Home Bots & Business Digital Twin voor AI-fabrieken

Digital Twin voor AI-fabrieken

door Marco van der Hoeven

Schneider Electric en ETAP hebben een Digital Twin ontwikkeld die specifiek gericht is op het modelleren en simuleren van de energiebehoeften van AI-fabrieken. Deze technologie is tot stand gekomen in samenwerking met NVIDIA en maakt gebruik van de Omniverse Blueprint, een cloudgebaseerd platform waarmee meerdere fysieke systemen – waaronder mechanische, thermische, netwerk- en elektrische componenten – virtueel kunnen worden geïntegreerd.

De toepassing is ontworpen om gedetailleerd inzicht te bieden in de werking van elektrische infrastructuur binnen datacenters die AI-workloads draaien. In tegenstelling tot eerdere visualisatietechnologieën maakt deze oplossing het mogelijk om complexe en dynamische simulaties uit te voeren, onder andere door realtimedata te combineren met geavanceerde analysetools. Dit biedt datacenterbeheerders onder meer mogelijkheden voor ontwerpoptimalisatie, realtime prestatiebewaking, “what if”-scenario-analyses, en voorspellingen over energieverbruik en systeemgedrag.

De Digital Twin-technologie maakt gebruik van ETAP’s elektrische modellering en analyses, gecombineerd met visualisatie- en simulatiecapaciteiten van NVIDIA Omniverse. Volgens de betrokken bedrijven kan dit leiden tot verbeteringen op het gebied van energie-efficiëntie, betrouwbaarheid van systemen en onderhoudsplanning, evenals een daling van de totale eigendomskosten door beter afgestemde infrastructuurinvesteringen.

De stijgende energievraag door AI-toepassingen – waaronder modeltraining en inferentie – vereist volgens de partners een herziening van het ontwerp en de werking van datacenters. De gecombineerde technologie van Schneider Electric, ETAP en NVIDIA richt zich op een zogeheten “Grid to Chip”-benadering, waarbij nauwkeurige modellering van de vermogensdynamiek op chipniveau centraal staat. Hierdoor kunnen operators het energieverbruik per rack of server nauwkeuriger inschatten en hun infrastructuur daarop afstemmen.

 

Misschien vind je deze berichten ook interessant

preload imagepreload image