Рост числа энергоёмких центров обработки данных усиливает нагрузку на электросети и повышает зависимость от загрязняющих окружающую среду ископаемых видов топлива. Профессор Массачусетского технологического института Кристина Делимитру занимается снижением этого воздействия, меняя принципы работы серверов и сетевого оборудования. Её группа применяет машинное обучение, чтобы сделать крупные центры обработки данных эффективнее, безопаснее и надёжнее.
Исследователи обновляют устаревшие облачные системы, совершенствуют распределение общих аппаратных ресурсов и создают более компактные серверные архитектуры. Такой подход позволяет получать больше вычислительной мощности от уже установленного оборудования. «Если центры обработки данных не используются с максимальной эффективностью, они будут расходовать гораздо больше энергии, чем необходимо для удовлетворения растущего спроса пользователей», — говорит Делимитру, доцент кафедры электротехники и компьютерных наук Массачусетского технологического института и сотрудник Лаборатории компьютерных наук и искусственного интеллекта.
По словам учёной, особенно заметно избыточное усложнение программной части систем. Устранение такого «раздувания» без снижения производительности может уменьшить потребность в строительстве новых центров обработки данных. Кроме того, искусственный интеллект помогает её команде находить и устранять неполадки в облачных приложениях, включая сервисы потоковой музыки и видеоконференций, предотвращая простои и лишние затраты вычислительных ресурсов.
Интерес к этой области у Делимитру появился ещё во время учёбы в Национальном техническом университете Афин. В дипломной работе она исследовала распределение ресурсов компьютера при одновременной работе нескольких приложений, а затем продолжила исследования в Стэнфордском университете вместе с научным руководителем Христосом Козиракисом. Там выяснилось, что многие крупные вычислительные системы работают примерно на 15% мощности, хотя из-за высокого спроса могли бы быть загружены почти на 100%.
Для повышения загрузки учёная начала использовать машинное обучение, способное автоматизировать управление ресурсами и находить решения, которые разработчики могут не заметить. В Корнеллском университете её группа создала инструмент Seer: глубокое обучение в нём используется для прогнозирования и предотвращения сбоев веб-приложений. Позднее Делимитру сосредоточилась на системах, где приложения разделяются на небольшие компоненты и распределяются между несколькими серверами, а также разработала Ditto — копию закрытых программных систем, воспроизводящую структуру и характеристики их работы.
В 2022 году Делимитру стала доцентом Массачусетского технологического института, где преподаёт курс «Структура вычислений» примерно для 350 студентов за семестр. В лаборатории она также изучает вопросы безопасности облачных приложений и объяснимости искусственного интеллекта, чтобы разработчики могли понимать причины решений моделей. «Одна из проблем применения ИИ к этим системам заключается в том, что сам ИИ не поддаётся интерпретации», — говорит она. В свободное время учёная занимается садоводством, играет на классическом фортепиано, пишет пейзажи и проводит время с мужем и годовалой дочерью; об этом сообщает сайт MIT News.
Фото: Адам Гланцман, MIT News.