شرکت استارت‌آپی تراپاور (TerraPower) به بنیان‌گذاری بیل گیتس، تصمیم دارد امسال از اولین پروژه اختصاصی خود برای تامین انرژی دیتاسنترهای هوش مصنوعی پرده‌برداری کند. آموزش مدل‌های غول‌پیکر هوش مصنوعی و پردازش‌های سنگین گرافیکی فشار کم‌نظیری به شبکه‌های برق وارد می‌سازد؛ اما تراپاور فناوری مبتکرانه‌ای در اختیار دارد که نوسانات لحظه‌ای دیتاسنترها را بدون افت بازدهی راکتور جبران می‌کند.
چالش نوسان شدید بار مصرفی در دیتاسنترهای هوش مصنوعی
پردازش‌های سنگین پردازنده‌های گرافیکی (GPU) هنگام آموزش مدل‌ها یا پاسخ به درخواست‌های کاربران، باعث جهش‌ها و افت‌های ناگهانی در مصرف برق می‌شوند. این نوسانات شدید تا حدی زیاد است که حتی توربین‌های گاز طبیعی نیز زیر فشار کاری دچار افت کارایی یا شکستگی شده‌اند.
نیروگاه‌های هسته‌ای سنتی و حتی راکتورهای کوچک مدولار (SMR) بهترین عملکرد اقتصادی خود را زمانی ارائه می‌دهند که با ۱۰۰ درصد ظرفیت نامی به کار ادامه دهند. تغییر سریع خروجی در راکتورها بسیار کند و پرهزینه است و کاهش ظرفیت خروجی، بازگشت سرمایه‌گذاری سنگین ساخت نیروگاه را به خطر می‌اندازد.
ذخیره‌سازی حرارتی در سدیم مذاب؛ راهکار مبتکرانه تراپاور
راکتور ۳۴۵ مگاواتی ناتریوم (Natrium) ساخت تراپاور از سیستم خنک‌کننده نمک مذاب بهره می‌برد. این نیروگاه بدون نیاز به کاهش شکافت هسته‌ای، انرژی مازاد تولیدی را در یک مخزن غول‌پیکر سدیم مذاب ذخیره می‌کند تا هنگام اوج مصرف دیتاسنتر آزاد شود.
مزایای کلیدی این رویکرد برای زیرساخت‌های هوش مصنوعی عبارتند از:
- پایداری کامل راکتور: راکتور هسته‌ای همواره با حداکثر توان عملیاتی کار می‌کند.
- پاسخگویی آنی به پیک مصرف: با جهش بار پردازشی GPUها، حرارت ذخیره‌شده بلافاصله به بخار و برق اضافی تبدیل می‌شود.
- کاهش هزینه‌های جانبی: حذف نیاز به پیاده‌سازی بانک‌های بزرگ و پرهزینه باتری‌های تجاری در دیتاسنتر.
شرکت متا (Meta) پیش از این برای خرید هشت نیروگاه ناتریوم با تراپاور به توافق رسیده بود و انتظار می‌رود عملیات احداث نخستین دیتاسنتر اختصاصی این شرکت در سال ۲۰۲۷ آغاز شود.
سوالات متداول
سلاح مخفی راکتور تراپاور برای دیتاسنترهای هوش مصنوعی چیست؟
بهره‌گیری از سیستم ذخیره‌سازی انرژی حرارتی سدیم مذاب که به راکتور اجازه می‌دهد همواره با ظرفیت ۱۰۰ درصد فعال باشد و انرژی مازاد را در زمان جهش مصرف دیتاسنتر آزاد کند.
چرا نیروگاه‌های هسته‌ای معمولی برای دیتاسنتر مناسب نیستند؟
نیروگاه‌های معمولی نمی‌توانند توان خروجی خود را متناسب با نوسانات لحظه‌ای و شدید پردازنده‌های هوش مصنوعی کم یا زیاد کنند.