استفاده متفاوت از هوش مصنوعی: گرمایش دانشگاه دوبلین
به نقل از سی ان بی سی، حرارت زائد مراکز داده همیشه وجود داشته، اما اتصال آن به شبکههای گرمایش شهری دشوار بود، زیرا دمای آن معمولا برای گرم کردن ساختمانهای دیگر کافی نیست. اکنون با رونق هوش مصنوعی و افزایش تراکم پردازشی مراکز داده، اپراتورها راههایی برای استفاده بهتر از حرارت یافتهاند.
آدام فابریکیوس، پژوهشگر شبکههای حرارتی میگوید: «هوش مصنوعی دماهای بالاتری تولید میکند و خنکسازی با آب کار را آسانتر میکند؛ بنابراین برای اتصال سیستمها به سختافزار کمتری نیاز است».
طرح پردیس تالات نمونهای موفق از برنامهریزی یکپارچه است: شبکه گرمایش محلی، مرکز داده و توزیعکننده انرژی با یکدیگر هماهنگ شدهاند. حرارت زائد AWS اکنون صددرصد نیاز گرمایی شبکه را تامین میکند و دانشگاه تخمین میزند که در سال ۲۰۲۴ حدود ۷۰۴ تن دیاکسید کربن صرفهجویی شود.
این پروژه شامل سیستمهای خنککننده پیشرفته است که حرارت تراشهها را در دمای ۵۵ تا ۶۰ درجه سانتیگراد جمعآوری میکند؛ دمایی که مستقیما برای شبکه گرمایش شهری قابل استفاده است، برخلاف حرارت معمولی ۳۰–۳۵ درجهای مراکز داده دیگر.
طرح تالات نشان میدهد که مراکز داده میتوانند نه فقط مصرفکننده، بلکه تولیدکننده انرژی نیز باشند. این مدل، فرصتی برای کاهش وابستگی به گاز و سوختهای فسیلی فراهم میکند و میتواند در مقیاس شهری نیز تکرار شود. کارشناسان EnergiRaven تخمین میزنند که اگر شبکههای گرمایش شهری با زیرساختهای هوش مصنوعی هماهنگ شوند، حرارت زائد مراکز داده میتواند تا ۲۰۳۵ گرمای حداقل ۳.۵ میلیون خانه را تامین کند.
در حال حاضر، شبکه تالات ۹۲ درصد نیاز گرمایی پردیس را تامین میکند و دانشگاه دوبلین را به اهداف کربنزدایی ۲۰۳۰ نزدیکتر کرده است. این پروژه نمونهای است از اینکه چگونه فناوریهای نوین، زیرساخت شهری و برنامهریزی هوشمند میتواند با هم ترکیب شوند تا هم محیط زیست حفظ شود، هم هزینهها کاهش یابد و هم دانشگاهها و جوامع محلی از مزایای آن بهرهمند شوند.