গেটি ইমেজ
সম্প্রতি, দুই কম্পিউটার বিজ্ঞানীর একটি ধারণা ছিল: কম্পিউটার যদি গণনা করার জন্য শক্তি ব্যবহার করে, তাহলে সংরক্ষিত ডেটা কি সঞ্চিত শক্তির একটি রূপ হতে পারে? কেন শক্তি সঞ্চয় করার উপায় হিসাবে কম্পিউটিং ব্যবহার করবেন না?
যদি তথ্য একটি ব্যাটারি হতে পারে, মানুষ?
এটি দেখা যাচ্ছে, ধারণাটি যতটা সুদূরপ্রসারী তা শোনাতে পারে না। “তথ্য ব্যাটারি” ধারণা, একটি মধ্যে fleshed আউট সাম্প্রতিক কাগজ, বিদ্যুত সস্তা হলে আগে থেকেই নির্দিষ্ট গণনা সম্পাদন করবে — যেমন যখন সূর্য জ্বলছে বা বাতাস বইছে — এবং পরে ফলাফলগুলি ক্যাশে করবে৷ প্রক্রিয়াটি ডেটা সেন্টারগুলিকে তাদের শক্তির 30 শতাংশ পর্যন্ত উদ্বৃত্ত পুনর্নবীকরণযোগ্য শক্তি দিয়ে প্রতিস্থাপন করতে সহায়তা করতে পারে।
সিস্টেমের সৌন্দর্য হল যে এটির জন্য কোন বিশেষ হার্ডওয়্যারের প্রয়োজন নেই এবং খুব সামান্য ওভারহেড আরোপ করে।
“তথ্য ব্যাটারিগুলি বিদ্যমান ডেটা সেন্টারগুলির সাথে কাজ করার জন্য ডিজাইন করা হয়েছে,” লিখেছেন লেখক জেনিফার সুইজার, ইউসি সান দিয়েগোর একজন ডক্টরাল ছাত্র এবং দক্ষিণ ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়ের একজন সহকারী অধ্যাপক বারাথ রাঘবন৷ “কিছু খুব সীমিত প্রক্রিয়াকরণ ক্ষমতা আইবি-র জন্য সংরক্ষিত [information battery] ম্যানেজার, যা রিয়েল-টাইম কম্পিউটেশনাল টাস্ক এবং প্রিকম্পিউটেশন উভয়ের সময়সূচী পরিচালনা করে। মেশিন বা VM-এর একটি ক্লাস্টার প্রি-কম্পিউটেশনের জন্য ডিজাইন করা হয়েছে। আইবি ক্যাশে, যা এই পূর্বনির্ধারণের ফলাফল সংরক্ষণ করে, দ্রুত পুনরুদ্ধারের জন্য স্থানীয় রাখা হয়। অতিরিক্ত পরিকাঠামোর প্রয়োজন নেই।”
পূর্বাভাস চাবিকাঠি
প্রতিটি কাজ তথ্য-ব্যাটারি পদ্ধতির জন্য উপযুক্ত নয়, তবে অনেক ডেটা সেন্টারের জন্য, নির্দিষ্ট লোডগুলি যুক্তিসঙ্গত নির্ভুলতার সাথে ভবিষ্যদ্বাণী করা যেতে পারে এবং পরে পুনরুদ্ধারের জন্য ক্যাশে করা যেতে পারে। উদাহরণস্বরূপ, Netflix-এর মতো কোম্পানিগুলি একটি ফর্ম্যাটে ভিডিও গ্রহণ করতে পারে এবং তারপর বিভিন্ন ডিভাইসের জন্য এটিকে অপ্টিমাইজ করতে ট্রান্সকোড করতে পারে, একটি প্রক্রিয়া যা সবসময় সময়-সংবেদনশীল নয়। মেশিন-লার্নিং অ্যালগরিদম প্রশিক্ষণ দেওয়ার সময়ও একই কথা সত্য — কম্পিউটার বিজ্ঞানীরা প্রশিক্ষণের ডেটা সারিবদ্ধ করতে পারেন এবং কখন প্রশিক্ষণ চালানো হবে তা তথ্য-ব্যাটারি ম্যানেজারকে সিদ্ধান্ত নিতে দিতে পারেন। গুগল ব্যবহার করে আসছে এই মত একটি সিস্টেম কার্বন নির্গমন কম করার জন্য কয়েক বছর ধরে, যদিও আপনি আশা করতে পারেন, বিশদ বিবরণ খুব কম।
তথ্য-ব্যাটারি ম্যানেজার কিছু উপায়ে পিসি বা স্মার্টফোন অপারেটিং সিস্টেমের মধ্যে পাওয়া শিডিউলারের অনুকরণ করে। সেখানে, শিডিউলাররা সিপিইউ এবং অন্যান্য চিপগুলির মাধ্যমে ডেটার প্রবাহকে অপ্টিমাইজ করে যাতে জিনিসগুলি সহজভাবে চলতে থাকে। সিস্টেমে টাস্ক এবং চাহিদার উপর নির্ভর করে, শিডিউলার ব্যবহারকারীর ইনপুটগুলির জন্য ইন্টারফেসটিকে প্রতিক্রিয়াশীল রাখতে পারে, বা এটি একটি গণনা-নিবিড় কাজকে অগ্রাধিকার দিতে পারে যাতে এটি আরও দ্রুত শেষ হয়।
তথ্য ব্যাটারির ক্ষেত্রে, ম্যানেজার বিদ্যুতের দাম এবং সময়ের আগে সম্পাদন করা যেতে পারে এমন কাজগুলির প্রাপ্যতার উপর ভিত্তি করে কাজের চাপকে অপ্টিমাইজ করে। ম্যানেজারের তিনটি প্রধান অংশ রয়েছে – একটি মূল্য-পূর্বাভাস ইঞ্জিন, একটি প্রাক-গণনা ইঞ্জিন এবং একটি শিডিউলার। কোন কাজগুলি চালানো হবে তা নির্ধারণ করতে, সময়সূচী মূল্য-ভবিষ্যদ্বাণী এবং প্রাক-গণনা ইঞ্জিন থেকে তথ্য ওজন করে। মূল্য-ভবিষ্যদ্বাণী ইঞ্জিন ভবিষ্যতের বিদ্যুতের দামের পূর্বাভাস দিতে একটি নিউরাল নেটওয়ার্ক ব্যবহার করে, যখন প্রাক-গণনা ইঞ্জিন ভবিষ্যত কম্পিউটেশনাল চাহিদার পূর্বাভাস দিতে একটি ভিন্ন নিউরাল নেটওয়ার্ক ব্যবহার করে।
ধারণাটি পরীক্ষা করার জন্য তৈরি করা মডেল সুইজার এবং রাঘবনে, আইবি ম্যানেজার প্রতি পাঁচ মিনিটে গ্রিড অপারেটরদের জিজ্ঞাসা করেছিলেন – অপারেটরদের দেওয়া সবচেয়ে ছোট সময়ের ব্যবধান – তার ভবিষ্যদ্বাণী জানাতে পাওয়ারের দাম পরীক্ষা করার জন্য। যখন দামগুলি একটি সেট থ্রেশহোল্ডের নীচে নেমে যায়, তখন ম্যানেজার গণনাগুলির একটি ব্যাচকে সবুজ আলোকিত করে এবং সেগুলিকে পরবর্তী সময়ের জন্য ক্যাশে করে।
গ্রিড-স্কেল ব্যাটারি প্রতিস্থাপন
সিস্টেমটি ব্যয়বহুল “গ্রিড পাওয়ার” এর প্রয়োজনীয়তা হ্রাস করার জন্য বেশ কার্যকর ছিল, যেমন লেখকরা এটিকে বলে, এমনকি যখন প্রাক-গণনা ইঞ্জিনটি নিকট ভবিষ্যতে কোন কাজগুলির প্রয়োজন হবে তা ভবিষ্যদ্বাণী করার তুলনামূলকভাবে দুর্বল কাজ করেছিল। মাত্র 30 শতাংশ নির্ভুলতায়, ম্যানেজার তথাকথিত “সুযোগ শক্তি” যেটি অতিরিক্ত বায়ু বা সৌরশক্তি থাকলে তৈরি হয় তার সর্বাধিক ব্যবহার করা শুরু করতে পারে।
একটি সাধারণ বড় ডেটা সেন্টারে, প্রায় 90 শতাংশ নির্ভুলতার সাথে প্রায় 90 মিনিট আগে ওয়ার্কলোডের ভবিষ্যদ্বাণী করা যেতে পারে, লেখকরা লিখেছেন। 60 মিনিটের একটি আরও রক্ষণশীল ভবিষ্যদ্বাণী উইন্ডো সহ, “এই ধরনের একটি ডেটা সেন্টার 150 MWh সঞ্চয় করতে পারে, বেশিরভাগ গ্রিড-স্কেল ব্যাটারি-ভিত্তিক স্টোরেজ প্রকল্পের তুলনায় উল্লেখযোগ্যভাবে বেশি,” তারা বলে। একটি সমতুল্য গ্রিড-স্কেল ব্যাটারির খরচ হবে প্রায় $50 মিলিয়ন, তারা নোট করে।
যদিও লেখকরা একটি তথ্য ব্যাটারি চালানোর জন্য কত খরচ হবে তার একটি অনুমান প্রদান করেন না, এটি উল্লেখযোগ্যভাবে সস্তা হতে পারে কারণ এটি বিদ্যমান অবকাঠামোর উপর নির্ভর করে এবং সফ্টওয়্যারে প্রয়োগ করা হয়, যা বিদ্যুতের দামের উপর ভিত্তি করে অপ্টিমাইজ করা যেতে পারে। ডেটা সেন্টারের গণনামূলক চাহিদা।
আজ, অতিরিক্ত বায়ু বা সৌর শক্তির অনেক সময় নেই – বেশিরভাগ গ্রীষ্মকালে ক্যালিফোর্নিয়ায় যখন এটি বিশেষ করে রোদ থাকে এবং টেক্সাসে যখন এটি বিশেষভাবে বাতাস থাকে। কিন্তু অদূর ভবিষ্যতে, যখন গ্রিডে আরও বেশি বায়ু এবং সৌর থাকবে, তখন নেতিবাচক বিদ্যুতের দামগুলি আরও সাধারণ হয়ে উঠতে পারে এবং তথ্য ব্যাটারিগুলি কার্যকর এবং ব্যাপক হতে পারে।
“আইবি পদ্ধতির মূল বিষয় হল এটি একটি সাধারণ-উদ্দেশ্য সমাধান নয় তবে অনেক সাধারণ কাজের চাপের জন্য কার্যকর হতে পারে,” লেখক লিখেছেন। প্রদত্ত যে ডেটা সেন্টারগুলি মার্কিন যুক্তরাষ্ট্রে ব্যবহৃত সমস্ত বিদ্যুতের প্রায় দুই শতাংশ ব্যবহার করে — এমন একটি সংখ্যা যা বৃদ্ধি পাওয়ার জন্য নির্দিষ্ট — তথ্য ব্যাটারিগুলি বিশাল এবং ব্যয়বহুল ব্যাটারির জন্য একটি সাশ্রয়ী বিকল্প হয়ে উঠতে পারে৷
