用于服务器和固态设备的人工智能冷却方法技术

根据一个一般方面，一种装置可包括存储器存储设备。存储器存储设备可以包括多个存储器单元，该多个存储器单元被配置为存储数据。存储器存储设备可以包括第一温度传感器，该第一温度传感器被配置为检测存储器单元的温度。存储器存储设备可以包括人工智能系统，该人工智能系统被配置为至少部分地基于第一温度传感器和存储器存储设备的工作负荷来动态地确定要由存储器存储设备采用的热管理设置。存储器存储设备可以响应于由人工智能系统确定的热管理设置来动态地改变操作参数的集合。

Artificial Intelligence Cooling Method for Servers and Solid State Equipment

【技术实现步骤摘要】
用于服务器和固态设备的人工智能冷却方法对相关申请的交叉引用本申请要求于2018年2月24日提交的、题为“用于服务器和固态设备的人工智能冷却方法”的、序列号为62/634,836的临时专利申请和于2018年4月30日提交的、题为“用于服务器和固态设备的人工智能冷却方法”的、序列号为15/967,476的临时专利申请的优先权。该在先提交的申请的主题通过引用并入于此。
本说明书涉及计算技术，并且更具体地，涉及一种用于服务器和固态设备(SSD)的人工智能(AI)冷却方法。
技术介绍
例如，从移动设备、物联网(IoT)传感器、电动汽车、商业交易等产生了越来越多的数据。该数据需要数据中心能够具有高密度和高性能存储处理越来越高等级的数据。该数据的提高的存储和处理要求系统等级的、针对存储设备的有效的冷却和高效的热解决方案。传统上，通过定义如何冷却计算设备的静态设置来冷却计算设备。传统上，这些设置是基于建模或“最佳猜测(bestguess)”分析而预先确定的(例如，在工厂处或跨设备的集合)。因此，热设置未被优化并且不能适应变化的条件。人工神经网络(ANN)或连接性(connectionist)系统通常是受到构成动物的大脑的生物神经网络模糊地启发的计算系统。这样的系统通过考虑示例来“学习”任务(即，逐步改进关于任务的性能)，而通常无需任务特定的编程。例如，在图像识别中，这样的系统可以通过下述来学习识别包含猫的图像：分析已经手动标记为“猫”或“没有猫”的示例图像，并且使用结果来识别其他图像中的猫。这样的系统在没有关于猫的任何先验知识(例如，猫有毛皮、尾巴、胡须和猫状的脸部)的情况下学习。相反，这样的系统从其处理的学习材料中发展出其自己的相关特征集。神经网络通常基于被称为人工神经元的连接的单元或节点的集合。人工神经元之间的每个连接(简化版本的突触)可以将信号从一个人工神经元传输到另一个人工神经元。接收信号的人工神经元可以对其进行处理，然后信号通知连接到其的人工神经元。在通常的神经网络实施方式中，人工神经元之间的连接处的信号是实数，并且每个人工神经元的输出通过其输入之和的非线性函数来计算。人工神经元和连接通常具有随着学习进行而调节的权重。权重增加或减少连接处信号的强度。人工神经元可以具有阈值，使得仅当聚集的信号超过该阈值时才发送信号。通常，人工神经元按层组织。不同的层可以对其输入执行不同类型的变换。信号可能在遍历各层多次之后从第一(输入)层行进到最后(输出)层。
技术实现思路
根据一个一般方面，一种装置可包括存储器存储设备。存储器存储设备可以包括多个存储器单元，该多个存储器单元被配置为存储数据。存储器存储设备可以包括第一温度传感器，该第一温度传感器被配置为检测存储器单元的温度。存储器存储设备可以包括人工智能系统，该人工智能系统被配置为至少部分地基于第一温度传感器和存储器存储设备的工作负荷来动态地确定要由存储器存储设备采用的热管理设置。存储器存储设备可以响应于由人工智能系统确定的热管理设置来动态地改变操作参数集合。根据另一个一般方面，一种计算设备可以包括存储器存储设备，该存储器存储设备被配置为存储数据。计算设备可以包括控制器，该控制器被配置为管理计算设备的物理状态。计算设备可以包括冷却设备，该冷却设备被配置为至少部分地冷却计算设备。控制器可以包括人工智能系统，该人工智能系统被配置为至少部分地基于存储器存储设备的温度和存储器存储设备的工作负荷来动态地确定要由冷却设备采用的热管理设置。冷却设备可以被配置为基于由人工智能系统确定的热管理设置来动态地尝试升高或降低计算设备的温度。根据另一个一般方面，一种系统可以包括处理器，该处理器被配置为至少部分地指令存储器存储设备的工作负荷。该系统可以包括存储器存储设备，该存储器存储设备被配置为存储数据。存储器存储设备可以包括第一人工智能系统，该第一人工智能系统被配置为至少部分地基于存储器存储设备的至少一部分的检测到的温度和存储器存储设备的工作负荷来动态地确定要由存储器存储设备采用的局部热管理设置。该系统可以包括冷却设备，该冷却设备被配置为至少部分地冷却系统。该系统可以包括管理控制器，该管理控制器被配置为管理系统的物理状态。该管理控制器可以包括第二人工智能系统，该第二人工智能系统被配置为至少部分地基于存储器存储设备的温度和存储器存储设备的工作负荷来动态地确定要由冷却设备采用的系统热管理设置。在附图和以下说明中阐述了一个或多个实施方式的细节。根据说明书和附图并且根据权利要求，其他特征将是明显的。基本上如至少一个附图中所示和/或如结合至少一个附图所描述，一种用于计算技术的系统和/或方法，并且更具体地，一种用于服务器和固态设备(SSD)的人工智能(AI)冷却方法如在权利要求中更完整地阐述。附图说明图1是根据所公开的主题的系统的示例实施例的框图。图2是根据所公开的主题的系统的示例实施例的框图。图3是根据所公开的主题的系统的示例实施例的框图。图4是可以包括根据所公开的主题的原理所形成的设备的信息处理系统的示意性框图。在各个图中的相同的附图标记指示相同的元件。具体实施方式以下将参考在其中示出了一些示例实施例的附图来更加全面地描述各种示例实施例。然而，本公开的主题可以体现为许多不同的形式，并且不应被解释为限于本文中所阐述的示例实施例。相反，提供这些示例实施例，以使得本公开将是彻底的和完整的并且将本公开的主题的范围完全地传达给本领域技术人员。在附图中，为了清楚，可以夸大层和区域的大小和相对大小。将理解，当元件或层被称为“在另一元件或层上”、“连接到另一元件或层”或者“耦合到另一元件或层”时，其可以直接地在另一元件或层上、连接到另一元件或层或者耦合到另一元件或层，或者可以存在居于中间的元件或层。相反，当元件被称为“直接地在另一元件或层上”、“直接地连接到另一元件或层”或者“直接地耦合到另一元件或层”时，不存在居于中间的元件或层。相同的附图标记始终指代相同的元件。当在本文中使用时，术语“和/或”包括相关列举项目中的一个或多个的任何和所有组合。将理解，尽管在本文中可以使用术语第一、第二、第三等来描述各种元件、组件、区域、层和/或部分，但是这些元件、组件、区域、层和/或部分不应受这些术语的限制。这些术语仅用于将一个元件、组件、区域、层或部分与另一个元件、组件、区域、层或部分相区分。因此，在不背离本公开的主题的教导的情况下，下面讨论的第一元件、组件、区域、层或部分可以被称为第二元件、组件、区域、层或部分。为了描述的方便，在本文中可以使用诸如“在……下方”、“在……以下”、“下方”、“在……以上”、“上方”等的空间相对术语来描述一个元件或特征与另外的(一个或多个)元件或特征的关系，如附图所示。将理解，除了附图中所描绘的方位之外，空间相对术语旨在包含在使用或操作中的设备的不同方位。例如，如果附图中的设备被翻转，则被描述为“在其他元件或特征下方”或“在其他元件或特征以下”的元件将被定向为“在其他元件或特征之上”。因此，示例性术语“在……以下”可以包含在……以下和在……以上的方位两者。设备可以以其他方式定向(旋转90度或在其他方位)，并且相应地解释本文中所使用的空间相对描述符。同样地，为了描述的方便，在本文中可以使用诸如“高本文档来自技高网...

【技术保护点】
1.一种存储装置，包括：存储器存储设备，包括：多个存储器单元，被配置为存储数据；第一温度传感器，被配置为检测所述存储器单元的温度；和人工智能系统，被配置为至少部分地基于所述第一温度传感器和所述存储器存储设备的工作负荷，来动态地确定要由所述存储器存储设备采用的热管理设置；其中，所述存储器存储设备响应于由所述人工智能系统确定的所述热管理设置，来动态地改变操作参数的集合。

【技术特征摘要】
2018.02.24 US 62/634,836;2018.04.30 US 15/967,4761.一种存储装置，包括：存储器存储设备，包括：多个存储器单元，被配置为存储数据；第一温度传感器，被配置为检测所述存储器单元的温度；和人工智能系统，被配置为至少部分地基于所述第一温度传感器和所述存储器存储设备的工作负荷，来动态地确定要由所述存储器存储设备采用的热管理设置；其中，所述存储器存储设备响应于由所述人工智能系统确定的所述热管理设置，来动态地改变操作参数的集合。2.根据权利要求1所述的装置，其中，所述人工智能系统包括神经网络；以及，其中，所述神经网络被配置为预测在随后时段期间所述存储器存储设备的温度，以及至少部分地基于在所述随后时段期间的所预测的温度而选择所述热管理设置。3.根据权利要求2所述的装置，其中，至少部分地经由在离线模式下加载的训练数据来训练所述神经网络；以及其中，还基于当所述存储器存储设备操作于在线模式下时所述存储器单元的温度和工作负荷来训练所述神经网络。4.根据权利要求2所述的装置，其中，所述人工智能系统被配置为，响应于在所述随后时段期间的温度将会超过第一阈值的预测，在所述随后时段之前启动冷却序列。5.根据权利要求1所述的装置，其中，所述装置还包括第二温度传感器，第二温度传感器被配置为检测所述存储器存储设备的温度；以及其中，所述人工智能系统被配置为至少部分地基于所述第二温度传感器来确定所述热管理设置。6.根据权利要求1所述的装置，其中，所述操作参数包括从包含以下的组中所选择的参数：读取/写入单元的大小、擦除单元的大小、读取缓冲器的大小、写入缓冲器的大小、扼制阈值、存储器单元利用量、高速缓存大小以及垃圾收集的频率。7.根据权利要求1所述的装置，其中，所述人工智能系统被配置为预冷却所述存储器存储设备。8.根据权利要求1所述的装置，其中，所述人工智能系统被配置为基于期望的功率效率来确定要由所述存储器存储设备采用的热管理设置。9.一种计算设备，包括：存储器存储设备，被配置为存储数据；控制器，被配置为管理所述计算设备的物理状态；以及冷却设备，被配置为至少部分地冷却所述计算设备；其中，所述控制器包括人工智能系统，所述人工智能系统被配置为至少部分地基于所述存储器存储设备的温度和所述存储器存储设备的工作负荷，来动态地确定要由所述冷却设备采用的热管理设置；以及其中，所述冷却设备被配置为基于由所述人工智能系统确定的所述热管理设置，来动态地尝试升高或降低所述计算设备的温度。10.根据权利要求9所述的计算设备，其中，所述控制器还包括数据收集电路，所述数据收集电路被配置为接收以下作为输入：所述冷却设备的工作负荷；所述存储器存储设备的温度，和所述存储器存储设备的工...

【专利技术属性】
技术研发人员：平展，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国,KR