論文の概要: Fast 3D Surrogate Modeling for Data Center Thermal Management

• arxiv url: http://arxiv.org/abs/2511.11722v1
• Date: Thu, 13 Nov 2025 02:12:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.176925
• Title: Fast 3D Surrogate Modeling for Data Center Thermal Management
• Title（参考訳）: データセンター熱管理のための高速3次元サーロゲートモデリング
• Authors: Soumyendu Sarkar, Antonio Guillen-Perez, Zachariah J Carmichael, Avisek Naug, Refik Mert Cam, Vineet Gundecha, Ashwin Ramesh Babu, Sahand Ghorbanpour, Ricardo Luna Gutierrez,
• Abstract要約: 従来の熱CFDソルバは計算コストが高く、熟練したメッシュと境界条件を必要とする。 我々は,データセンタの3次元ボキセル化表現を直接操作する視覚ベースの代理モデリングフレームワークを開発した。 以上の結果から,サロゲートモデルはデータセンター構成全体にわたって一般化し,最大2万倍の高速化を実現していることがわかった。
• 参考スコア（独自算出の注目度）: 15.644716872105002
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reducing energy consumption and carbon emissions in data centers by enabling real-time temperature prediction is critical for sustainability and operational efficiency. Achieving this requires accurate modeling of the 3D temperature field to capture airflow dynamics and thermal interactions under varying operating conditions. Traditional thermal CFD solvers, while accurate, are computationally expensive and require expert-crafted meshes and boundary conditions, making them impractical for real-time use. To address these limitations, we develop a vision-based surrogate modeling framework that operates directly on a 3D voxelized representation of the data center, incorporating server workloads, fan speeds, and HVAC temperature set points. We evaluate multiple architectures, including 3D CNN U-Net variants, a 3D Fourier Neural Operator, and 3D vision transformers, to map these thermal inputs to high-fidelity heat maps. Our results show that the surrogate models generalize across data center configurations and achieve up to 20,000x speedup (hundreds of milliseconds vs. hours). This fast and accurate estimation of hot spots and temperature distribution enables real-time cooling control and workload redistribution, leading to substantial energy savings (7\%) and reduced carbon footprint.
• Abstract（参考訳）: リアルタイムの温度予測を可能にすることで、データセンターのエネルギー消費と二酸化炭素排出量を減らすことは、持続可能性と運用効率にとって重要である。 これを達成するためには、様々な操作条件下での空気の流れと熱相互作用を捉えるために、3次元温度場の正確なモデリングが必要である。 従来の熱CFDソルバは正確ではあるが計算コストが高く、専門家によるメッシュと境界条件を必要とするため、リアルタイム使用には実用的ではない。 これらの制約に対処するため、我々は、サーバワークロード、ファンスピード、HVAC温度設定ポイントを組み込んだ、データセンターの3Dボクセル化表現を直接操作する視覚ベースのサロゲートモデリングフレームワークを開発した。 我々は,これらの熱入力を高忠実度熱マップにマッピングするために,3次元CNN U-Net,3次元フーリエニューラル演算子,および3次元視覚変換器を含む複数のアーキテクチャを評価した。 以上の結果から,サロゲートモデルはデータセンター構成全体にわたって一般化し,最大2万倍の高速化を実現している(数百ミリ秒/時間)。 この高速かつ正確なホットスポットと温度分布の推定により、リアルタイムの冷却制御とワークロードの再分配が可能となり、かなりのエネルギー節約(7 %)と炭素フットプリントの削減につながった。

関連論文リスト

• ThermoStereoRT: Thermal Stereo Matching in Real Time via Knowledge Distillation and Attention-based Refinement [9.923805440410739]
  本研究では,リアルタイムなサーマルステレオマッチング手法であるThermoStereoRTを紹介する。 2つの補正された熱ステレオ画像から相違を回復する。 夜間ドローン監視や下層クリーニングロボットなどの応用を想定する。
  論文  参考訳（メタデータ） (2025-04-10T03:24:21Z)
• Data-efficient rapid prediction of urban airflow and temperature fields for complex building geometries [0.0]
  本稿では,多方向距離特徴(MDDF)と局部訓練を組み合わせた新しい枠組みを提案する。 局所的なフーリエニューラル演算子 (Local-FNO) モデルでは, フル3次元風速と温度予測を1分以内で生成する。 風速 0.3 m/s の絶対誤差と未確認の都市構成温度 0.3$C の絶対誤差から,本手法は強力な一般化能力と実用的な都市利用の可能性を示す。
  論文  参考訳（メタデータ） (2025-03-25T14:36:01Z)
• Neural Network Surrogate Model for Junction Temperature and Hotspot Position in $3$D Multi-Layer High Bandwidth Memory (HBM) Chiplets under Varying Thermal Conditions [6.277496992820668]
  本研究では3次元チップレットにおける接合温度とホットスポット位置の高速予測のためのデータ駆動ニューラルネットワークモデルを開発する。 パラメータ空間では考慮されない他の熱条件に対して良い一般化性を示す。 これは、高性能コンピューティングアプリケーションにおける熱管理と性能を改善するための貴重なツールである。
  論文  参考訳（メタデータ） (2025-03-06T03:05:54Z)
• RS-vHeat: Heat Conduction Guided Efficient Remote Sensing Foundation Model [59.37279559684668]
  本稿では,効率的なマルチモーダルリモートセンシング基盤モデルであるRS-vHeatを紹介する。 具体的には、RS-vHeatは、O(N1.5)$の複雑さを持つ熱伝導演算子(HCO)と、大域的受容場を適用している。 注意に基づくリモートセンシング基礎モデルと比較して、メモリ使用量を84%削減し、FLOPを24%削減し、スループットを2.7倍改善する。
  論文  参考訳（メタデータ） (2024-11-27T01:43:38Z)
• Binocular Model: A deep learning solution for online melt pool temperature analysis using dual-wavelength Imaging Pyrometry [0.0]
  金属添加物製造(AM)において, メルトプール(MP)の温度監視は, 部品品質, プロセス安定性, 欠陥防止, プロセス全体の最適化の確保に不可欠である。 従来の手法は収束が遅く、データを実行可能な洞察に変換するために広範囲な手作業を必要とする。 本稿では,手作業によるデータ処理依存を減らすことを目的とした人工知能(AI)ベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-08-20T18:26:09Z)
• EM-GANSim: Real-time and Accurate EM Simulation Using Conditional GANs for 3D Indoor Scenes [55.2480439325792]
  実時間電磁伝搬のための新しい機械学習手法(EM-GANSim)を提案する。 実際には、3D屋内環境のあらゆる場所で数ミリ秒で信号強度を計算することができる。
  論文  参考訳（メタデータ） (2024-05-27T17:19:02Z)
• Building Vision Models upon Heat Conduction [66.1594989193046]
  本研究は, 物理的熱伝導原理に基づく熱伝導演算子 (HCO) について紹介する。 HCOは熱源としてイメージパッチを概念化し、適応的な熱エネルギー拡散を通じて相関をモデル化する。 vHeatは、Swin-Transformerと比較して最大で3倍のスループット、GPUメモリ割り当ての80%削減、計算FLOPの35%削減を実現している。
  論文  参考訳（メタデータ） (2024-05-26T12:58:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。