La inteligencia artificial impulsa el ahorro energético en centros de datos

Un software desarrollado por investigadores de Penn State promete reducir en hasta un 25% el consumo energético destinado a refrigeración en centros de datos, una de las fuentes de mayor demanda eléctrica a nivel global. Esta innovación utiliza inteligencia artificial para adaptar el uso de energía en función de variables climáticas y económicas en tiempo real, lo que podría transformar tanto la eficiencia como la rentabilidad de estas instalaciones, según informó el medio tecnológico TechXplore.

De acuerdo con la información, la refrigeración representa aproximadamente el 40% del consumo total de electricidad de un centro de datos, una proporción que tiene impacto directo en los costos operativos y en la huella ambiental de la industria. Wangda Zuo, profesor de ingeniería arquitectónica en Penn State y autor principal del estudio, explicó que las instalaciones deben enfrentar condiciones ambientales extremas, como altas temperaturas, junto a la volatilidad en los precios de la electricidad y de criptomonedas como Bitcoin. Esto acorta significativamente las ventanas de rentabilidad para quienes operan estos centros.

El investigador Viswanathan Ganesh, doctorando y primer autor del artículo que será presentado en la conferencia internacional IEEE ITherm en Orlando, puntualizó que muchas soluciones actuales, incluso aquellas apoyadas en inteligencia artificial, requieren de extensos volúmenes de datos para entrenamiento y presentan dificultades para adaptarse a situaciones inéditas.

El software de Penn State aborda esta limitación mediante un modelo de aprendizaje reforzado e informado por principios físicos, que permite analizar ajustes dinámicos sin apartarse de los estándares de seguridad de la industria.

Simulación, validación y resultados en centros de datos

La respuesta directa a la problemática es un sistema capaz de simular un gemelo digital del centro de datos, al emplear este entorno virtual para entrenar un agente de inteligencia artificial que recomienda ajustes óptimos en la refrigeración según el clima, la humedad y las condiciones económicas locales.

Para validar su propuesta, los investigadores realizaron una simulación con un centro de datos ubicado en Houston, Texas, una región de calor y humedad elevados. Sobre la base de estas pruebas, el nuevo enfoque logró que un agente entrenado pudiese reducir en más de 24% el gasto energético en refrigeración y, además, permitió que la rentabilidad de las operaciones de minería de Bitcoin superara el 8% en el mismo periodo.

El equipo destacó que este modelo es “fácilmente integrable” en cualquier centro de datos de minería a escala comercial dentro de los Estados Unidos, pues puede evaluar y adaptar las recomendaciones de refrigeración según el precio vigente de la criptomoneda. En 2024, existen más de 100 instalaciones comerciales de minería de Bitcoin en el país, sector que ha crecido hasta ser una industria multimillonaria, indicó Zuo.

Además señaló que una de las novedades de este enfoque radica en que tradicionalmente los costos operativos del centro de datos y los ingresos derivados de la minería de criptomonedas se gestionaban por separado, de acuerdo con el medio tecnológico. Ahora, al optimizar ambos elementos de forma simultánea, es posible “mejorar la rentabilidad, reducir el consumo energético y disminuir el impacto ambiental del centro de datos”.

La solución captó el interés comercial mediante su adopción en Alerify, un centro de datos ubicado en Harrisburg, a través de la startup tecnológica Glacian Technologies Inc., cofundada por el propio profesor.

Potencial de expansión y aplicaciones en otras industrias

El desarrollo presentado parte de la creación de un entorno virtual que utiliza “modelos informados por la física” para cumplir con los estándares recomendados en temperatura y humedad, lo que permite asegurar la seguridad del hardware sin incurrir en un consumo excesivo. El investigador Ganesh explicó que los algoritmos consideran los límites operativos de cada componente enfriador y que los requisitos estáticos se incorporan de forma segura en el marco de control dinámico.

Más allá del ahorro energético, se destaca el potencial transversal de este método. Zuo afirmó que, aunque el primer objetivo de aplicación fueron los centros de datos, la arquitectura del software constituye un marco “muy genérico y podría usarse para mejorar la eficiencia de la refrigeración en edificios comerciales de diversas industrias”.

La validación de este modelo, que conjuga simulación virtual, aprendizaje automático y adaptación a precios fluctuantes, prefigura un avance relevante para cualquier industria con alto consumo energético y sensibilidad frente a factores climáticos y económicos locales. Con pruebas realizadas en escenarios críticos de temperatura, la arquitectura propuesta ofrece una plataforma que permite ajustes automáticos en tiempo real, con margen para expandir su impacto a nuevos mercados y aplicaciones en el corto plazo.