Un nuevo sistema de inteligencia artificial desploma un 25% el coste de enfriar los centros de datos
Investigadores de la Universidad de Pensilvania han desarrollado un modelo predictivo capaz de reducir drásticamente la factura energética de las grandes infraestructuras tecnológicas
El consumo energético de la infraestructura tecnológica global ha alcanzado niveles críticos. Las inmensas naves que almacenan información y sostienen la red devoran electricidad de forma ininterrumpida. De hecho, gran parte de esa energía no se destina al funcionamiento de los procesadores, sino a evitar que los equipos se fundan por el calor extremo.
Para atajar este problema, investigadores de la Universidad de Pensilvania han creado un programa de inteligencia artificial que logra reducir los costes de refrigeración en un 25%. Esta cifra supone un alivio financiero y medioambiental sin precedentes para un sector fuertemente presionado por la crisis energética.
El algoritmo ajusta los parámetros térmicos de forma continua y sin intervención humana. Según detalla la publicación especializada Interesting Engineering, el sistema toma decisiones dinámicas basadas en las condiciones meteorológicas en vivo y en las tarifas eléctricas. Así, si la temperatura exterior desciende o la luz se encarece, la máquina recalcula al instante la estrategia más rentable.
Un entorno virtual para entrenar a la máquina
Hasta la fecha, la principal barrera para implementar estas tecnologías era la necesidad de recopilar información durante años. Los sistemas tradicionales exigían un largo periodo de aprendizaje basado en el ensayo y el error dentro de la propia instalación. Sin embargo, el equipo estadounidense ha sorteado este obstáculo mediante un enfoque puramente virtual.
El nuevo modelo aprende de una realidad de ingeniería simulada, creando un entorno de entrenamiento idéntico al físico. Gracias a esta simulación previa, el programa se puede implementar de forma inmediata en instalaciones de nueva construcción o en aquellas que carecen de mediciones previas. La máquina ensaya, falla y corrige en un entorno seguro antes de tomar el control de los ventiladores y compresores reales.
Eficacia probada bajo presión
Los desarrolladores han puesto a prueba esta solución en uno de los entornos térmicos más exigentes del país. Los resultados confirmaron que la reducción del gasto se mantiene constante y el método resulta completamente fiable bajo la máxima presión operativa.
Este avance supera las limitaciones de proyectos pioneros como el impulsado por la filial de Google en 2016, que requería una inmensa cantidad de datos históricos para funcionar. Por el contrario, la industria dispone ahora de una herramienta rápida y adaptable para transformar la eficiencia energética a nivel mundial. A partir de este momento, la optimización del frío deja de depender del pasado para basarse en la anticipación.