RAVEL planlegger studie av effektbevisst planlegging for distribuert KI

RAVEL kunngjorde 12. november 2026 et forskningssamarbeid med Sandia National Laboratories om Project Quicksilver, en flerfaset undersøkelse av effektbevisst planlegging av KI-arbeidsbelastninger på tvers av geografisk distribuerte datamiljøer. Fase én omfatter tre Sandia-steder og sammenligner luftkjølte og væskekjølte systemer med nedsenking.

Studien skal undersøke om tilgang på effekt, driftsforhold og krav til arbeidsbelastning kan danne grunnlag for beslutninger om planlegging og plassering som tar hensyn til begrensninger knyttet til energi, kapasitet og kostnader. Formålet er å gi grunnlag for utforming og drift av datasentre ved å undersøke hvordan effekt og datakapasitet kan utnyttes mer produktivt, i stedet for å anta at økt kapasitet automatisk gir mer nyttig infrastruktur. Kunngjøringen beskriver planlagte målinger, ikke ferdige resultater eller dokumenterte besparelser.

RAVELs administrerende direktør og medgründer Denise Muyco sa at prosjektet skal undersøke hvordan orkestrering kan gjøre investeringer i KI-infrastruktur mer produktive, samtidig som det legges til rette for et mer ansvarlig energiforbruk.

Eksperimentopplegg på tre steder

I fase én skal de to kjølemiljøene evalueres ved tre Sandia-steder som er knyttet sammen via et geografisk vidstrakt nettverk. For de luftkjølte miljøene skal det brukes et Box–Behnken-eksperimentopplegg, og for de nedsenkingskjølte miljøene et Plackett–Burman-opplegg. Nettverksbåndbredde og -hastighet skal varieres sammen med andre forsøksfaktorer.

Analysen av energieffektivitet skal sammenligne identiske arbeidsbelastninger på tvers av kjølemiljøene og ta hensyn til databehandling, IT-infrastruktur og drift av datasenteret. Målingene skal omfatte energiforbruk, TUE og effektivitet justert for PUE, samt mulige fordeler ved gjenbruk av varme. Denne avgrensningen knytter plasseringen av arbeidsbelastninger til kostnader for anlegg og kjøling, i stedet for å måle datautstyret isolert.

En separat analyse av totale eierkostnader skal vurdere hvordan planlegging og plassering påvirker datakostnadene på tvers av distribuerte miljøer. Analysen omfatter kapital- og driftsutgifter knyttet til infrastruktur, strøm, kjøling, nettverk og drift. Et tredje arbeidsspor skal måle tiden det tar å fullføre KI-arbeidsbelastninger, slik at utførelsestid vurderes sammen med energiforbruk og kostnader, og forskerne kan undersøke avveiningene mellom disse målene.

Federert orkestrering på tvers av steder

RAVEL beskriver Orchestrate AI som et federert orkestreringslag for håndtering av KI-arbeidsbelastninger på tvers av heterogene, geografisk distribuerte ressurser. Den planlagte modellen samordner stedene som ett system, i stedet for å optimalisere hvert miljø uavhengig av de andre. Den effektbevisste planleggingen og den policybaserte styringen tar hensyn til tilgjengelig effekt, kostnader, ytelseskrav, infrastrukturforhold, arbeidsbelastningens behov og driftsprioriteringer.

Dave Martinez, teknisk program- og prosjektleder for Infrastructure Computing Services ved Sandia, beskrev omfanget av samarbeidet: «I henhold til en samarbeidsavtale om forskning og utvikling med RAVEL skal vi undersøke om dynamisk plassering av arbeidsbelastninger kan utnytte tilgjengelig effekt og datakraft bedre, samtidig som vi balanserer ytelse og kostnader.»

Denne eksperimentelle tilnærmingen er viktig fordi flytting eller omplanlegging av en arbeidsbelastning kan påvirke mer enn energiforbruket. Forsøksopplegget følger også med på nettverks- og driftskostnader, kjølemiljøer og utførelsestid, slik at forskerne kan vurdere beslutninger om plassering opp mot flere infrastrukturbegrensninger.

Utvidelse til flere laboratorier og SC26

Sandia leder forskningsarbeidet i den innledende fasen. Samarbeidspartnerne planlegger å utvide Project Quicksilver til flere nasjonale laboratorier under det amerikanske energidepartementet og undersøke flere bruksområder innen miljø- og ytelsesoptimalisering.

RAVEL og Sandia skal etter planen presentere den eksperimentelle tilnærmingen, de planlagte testfasene og forventede forskningsresultater på energidepartementets stand under SC26 den 17. november 2026.

Hovedspørsmålet i Project Quicksilver er om det å behandle separate datasentre som ett samordnet system kan forbedre energibruken og økonomien i databehandlingen uten å svekke ytelsen til arbeidsbelastningene. Måleplanen gjør dette til et spørsmål om infrastruktur som helhet: Beslutninger om planlegging påvirker strømforbruket, men også kjøling, nettverk, kapitalkostnader og fullføringstid avgjør om slike beslutninger gjør distribuert databehandling mer produktiv.