СТРАТЕГИЧЕСКАЯ ИНТЕГРАЦИЯ НЕЙРОННЫХ СЕТЕЙ В СОВРЕМЕННЫЕ ДАТА-ЦЕНТРЫ

Авторы

  • И.А. Митин Сибирский государственный университет телекоммуникаций и информатики
  • И.Б. Елистратова Сибирский государственный университет телекоммуникаций и информатики

DOI:

https://doi.org/10.25806/uu-4657

Статья поступила в редакцию: 16.08.2024

Статья принята к публикации: 23.10.2024

Статья опубликована: 09.11.2024

Ключевые слова:

автоматизация, архитектурные инновации, виртуализация, энергоэффективность, искусственный интеллект, ИТ-инфраструктура, машинное обучение, оптимизация, рекуррентные нейронные сети, системы охлаждения, управление ресурсами, центры обработки данных

Аннотация

В статье представлен сравнительный анализ инновационных методологий управления центрами обработки данных с использованием искусственного интеллекта и машинного обучения. Целью исследования является выявление отличительных характеристик и ограничений, связанных с готовностью современных центров обработки данных к интеграции существующих архитектурных инноваций. Проведен обзор недавно опубликованных исследований, описывающих использование различных типов и архитектур нейронных сетей для повышения эффективности управления центрами обработки данных. Особое внимание уделяется стратегической интеграции нейронных сетей в системы охлаждения и энергопотребления, а также использованию рекуррентных нейронных сетей и методов обучения с подкреплением для оптимизации процессов управления ресурсами. Выводы автора исследования подчеркивают значимость комплексной модернизации ИТ-инфраструктуры для успешного внедрения передовых технологий искусственного интеллекта и машинного обучения в современные центры обработки данных.

Информация о публикации

Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.

Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.

Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.

Правообладатель: Издательский дом «Академический».

Лицензия: Статья распространяется на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0).

Машиночитаемый файл метаданных: JATS XML

Список литературы

Pilz K., Heim L. Compute at Scale: A Broad Investigation into the Data Center Industry. 2023. DOI: 10.48550/arXiv.2311.02651.

Ahmadi A. Implementing Artificial Intelligence in IT Management: Opportunities and Challenges // Asian Journal of Computer Science and Technology. 2023. № 12( 2). Р. 18-23. DOI: 10.51983/ajcst-2023.12.2.3704.

Kulkami A.K., Annappa B. Cost aware service broker algorithm for load balancing geo-distrubuted data centers in cloud, 2017 IEEE International Conference on Signal Processing, Informatics, Communication and Energy Systems (SPICES), Kollam, India, 2017. P. 1-5. DOI: 10.1109/SPICES.2017.8091337.

Yang J., Xiao W., Jiang C., Hossain M.S., Muhammad G., Amin S.U. AI-Powered Green Cloud and Data Center. 2019. Vol. 7. P. 4195-4203. DOI: 10.1109/ACCESS.2018.2888976.

Senthilkumar G., Rajendran P., Suresh Y., Herald Anantha Rufus N., Rama Chaithanya Tanguturi, Rajdeep Singh Solanki. Computational Engineering based Approach on Artificial Intelligence and Machine Learning Driven Robust Data Centre for Safe Management // Journal of Machine and Computing. 2023. Vol. 3 (4). Р. 465-474. DOI: 10.53759/7669/jmc202303038.

Bouaouda A., Afdel K., Abounacer R. Unveiling Genetic Reinforcement Learning (GRLA) and Hybrid Attention-Enhanced Gated Recurrent Unit with Random Forest (HAGRU-RF) for Energy-Efficient Containerized Data Centers Empowered by Solar Energy and AI. Sustainability 2024. Vol. 16. Р. 4438.

Загрузки

Опубликован

09.11.2024

Выпуск

Раздел

Экономические науки