터: 지능형 기후 관리
• 병원: 수술실 및 중요 구역의 환경 제어
• 기업 사무실: 스마트 빌딩 및 시설 관리

ROI 및 경제적 이점

냉각 시스템에서 에너지를 절약할 수 있습니다:

• 냉각 서브시스템 운영 비용 절감
• 환경 지속 가능성 개선
• 장비 수명 연장
• 운영 안정성 향상

기업을 위한 전략적 구현

도입 로드맵

1단계 - 평가: 에너지 감사 및 기존 시스템매핑2단계 - 파일럿: 제한된 구간에서 통제된 환경에서테스트3단계 - 배포: 집중 모니터링을 통한 점진적롤아웃4단계 - 최적화: 지속적인 튜닝 및 용량 확장

기술적 고려 사항

• 센서 인프라: 완벽한 모니터링 네트워크
• 팀 기술: 데이터 과학, 시설 관리, 사이버 보안
• 통합: 레거시 시스템과의 호환성
• 규정 준수: 안전 및 환경 규정

FAQ - 자주 묻는 질문

‍

1. AI 시스템은 실제로 어느 Google 데이터 센터에서 운영되나요?

공식적으로 확인된 데이터 센터는 싱가포르(2016년 첫 구축), 네덜란드의 엠샤벤, 아이오와주의 카운슬 블러프스 등 세 곳입니다. 이 시스템은 여러 데이터 센터에서 운영되고 있지만 전체 목록은 공개되지 않았습니다. 구글 스마트 액체 냉각: 효율성에서 구글을 이기기 | ProphetStor.

‍

2. 총 소비량 대비 실제 에너지 절감 효과는 얼마나 되나요?

냉각에 사용되는 에너지를 40% 절감하는 딥마인드 AI, 구글 데이터센터 냉각 비용 40% 절감 - Google DeepMind. 냉각이 전체 소비량의 약 10%를 차지한다는 점을 고려하면 전체 에너지 절감량은 전체 데이터센터 소비량의 약 4%에 해당합니다.

‍

3. 시스템의 예측 정확도는 얼마나 정확한가요?

이 시스템은 평균 절대 오차가 0.004 ± 0.005로 99.6%의 정확도로 PUE를 예측하며, 이는 PUE가 1.1인 경우 0.4%의 오차에 해당하는 수치입니다( Google DeepMindGoogleResearch). 실제 PUE가 1.1이면 AI는 1.096에서 1.104 사이를 예측합니다.

‍

4. 운영 보안은 어떻게 보장하나요?

먼저 AI가 운영자가 정의한 보안 제약 조건을 확인한 다음 로컬 시스템이 지침을 다시 확인하는 2단계 검증을 사용합니다. 운영자는 언제든지 AI 검사를 비활성화하고 기존 시스템으로 돌아갈 수 있습니다. 딥마인드 AI는 Google 데이터센터의 냉각에 사용되는 에너지를 40%까지 절감합니다.

‍

5. 이러한 시스템을 구현하는 데 얼마나 걸리나요?

구현에는 일반적으로 데이터 수집 및 모델 훈련에 3~6개월, 파일럿 테스트에 2~4개월, 단계적 배포에 3~8개월 등 총 6~18개월이 소요됩니다. 복잡성은 기존 인프라에 따라 크게 달라집니다.

‍

6. 어떤 기술력이 필요한가요?

데이터 과학/AI, HVAC 엔지니어링, 시설 관리, 사이버 보안 및 시스템 통합에 대한 전문 지식을 갖춘 다분야 팀이 필요합니다. 많은 기업이 전문 공급업체와의 파트너십을 선택합니다.

‍

7. 시스템이 계절 변화에 적응할 수 있나요?

예, AI는 겨울철에 더 차가운 물을 생산하여 냉각 에너지를 절감하는 등 계절적 조건을 활용하는 방법을 자동으로 학습합니다. 모델 예측 제어를 사용한 데이터 센터 냉각. 이 시스템은 시간과 날씨 패턴을 인식하여 지속적으로 개선됩니다.

‍

8. 구글이 이 기술을 상용화하지 않는 이유는 무엇인가요?

각 데이터 센터는 고유한 아키텍처와 환경을 가지고 있어 상당한 맞춤화가 필요합니다 . 딥마인드 AI, 구글 데이터 센터 냉각 비용을 40%까지 절감 - Google DeepMind. 구현의 복잡성, 특정 데이터의 필요성, 필요한 전문 지식으로 인해 다이렉트 마케팅은 복잡합니다. 8년이 지난 지금도 이 기술은 Google 내부에서만 독점적으로 사용되고 있습니다.

‍

9. 독립적인 성과 검토가 있나요?

주요 감사 회사(Deloitte, PwC, KPMG) 또는 국가 연구소의 독립 감사는 발견되지 않았습니다. Google은 ISO 50001 인증을 받았지만 최소한의 연방 요구 사항을 넘어서는 '제3자 감사를 추구하지 않습니다'.

‍

10. 데이터센터 외에 다른 분야에도 적용 가능한가요?

물론이죠. 냉각을 위한 AI 최적화는 산업 플랜트, 쇼핑 센터, 병원, 기업 사무실 및 복잡한 HVAC 시스템을 갖춘 모든 시설에 적용될 수 있습니다. 다변수 최적화 및 예측 제어의 원칙은 보편적으로 적용 가능합니다.

‍

구글 딥마인드 AI 냉각 시스템은 특정 영역 내에서 점진적인 개선을 달성하는 엔지니어링 혁신을 나타냅니다. 에너지 집약적인 인프라를 운영하는 기업에게 이 기술은 규모라는 한계가 있긴 하지만 냉각 최적화를 위한 구체적인 기회를 제공합니다.

‍

주요 출처: 짐 가오 구글 연구 논문, 딥마인드 공식 블로그, MIT 테크놀로지 리뷰, 특허 US20180204116A1