IA soluciona su propio gasto energético: este es el sistema que analiza el clima para enfriar centros de datos

Uno de los retos más costosos del avance de la inteligencia artificial es el consumo energético de los centros de datos, donde se almacenan y procesan enormes cantidades de información utilizada por servicios como ChatGPT, Gemini o Claude.

Un equipo de investigadores de Penn State ha desarrollado un sistema que usa información meteorológica en tiempo real para reducir el gasto en refrigeración, marcando un hito en la eficiencia operativa de estas instalaciones.

Cuál es el desafío del enfriamiento en centros de datos

Los centros de datos son infraestructuras colosales que concentran equipos informáticos de alto rendimiento. Estos sistemas generan mucho calor y requieren sistemas de refrigeración potentes para evitar fallos y mantener la operatividad constante.

Según estimaciones, el enfriamiento representa cerca del 40% del consumo total de electricidad de un centro de datos, lo que equivale en conjunto a la energía que consumen millones de hogares cada año.

El enfriamiento tradicionalmente se realiza manteniendo una temperatura fija y segura. Sin embargo, esta estrategia no considera variaciones en el clima o en el precio de la electricidad, lo que puede llevar a pérdidas económicas cuando los costos energéticos se disparan.

La cuestión es especialmente relevante en actividades como la minería de criptomonedas, donde la rentabilidad depende tanto del precio del Bitcoin como de los gastos operativos.

En términos directos, la refrigeración de un centro de datos puede costar millones de dólares anuales en electricidad, tanto para empresas como para contribuyentes. Por ello, la eficiencia en la gestión térmica se ha convertido en un objetivo estratégico global.

Cómo funciona el nuevo software basado en inteligencia artificial

La novedad presentada por el grupo de Penn State consiste en un software que utiliza inteligencia artificial para analizar, en tiempo real, datos meteorológicos y económicos. El sistema se apoya en un modelo de aprendizaje basado en la física, lo que le permite interpretar con precisión las variaciones de temperatura, humedad y condiciones del mercado eléctrico.

El software simula un “gemelo digital” del centro de datos, es decir, una réplica virtual donde la IA puede entrenarse y aprender a tomar decisiones óptimas. Este agente inteligente es capaz de recomendar ajustes personalizados para la refrigeración, considerando el clima local y el precio de la energía en cada momento.

Un agente entrenado puede, por ejemplo, aumentar la potencia de los sistemas de enfriamiento cuando la electricidad es más barata o las condiciones meteorológicas son favorables, y reducirla cuando los costos suben o el clima es menos propicio. Así, el consumo energético se adapta dinámicamente, sin sacrificar la estabilidad ni la seguridad de los equipos.

Este método ha sido puesto a prueba en la simulación de un centro de datos ubicado en Houston, Texas, una ciudad conocida por sus altas temperaturas y humedad extrema. La capacidad de reacción del sistema fue clave para demostrar su eficacia en entornos exigentes.

Cuáles han sido los resultados y ventajas de este nuevo enfoque

El empleo de este software puede reducir el uso de energía para refrigeración en más de un 24 %, según los resultados reportados por los investigadores. Este ahorro no solo significa menos gasto para las empresas, sino también una menor huella ambiental, ya que implica menos emisiones derivadas de la generación eléctrica.

Una de las preguntas clave es: ¿por qué es tan relevante reducir el gasto en refrigeración de los centros de datos? La respuesta reside en que el enfriamiento representa cerca de la mitad del consumo energético total de estas instalaciones. Si se logra disminuir ese porcentaje de manera eficiente, se consigue un impacto económico y ambiental considerable.

Además, el modelo puede incorporar información sobre el precio de las criptomonedas, como el Bitcoin, y ajustar la refrigeración para maximizar la rentabilidad de las operaciones de minería. Durante las pruebas, la integración de la IA permitió mejorar la rentabilidad de la minería en más de un 8 %, al tiempo que se reducía el costo energético.