Проиграть AlphaGo, чтобы спасти интернет. Как древняя игра го помогла ученым улучшить охлаждение серверов

Пока центры обработки данных и энергосети по всему миру упираются в перегрев и растущую нагрузку, ученые ищут способы отводить тепло быстрее и умнее. Команда исследователей решила подсмотреть идею в неожиданном месте: в древней китайской игре го, где победа зависит не от одного хода, а от понимания всей картины.

Группа под руководством доцента Вирджинского политехнического института (Virginia Tech) Цзянтао Чэна изучает, как подобрать оптимальную стратегию распылительного охлаждения. Это метод, при котором на горячую поверхность подают мелкие капли жидкости: каждая капля, быстро закипая и испаряясь, уносит с собой часть тепла. Такой подход рассматривают как перспективный для охлаждения высоконагруженной техники, в том числе инфраструктуры вроде дата-центров и элементов электросетей.

Чэн играет в го со школьных лет и однажды решил проверить себя против AlphaGo, программы, которая научилась побеждать сильнейших игроков, постоянно улучшая стратегию за счет машинного обучения. Он регулярно проигрывал, но именно это, по его словам, помогло сформулировать мысль: распылительное охлаждение похоже на го тем, что в нем тоже работает сеть взаимосвязанных параметров, и оптимальный результат получается только при «цельном» управлении взаимодействиями.

В своей работе, опубликованной в журнале Artificial Intelligence Review, исследователи собрали и проанализировали данные из 25 ранее опубликованных исследований, которые находились в открытом доступе. С помощью методов машинного обучения они попытались связать свойства жидкостей, формирование капель и то, как эти капли поглощают и уносят тепло, чтобы лучше предсказывать эффективность охлаждения в разных условиях.

Ключевая сложность здесь как раз в «мелочах», которые трудно учесть вручную. Какой размер капель даст лучший отвод тепла на конкретной поверхности? Какая форсунка стабильнее формирует нужный диапазон размеров? Всегда ли вода оптимальна, или в отдельных сценариях разумнее использовать другие жидкости, смеси или специально подобранные составы? По словам первого автора статьи Лори, капли работают иначе, чем сплошной поток: они быстрее забирают тепло и быстрее «оборачиваются» испарением, поэтому управление каплями дает более точный контроль температуры.

Авторы считают, что такой подход может со временем привести к более эффективным решениям для защиты от перегрева самых разных систем, от отдельных компьютеров и электроники высокой плотности до двигателей и турбин. Идея в том, чтобы не просто «лить сильнее», а подбирать параметры распыла как стратегию, где каждое изменение влияет на всю систему.

Сам Чэн говорит, что опыт с AlphaGo научил его использовать ИИ не как соперника, а как инструмент для сложных инженерных задач. А сочетание термофлюидной науки и машинного обучения, по его задумке, должно помочь точнее понимать, как устроено охлаждение, и проектировать тепловые системы нового поколения.