Yapay Zekâ Yük Dalgalanmaları Veri Merkezi Güç Dönüşüm Verimliliğini Nasıl Düşürür
Özgün başlık How AI Load Swings Reduce Datacenter Power Conversion Efficiency
arXiv preprint (Texas A&M University) · Heetarth Joshi, Ali Alenezi ve diğerleri
Texas A&M'den kısa bir teknik not; yapay zekâ iş yüklerinin hesaplama ve iletişim aşamaları arasındaki güç salınımının, kademeli raf güç dönüşümünün verimliliğini nasıl düşürdüğünü nicelleştirir.
Bu sayfada
Özet
Heetarth Joshi, Ali Alenezi, Fang Chen Lin, Prasad Enjeti, Xiaoyang Wang ve Xin Chen'in hazırladığı bu kısa teknik not (arXiv:2610.33300, 2026), yapay zekâ iş yüklerinin hesaplama ve iletişim aşamaları arasındaki güç salınımının, kademeli raf güç dönüşümünün verimliliğini nasıl düşürdüğünü nicelleştirir. Not, henüz hakemli yayına dönüşmemiş bir arXiv ön baskısıdır. Yöntem, üreticilerin verimlilik eğrilerini kullanır: GaN PFC (240 VAC'den 400 VDC'ye), LLC (400 V'tan 51 V'a) ve yük noktası (POL) kademeleri (48 V'tan 1 V'a).
Yazarlar, enerjiye dayalı, çevrim ortalamalı bir verimlilik formülünü 1 Hz ve %50 görev oranlı bir kare dalga yüke uygular. Bu formül, (D*PH + (1-D)*PL) / (D*PH/etaH + (1-D)*PL/etaL) biçimindedir. Sonuç, ortalama yükte değerlendirilen verimliliğin gerçek verimliliği olduğundan yüksek gösterdiğidir ve bu cezanın yükle değişen her dönüşüm kademesiyle büyüdüğüdür. Örnekte, 5 kW ile 510 W arasında salınan yük için 240 VAC'den 51 VDC'ye yol verimliliği %95,97'ye düşer; eşdeğer sabit ortalama yükte ise %96,82'dir (%0,88 kayıp).
48 V'tan 1 V'a POL dönüşümü eklenince çevrim verimliliği %89,45'tir; sabit 2755 W ortalama yükte ise %90,96'dır, yani %1,66'lık bir azalma. Kademeli sistem verimliliği, 5000 W çip gücünde %90,35 iken 510 W'ta yalnızca %81,55'tir. Sınır: şebeke tarafı trafo ve UPS (KGK) kayıpları dışarıda bırakılmıştır; yazarlar bunların dahil edilmesinin dalgalanan yapay zekâ yüklerinden ek kayıp getireceğini belirtir. Not kısa bir analizdir ve belirli bir yük profili ve üretici eğrileriyle sınırlıdır.
Öne çıkan noktalar
- 1 Hz, %50 görev oranlı, 5 kW ile 510 W arasında salınan yük için 240 VAC'den 51 VDC'ye yol verimliliği %95,97'ye düşer; eşdeğer sabit ortalama yükte %96,82 (%0,88 kayıp).
- 48 V'tan 1 V'a POL dönüşümü dahil, çevrim verimliliği %89,45; sabit 2755 W ortalama yükte %90,96 (%1,66 azalma).
- Kademeli sistem verimliliği 5000 W çip gücünde %90,35, 510 W'ta ise %81,55 (düşük yükte POL %90, DC-DC %94,05, AC-DC %96,35).
- Çevrim verimliliği (D*PH + (1-D)*PL) / (D*PH/etaH + (1-D)*PL/etaL) ile hesaplanır.
- Şebeke tarafı trafo ve UPS kayıpları hariç tutuldu; yazarlar bunların eklenmesinin dalgalanan yüklerden ek kayıp getireceğini belirtir.
- Ortalama yükte değerlendirilen verimlilik, gerçek verimliliği olduğundan yüksek gösterir; ceza her yüke bağlı dönüşüm kademesiyle büyür.
Tasarımda kullanımı
- Yapay zekâ salonları için güç zinciri kayıp hesaplayıcılarında PSU, UPS ve trafo verimliliğini yalnızca ortalama yükte değerlendirmeyin; görev oranı, yüksek/düşük güç ve frekans içeren bir yük profili tanımlayıcısı kabul edin.
- Katalogdaki kısmi yük verimlilik eğrileriyle her kademe için enerji ağırlıklı çevrim verimliliği hesaplayın.
- PSU, doğrultucu, UPS ve DC-DC kademeleri için yalnızca tek tepe değeri değil, tam verimlilik-yük eğrilerini saklayın.
- Eğitim iş yükü kademeleri düşük yük bölgesine ittiğinde uyarı verin.
- Ek kaybı (yaklaşık %1-2) ısı yükü ve PUE tahminlerine yansıtın.
Aylık bülten · ücretsiz
Referans listeniz güncel kalsın
Ayda bir: yeni eklenen kaynaklar, Türkiye mevzuatındaki değişiklikler ve yaklaşan veri merkezi etkinlikleri.
SoSo CAD
Güç tasarımınızı SoSo CAD’de değerlendirin
Besleme yollarını, ekipman yüklerini ve UPS arıza senaryolarını aynı modelde inceleyin.
Demo iste
Kimler okumalı
Yapay zekâ salonlarının güç zincirini tasarlayan elektrik mühendisleri, UPS ve PSU seçenler ve verimlilik hesaplayıcıları geliştirenler.
Yayın bilgileri
- Yazarlar
- Heetarth Joshi; Ali Alenezi; Fang Chen Lin; Prasad Enjeti; Xiaoyang Wang; Xin Chen
- Yayıncı
- arXiv preprint (Texas A&M University)
- Yıl
- 2026
- Belge numarası
- arXiv:2610.33300
- Belge dili
- İngilizce
- Kaynak türü
- Bilimsel yayın
- Erişim
- Ücretsiz okunur
- Lisans
- arXiv dağıtım izni — yeniden kullanım koşulları hak sahibine bağlıdır
Özgün lisans notu (İngilizce)
arXiv default non-exclusive distribution licence; citation only
Künye
Heetarth Joshi; Ali Alenezi; Fang Chen Lin; Prasad Enjeti; Xiaoyang Wang; Xin Chen (2026). How AI Load Swings Reduce Datacenter Power Conversion Efficiency. arXiv preprint (Texas A&M University). arXiv:2610.33300. https://doi.org/10.48550/arXiv.2610.33300
Konuyla ilgili etkinlikler
- Electricity Eurasia 2027
- ELECO 2026 Elektrik-Elektronik ve Biyomedikal Mühendisliği Konferansı
- The smarter E Europe (Intersolar Europe, ees Europe, Power2Drive, EM-Power)
İçerik ve tüm hakları eser sahiplerine aittir. SoSo CAD yalnızca künye, kendi hazırladığı özet ve kaynağa bağlantı sunar; kaynakların içeriğinden sorumlu değildir.