साझेदारियाँ

वितरित एआई के लिए बिजली-सचेत शेड्यूलिंग अध्ययन की योजना बना रहा है RAVEL

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें

RAVEL ने 12 नवंबर, 2026 को घोषणा की कि वह Sandia National Laboratories के साथ Project Quicksilver पर शोध-सहयोग करेगा। यह भौगोलिक रूप से बिखरे कंप्यूटिंग परिवेशों में एआई कार्यभार की बिजली-सचेत शेड्यूलिंग की कई चरणों वाली पड़ताल है। पहले चरण में Sandia के तीन स्थान शामिल होंगे और इसमें वायु-शीतित तथा द्रव-निमज्जन शीतित प्रणालियों की तुलना की जाएगी।

अध्ययन में यह जाँचा जाएगा कि क्या ऊर्जा, क्षमता और लागत की सीमाओं से निपटने के लिए बिजली की उपलब्धता, परिचालन स्थितियाँ और कार्यभार की ज़रूरतें शेड्यूलिंग तथा कार्यभार रखने के फ़ैसलों का मार्गदर्शन कर सकती हैं। इसका उद्देश्य यह पड़ताल करके डेटा केंद्रों के डिज़ाइन और संचालन को दिशा देना है कि बिजली और कंप्यूटिंग क्षमता का अधिक उत्पादक उपयोग कैसे किया जा सकता है—यह मानकर नहीं कि अतिरिक्त क्षमता अपने-आप अधिक उपयोगी अवसंरचना तैयार कर देती है। घोषणा में नियोजित मापों का वर्णन है, न कि पूरे हो चुके निष्कर्षों या साबित हुई बचत का।

RAVEL की सीईओ और सह-संस्थापक Denise Muyco ने कहा कि इस परियोजना में यह जाँचा जाएगा कि अधिक ज़िम्मेदार ऊर्जा उपयोग को बढ़ावा देते हुए, समन्वयन एआई अवसंरचना में किए गए निवेश को अधिक उत्पादक कैसे बना सकता है।

तीन स्थानों पर प्रयोगात्मक डिज़ाइन

पहले चरण में विस्तृत क्षेत्र के नेटवर्क से जुड़े Sandia के तीन स्थानों पर शीतलन के दोनों परिवेशों का मूल्यांकन किया जाएगा। वायु-शीतित परिवेशों के लिए Box–Behnken प्रयोगात्मक डिज़ाइन और द्रव-निमज्जन शीतित परिवेशों के लिए Plackett–Burman डिज़ाइन का उपयोग किया जाएगा। अन्य प्रयोगात्मक कारकों के साथ-साथ नेटवर्क की बैंडविड्थ और गति में भी बदलाव किया जाएगा।

ऊर्जा-दक्षता विश्लेषण में अलग-अलग शीतलन परिवेशों में समान कार्यभारों की तुलना की जाएगी और कंप्यूटिंग, आईटी अवसंरचना तथा डेटा केंद्रों के संचालन को भी गणना में शामिल किया जाएगा। मापों में ऊर्जा का उपयोग, TUE और PUE के अनुसार समायोजित दक्षता तथा ऊष्मा के संभावित पुनःउपयोग के लाभ शामिल होंगे। इस दायरे में कार्यभार को कहाँ रखा जाए, इस निर्णय को सुविधा और शीतलन की अतिरिक्त लागत से जोड़ा गया है; कंप्यूटिंग उपकरणों को अलग-थलग रखकर नहीं मापा जाएगा।

स्वामित्व की कुल लागत का एक अलग विश्लेषण यह आकलन करेगा कि वितरित परिवेशों में शेड्यूलिंग और कार्यभार रखने के फ़ैसले कंप्यूटिंग लागतों को कैसे प्रभावित करते हैं। इसमें अवसंरचना, बिजली, शीतलन, नेटवर्किंग और संचालन से जुड़े पूँजीगत तथा परिचालन व्यय शामिल हैं। तीसरे कार्य-क्षेत्र में एआई कार्यभार को पूरा होने में लगने वाला समय मापा जाएगा। इससे निष्पादन समय को ऊर्जा की खपत और लागत के साथ रखकर शोधकर्ता इन उद्देश्यों के बीच के समझौतों का अध्ययन कर सकेंगे।

अलग-अलग स्थानों पर संघबद्ध समन्वयन

RAVEL, Orchestrate AI को अलग-अलग प्रकार के और भौगोलिक रूप से वितरित संसाधनों में एआई कार्यभारों के प्रबंधन के लिए एक संघबद्ध समन्वयन परत के रूप में प्रस्तुत करता है। प्रस्तावित मॉडल में हर परिवेश को अलग-अलग बेहतर बनाने के बजाय, सभी स्थानों का समन्वय एक ही प्रणाली के रूप में किया जाता है। इसकी बिजली-सचेत शेड्यूलिंग और नीतियों पर आधारित प्रबंधन में उपलब्ध बिजली, लागत, प्रदर्शन की ज़रूरतें, अवसंरचना की स्थितियाँ, कार्यभार की ज़रूरतें और परिचालन प्राथमिकताएँ शामिल हैं।

Sandia में अवसंरचना कंप्यूटिंग सेवाओं के इंजीनियरिंग कार्यक्रम और परियोजना प्रमुख Dave Martinez ने सहयोग का दायरा बताया: “RAVEL के साथ सहकारी अनुसंधान एवं विकास समझौते के तहत, हम यह पता लगाएंगे कि क्या कार्यभार को गतिशील रूप से अलग-अलग स्थानों पर रखने से प्रदर्शन और लागत के बीच संतुलन बनाए रखते हुए उपलब्ध बिजली और कंप्यूटिंग संसाधनों का बेहतर उपयोग किया जा सकता है।”

प्रयोग की यह रूपरेखा इसलिए महत्त्वपूर्ण है, क्योंकि किसी कार्यभार को दूसरी जगह ले जाने या उसका शेड्यूल बदलने से सिर्फ़ उसकी ऊर्जा खपत ही नहीं बदल सकती। परीक्षण डिज़ाइन में नेटवर्किंग और परिचालन लागत, शीतलन परिवेश तथा निष्पादन समय पर भी नज़र रखी जाती है, जिससे शोधकर्ता अवसंरचना की कई सीमाओं के संदर्भ में कार्यभार रखने के फ़ैसलों का आकलन कर सकते हैं।

प्रयोगशाला विस्तार और SC26

शुरुआत में शोध का नेतृत्व Sandia कर रहा है। सहयोगियों की योजना Project Quicksilver को अमेरिकी ऊर्जा विभाग की अन्य राष्ट्रीय प्रयोगशालाओं तक विस्तार देने और पर्यावरण तथा प्रदर्शन-अनुकूलन से जुड़े अन्य उपयोग-मामलों की पड़ताल करने की है।

RAVEL और Sandia, 17 नवंबर, 2026 को SC26 के दौरान ऊर्जा विभाग के बूथ पर प्रयोगात्मक तरीक़े, नियोजित परीक्षण चरणों और शोध से मिलने वाले संभावित निष्कर्षों पर चर्चा करने वाले हैं।

Project Quicksilver का केंद्रीय सवाल यह है कि क्या अलग-अलग डेटा केंद्रों को एक समन्वित प्रणाली के रूप में चलाने से कार्यभार के प्रदर्शन को नुकसान पहुँचाए बिना ऊर्जा का उपयोग और कंप्यूटिंग की अर्थव्यवस्था बेहतर की जा सकती है। इसकी मापन-योजना इसे अवसंरचना से जुड़ा एक साझा सवाल बनाती है: शेड्यूलिंग के फ़ैसले बिजली की खपत को प्रभावित करते हैं, लेकिन शीतलन, नेटवर्किंग, पूँजीगत लागत और काम पूरा होने का समय भी तय करते हैं कि इन फ़ैसलों से वितरित कंप्यूटिंग अधिक उत्पादक होगी या नहीं।

Theo Nash एक एआई द्वारा निर्मित शोध एजेंट हैं Unite.AI में, जो AI इन्फ्रास्ट्रक्चर, कंप्यूट, और आधुनिक कृत्रिम बुद्धिमत्ता को शक्ति देने वाले हार्डवेयर सिस्टम को कवर करते हैं। उनका काम बड़े पैमाने पर AI वर्कलोड्स के तकनीकी आधार पर केंद्रित है, जिसमें डेटा सेंटर, एक्सेलेरेटर, नेटवर्किंग, और उन्हें जोड़ने वाले सॉफ्टवेयर स्टैक शामिल हैं।

एक विश्लेषणात्मक और इंजीनियरिंग-उन्मुख दृष्टिकोण के साथ, Theo यह जांचते हैं कि GPUs, कस्टम सिलिकॉन, मेमोरी आर्किटेक्चर, और वितरित सिस्टम में प्रगति नई पीढ़ियों के AI मॉडल को कैसे सक्षम बनाती है। वे प्रदर्शन समझौते, ऊर्जा दक्षता, स्केलेबिलिटी, और व्यावहारिक प्रतिबंधों पर विशेष ध्यान देते हैं जो वास्तविक दुनिया में AI इन्फ्रास्ट्रक्चर की तैनाती को आकार देते हैं।

Theo Nash द्वारा लिखे गए लेख AI-जनित हैं और Unite.AI की संपादकीय टीम द्वारा तकनीकी शुद्धता, स्पष्टता, और तेजी से विकसित हो रहे AI कंप्यूट परिदृश्य की जिम्मेदार कवरेज सुनिश्चित करने के लिए समीक्षित किए जाते हैं।