SoSo CAD
Bilimsel makaleÜcretsiz okunur2026

EasyRider: Veri Merkezi Ölçeğindeki Eğitim İş Yüklerinde Güç Geçişlerinin Azaltılması

Özgün başlık EasyRider: Mitigating Power Transients in Datacenter-Scale Training Workloads

arXiv preprint (Stanford University) · Dillon Jensen, Grant Wilkins ve diğerleri

Stanford'dan arXiv ön baskısı; yüksek gerilim DC yapay zeka raflarında eğitim gücünü yukarı akış dağıtıma ulaşmadan koşullandıran raf düzeyinde bir güç dağıtım mimarisini sunar.

Özgün kaynağa git
Bu sayfada

Özet

Bu doküman, Dillon Jensen ve arkadaşlarının 2026'da arXiv'de yayımladığı (arXiv:2604.15522) ve Stanford Üniversitesi kaynaklı bir ön baskıdır. Sunduğu EasyRider, yüksek gerilim DC yapay zeka raflarında, eğitim gücünü yukarı akış dağıtıma ulaşmadan koşullandıran raf düzeyinde bir güç dağıtım mimarisidir. Bu bağlam, mimarinin neden raf düzeyinde, yani yukarı akış ekipmanından önce konumlandırıldığını açıklar.

Sorun şöyle tanımlanır: NVIDIA H100'de iletişim aşamaları güçte neredeyse anlık yüzde 80'lik bir azalmaya yol açar; 50.000 GPU'lu bir iş hesaplama sırasında 35 MW çekip iletişim sırasında 7 MW'a düşebilir. Yüksek rampalı gaz türbinleri çıkışı dakikada yaklaşık 10-20 MW değiştirebilir ve boştan maksimuma çıkmak için birkaç dakika gerekir. Yani yapay zeka eğitim yükünün hızı, şebeke tarafının rampa kabiliyetini aşabilir. Bu rakamlar prototip ölçeğinde elde edilmiştir ve saha ölçeğine doğrudan taşınmadan önce doğrulanmalıdır.

EasyRider üç bileşeni birleştirir: yüksek frekanslı dalgalanmalar için pasif bir LC filtresi, düşük frekanslı dalgalanmalar ve rampa sınırlama için aktif kontrollü bir raf bataryası ve DC regülatörü, ve batarya şarj durumunu orta bantta tutan bir yazılım denetleyicisi. Normalleştirilmiş küme izleri ve gerçek GPU eğitimiyle test edilen 10 kW / 400 VDC prototip, raf dalgalanmalarının şebekeye, şebeke rampa ve frekans sınırları içinde kademeli değişimler olarak ulaştığını ve eğitim kodunda değişiklik gerekmediğini gösterir.

Titan X testinde EasyRider yazılımla yük yakma yaklaşımından yüzde 19 daha az enerji kullanmıştır. Ölçülen H100 izinde hücreler yalnızca yaklaşık 0,05C ile çevrimlenir ve yüzde 80 kapasiteye yaklaşık 60 yıl öngörülür; daha derin dalgalanmalar bunu 0,26C ve yaklaşık on yıla yaklaştırır. Prototipin malzeme listesi yaklaşık 3.500 dolardır (0,35 dolar/W). Sınırlama: 10 kW'lık bir prototiptir; büyük ölçekli saha uygulaması ve yaşlanma modeli doğrulanmamıştır.

Öne çıkan noktalar

  1. NVIDIA H100'de iletişim aşamaları gücü neredeyse anında yüzde 80 azaltır; 50.000 GPU'lu bir iş hesaplamada 35 MW çekip iletişimde 7 MW'a düşebilir.
  2. Yüksek rampalı gaz türbinleri çıkışı dakikada yaklaşık 10-20 MW değiştirebilir; boştan maksimuma birkaç dakika gerekir.
  3. Titan X testinde EasyRider, yazılımla yük yakma yaklaşımından yüzde 19 daha az enerji kullandı ve daha düşük tepe güce sahipti.
  4. Ölçülen H100 izinde hücreler yalnızca yaklaşık 0,05C çevrimleniyor; yüzde 80 kapasiteye yaklaşık 60 yıl öngörülüyor; derin dalgalanmalarda 0,26C ve yaklaşık on yıl; prototip bataryası kapasitesinin yüzde 1'inden azını kullanıyor.
  5. 10 kW'lık prototipin malzeme listesi yaklaşık 3.500 dolar (0,35 dolar/W); GB200 rafına ölçeklendiğinde tahmini 3,7 milyon dolarlık raf maliyetinin yüzde 1,25'inin altında.
  6. Yazılım denetimi olmadan şarj durumu birkaç saat sonra yaklaşık yüzde 62'ye kaydı; denetleyici yaklaşık 20 dakikada orta banda geri getirdi.
  7. Pasif LC filtre, aktif raf bataryası ve DC regülatörü ile yazılım denetleyicisini birleştirir; arXiv ön baskısıdır.

Tasarımda kullanımı

  • Yüksek gerilim DC yapay zeka rafları için raf düzeyinde yumuşatma depolamasını (filtre, batarya veya süperkapasitör ve DC regülatör) katalog öğesi olarak sunun; boyutu yedek enerjiye göre değil, tepe güç dalgalanması ve şebeke rampa sınırına göre belirleyin.
  • Elektrik modelinde bunu raf PDU'sunun arkasına yerleştirin; böylece yukarı akış UPS (KGK) ve trafolar yumuşatılmış yük görür.
  • GPU güç tabanı/yük yakma seçenekleriyle enerji yükü hesabıyla karşılaştırın.
  • Ömür tahmini için batarya kimyasını (LFP), C oranını ve şarj durumu yönetimini parametre olarak ekleyin.

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
SoSo CAD güç ve kapasite çalışma alanındaki tek hat şeması

Kimler okumalı

Yüksek yoğunluklu yapay zeka eğitim tesislerinin güç mimarisini tasarlayan mühendisler ve şebeke arayüzü planlayanlar.

Yayın bilgileri

Yazarlar
Dillon Jensen; Grant Wilkins; Obi Nnorom; Hugo Budd; Ram Rajagopal; Juan Rivas-Davila; Phil Levis
Yayıncı
arXiv preprint (Stanford University)
Yıl
2026
Belge numarası
arXiv:2604.15522
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

Dillon Jensen; Grant Wilkins; Obi Nnorom; Hugo Budd; Ram Rajagopal; Juan Rivas-Davila; Phil Levis (2026). EasyRider: Mitigating Power Transients in Datacenter-Scale Training Workloads. arXiv preprint (Stanford University). arXiv:2604.15522. https://doi.org/10.48550/arXiv.2604.15522

ElektrikKabinUPS (KGK)

Konuyla ilgili etkinlikler

Etkinlik takvimini inceleyin

İçerik ve tüm hakları eser sahiplerine aittir. SoSo CAD yalnızca künye, kendi hazırladığı özet ve kaynağa bağlantı sunar; kaynakların içeriğinden sorumlu değildir.