Satyapragnya Kar

AI数据中心建设通过多目标强化学习进行优化

一篇新的研究论文介绍了一种多目标强化学习方法，用于优化AI数据中心的长期建设。该方法解决了在10-20年资产生命周期内选址、电力采购和冷却决策的复杂性，同时考虑了水、电和碳排放等因素。通过将问题构建为分层多目标马尔可夫决策过程，智能体可以生成一系列策略，规划者可以在推理时根据成本、碳排放、水资源和可靠性偏好进行调整。该研究使用轻量级的反事实滚动模型和真实场地数据验证了该方法，与更简单的方法相比，证明了在权衡和规划一致性方面有所改进。