Google veut réduire fortement le coût énergétique de ses data centers. La technologie d'apprentissage machine et de réseaux neuronaux artificiels DeepMind devrait permettre à Google de réduire la facture énergétique de ses datacenters.

Atteindre un meilleur indicateur d'efficacité énergétique avec l'adaptation du niveau de refroidissement des centres de calcul par rapport aux besoins grâce à DeepMind tel est l’objectif de Google.

Google met ainsi à contribution DeepMind, sa technologie alliant l’apprentissage machine et les réseaux neuronaux artificiels, pour lui permettre de réduire la consommation énergétique de ses datacenters.

DeepMind racheté par Google en 2014  à une entreprise britannique du même nom devrait permettre à Google de réduire jusqu'à 40% sa facture d'énergie pour l'ensemble de ses activités Internet.

Google souligne dans un blog : «Cela va également aider d'autres sociétés qui tournent sur le cloud de Google d'améliorer leur propre efficacité énergétique … Alors que Google est seulement un des nombreux opérateurs de data centers dans le monde, beaucoup ne sont pas alimentés par de l'énergie renouvelable comme nous le sommes. »

Un objectif d'alimenter ses centres de calcul en énergie 100% renouvelable contre 35% aujourd'hui.

Pour atteindre cet objectif, Google a notamment passé des accords et a même investi 1,5 milliard de dollars dans 22 projets de parcs éoliens et solaires dans le monde : l'entreprise est celle qui achète le plus d'énergie renouvelable.

« Cumulés, ces projets représentent une capacité totale de plus de 2,5 gigawatts ce qui représente bien plus d'électricité que nous utilisons », souligne Google. Cette électricité est équivalente à la consommation de près de 500 000 maisons. »

Une gestion des besoins thermiques plus efficaces grâce à DeepMind

Pour respecter ses objectifs, l'entreprise compte plus s'appuyer sur DeepMind, cette technologie basée sur un réseau neuronal inspiré du système nerveux humain ; un système qui apprend activement de son environnement pour résoudre des tâches complexes.

L'importante infrastructure de datacenters de Google avec des services comme Search, Gmail et YouTube, génèrent, du fait de ses serveurs, une quantité importante de chaleur qui doit être évacuée pour permettre aux équipements de continuer à fonctionner.

« Ce refroidissement est habituellement effectué avec de gros équipements industriels comme des pompes, des climatiseurs et des tours de refroidissement »indique Google.

«Nous avons commencé à exploiter le machine learning il y a deux ans pour opérer nos datacenters plus efficacement. Et sur les derniers mois, les chercheurs de DeepMind ont commencé à travailler avec l'équipe datacenter de Google pour améliorer de façon significative l'efficacité du système. »

L’utilisation des données historiques à titre prédictif :

DeepMind utilise des données historiques (températures, puissance et vitesse des pompes ) collectées par des milliers de capteurs dans ses datacenters et servant à entraîner ses réseaux neuronaux d'intelligence artificielle pour déterminer un futur indicateur moyen de mesure d'efficacité énergétique (PUE).

Ces réseaux neuronaux sont utilisés pour prédire la future pression et température d'un datacenter en vue de recommander des actions.

« Notre système d'apprentissage machine a été en mesure d'atteindre systématiquement une réduction de 40% du montant de l'énergie utilisée pour le refroidissement, ce qui équivaut à une réduction de 15% de l'ensemble du PUE après avoir pris en compte les pertes électriques ou d'autres inefficacités de refroidissement ».

« Il produit également le PUE le plus bas que le site n'a jamais connu souligne Google.

L’élargissement des applications :

Google prévoit d'étendre l'algorithme d'apprentissage machine Deepmind à d'autres datacenters de façon, par exemple à améliorer la conversion énergétique (dégager plus d'énergie d'un même site), réduire l'énergie et l'eau nécessaire à la fabrication de semi-conducteurs et aider à augmenter le débit des lignes de fabrication.

Google prévoit de partager les résultats de ces travaux de manière à ce que d'autres datacenters et opérateurs de systèmes industriels puissent bénéficier de l'expérience acquise.