ترجمه فارسی مقاله Sustaindc – معیار کنترل مرکز داده پایدار

چکیده

Machine learning has driven an exponential increase in computational demand, leading to massive data centers that consume significant amounts of energy and contribute to climate change. This makes sustainable data center control a priority. In this paper, we introduce SustainDC, a set of Python environments for benchmarking multi-agent reinforcement learning (MARL) algorithms for data centers (DC). SustainDC supports custom DC configurations and tasks such as workload scheduling, cooling optimization, and auxiliary battery management, with multiple agents managing these operations while accounting for the effects of each other. We evaluate various MARL algorithms on SustainDC, showing their performance across diverse DC designs, locations, weather conditions, grid carbon intensity, and workload requirements. Our results highlight significant opportunities for improvement of data center operations using MARL algorithms. Given the increasing use of DC due to AI, SustainDC provides a crucial platform for the development and benchmarking of advanced algorithms essential for achieving sustainable computing and addressing other heterogeneous real-world challenges.

چکیده به فارسی (ترجمه ماشینی)

یادگیری ماشین باعث افزایش نمایی تقاضای محاسباتی شده و منجر به مراکز داده گسترده ای می شود که مقدار قابل توجهی از انرژی را مصرف می کنند و به تغییرات آب و هوایی کمک می کنند.این باعث می شود کنترل مرکز داده پایدار در اولویت قرار بگیرد.در این مقاله ، ما SustainDC ، مجموعه ای از محیط های پایتون را برای معیار الگوریتم های یادگیری چند عامل (MARL) برای مراکز داده (DC) معرفی می کنیم.SustainDC از تنظیمات و وظایف DC سفارشی مانند برنامه ریزی بار کاری ، بهینه سازی خنک کننده و مدیریت باتری کمکی پشتیبانی می کند ، در حالی که چندین عامل این عملیات را در حالی که حساب های یکدیگر را حساب می کنند ، مدیریت می کنند.ما الگوریتم های مختلف MARL را در مورد SustainDC ارزیابی می کنیم ، و عملکرد آنها را در طرح های متنوع DC ، مکان ها ، شرایط آب و هوایی ، شدت کربن شبکه و نیاز به بار کار نشان می دهیم.نتایج ما فرصت های قابل توجهی برای بهبود عملیات مرکز داده با استفاده از الگوریتم های MARL را برجسته می کند.با توجه به استفاده فزاینده از DC به دلیل هوش مصنوعی ، SustainDC بستر مهمی برای توسعه و معیار الگوریتم های پیشرفته برای دستیابی به محاسبات پایدار و پرداختن به سایر چالش های ناهمگن در دنیای واقعی فراهم می کند.