弗吉尼亚理工大学生物复杂性研究所将建设第三个数据中心

简介:

日前,美国弗吉尼亚理工大学生物复杂性研究所投资590万美元的数据中心已经开始建设。

该研究所的第三个数据中心设施,将为该研究所的超算能力(HPC)和美国航天局戈达德太空飞行中心的设备提供36个水冷机架和两兆瓦的电力容量。

“我们目前的数据中心空间和冷却能力已经达到了极限。”弗吉尼亚理工大学信息技术研究所主任科文·斯普尔茨说,“新的数据中心将使我们能够满足基于计算的研究日益增长的需求。”

弗吉尼亚理工大学资本项目经理戴维茨恩表示,Whiting-Turner承包公司和Wendel公司将与弗吉尼亚理工大学合作建设这个数据中心,三方合作将使整个数据中心项目在不到一年内完成,其中包括施工完成之后的重要调试阶段。

该研究所将使用新的数据中心设施帮助模拟领域运行,其中包括人群之间的疾病传播,RNA结构的演变,以及饮食和营养因素如何影响免疫反应的领域。

生物复合研究所网络动态模拟科学实验室主任玛德哈维·玛拉德在宣传视频中说:“我们的实验室对于传染病传播有关的特殊问题非常感兴趣。我们实际上可以在大约10秒钟内模拟美国全境的整个流感季节发展情况。

新数据中心的供电系统将使用三相415V电源提高其能效,其中包括现场发电机和不间断电源。

本文转自d1net(转载)

目录
相关文章
|
18天前
|
机器学习/深度学习 数据挖掘 数据中心
利用机器学习优化数据中心能效的策略研究
【4月更文挑战第24天】在数据中心管理和运营中,能效优化是一个长期存在的挑战,它直接关系到成本控制和环境影响的减轻。随着人工智能技术的不断进步,特别是机器学习(ML)方法的广泛应用,为解决数据中心能效问题提供了新的途径。本文旨在探讨如何通过机器学习技术对数据中心的能源消耗进行建模、预测和优化,以实现更高的能效。我们首先分析了数据中心能耗的主要组成部分,然后提出了一种基于机器学习的能效优化框架,并详细阐述了关键技术和方法。最后,通过实验验证了所提出策略的有效性,并讨论了未来的研究方向。
|
23天前
|
机器学习/深度学习 运维 监控
利用机器学习优化数据中心能效的研究
【4月更文挑战第19天】在数据中心的运营成本中,能源消耗占据了显著比例。随着能源价格的不断攀升与环境保护意识的加强,如何降低数据中心的能耗已成为研究的热点。本文提出了一种基于机器学习的方法来优化数据中心的能效。通过分析历史运行数据,构建预测模型,并结合实时监控,动态调整资源分配策略以达到节能目的。实验结果表明,该方法能有效减少能源开销,同时保证服务质量。
|
24天前
|
机器学习/深度学习 资源调度 调度
利用机器学习优化数据中心能效的策略研究
【4月更文挑战第18天】 在数据中心的运营成本中,能源消耗占据了显著比例。为了降低这一开销同时减少环境影响,本文提出一套基于机器学习技术的数据中心能效优化策略。通过分析数据中心的能耗模式和环境变量,构建了一个预测模型来动态调整资源分配,实现能源使用的最大效率。与传统方法相比,本研究提出的策略在保证服务质量的前提下,能有效降低能耗,并具备自我学习和适应的能力。
|
机器学习/深度学习 运维 算法
|
19天前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
1天前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第11天】 在云计算和大数据的背景下,数据中心作为信息处理的核心设施,其能效问题一直是研究的热点。传统的能效管理方法难以应对日益增长的能源消耗和复杂多变的工作负载。本文提出一种基于机器学习技术的数据中心能效优化方案,通过实时监控和智能调度策略,有效降低能耗并提升资源利用率。实验结果表明,该方案能够减少约15%的能源消耗,同时保持服务质量。