L’un des principaux probl\u00e8mes pour cr\u00e9er de grands centres de donn\u00e9es, des r\u00e9seaux mobiles hautes performances et d’autres syst\u00e8mes bas\u00e9s sur la concentration d’une grande puissance de calcul en un m\u00eame endroit est de g\u00e9rer la chaleur qu’ils g\u00e9n\u00e8rent. Dans les petits syst\u00e8mes comme les stations de base cellulaires, on a recours \u00e0 des dissipateurs et des ventilateurs complexes. Mais dans le cas des grands centres de donn\u00e9es, on consomme double \u00e9nergie : une fois pour alimenter le syst\u00e8me, puis ensuite pour dissiper toute la chaleur perdue lors des calculs. Les strat\u00e9gies de refroidissement appliqu\u00e9es aux centres de donn\u00e9es sont parfois si complexes \u00e0 g\u00e9rer que Google a r\u00e9cemment d\u00fb appliquer des algorithmes d’apprentissage machine au syst\u00e8me de refroidissement de l’un de ses centres, parvenant ainsi \u00e0 en am\u00e9liorer le rendement de 40%.<\/p>\n
Et la question de \u00ab\u00a0l’\u00e9lectronique chaude\u00a0\u00bb va devenir de plus en plus probl\u00e9matique. Si la tension de fonctionnement des circuits int\u00e9gr\u00e9s est pass\u00e9e du traditionnel 5V au 1,8V, voire moins, dans les puces les plus rapides afin de faire face \u00e0 la miniaturisation accrue et \u00e0 la commutation plus rapide, la consommation, elle, augmente. De ce fait, la chaleur augmente dans les chips eux-m\u00eames, mais aussi, par effet Joule, dans les syst\u00e8mes supports comme les convertisseurs DC-DC qui alimentent l’essentiel du calcul. <\/p>\n","protected":false},"featured_media":21084,"template":"","tags":[],"company":[458],"wp_category":[],"ppma_author":[],"class_list":["post-21082","white_papers","type-white_papers","status-publish","has-post-thumbnail","hentry","company-murata-power-solutions"],"acf":[],"yoast_head":"