banner
홈페이지 / 소식 / CryptoBlox는 Lavrium의 AI 기능으로 구동되는 모듈형 데이터 센터를 통해 효율성과 운영 제어를 극대화합니다.
소식

CryptoBlox는 Lavrium의 AI 기능으로 구동되는 모듈형 데이터 센터를 통해 효율성과 운영 제어를 극대화합니다.

Jun 08, 2024Jun 08, 2024

밴쿠버, BC, 2023년 8월 1일(GLOBE NEWSWIRE) -- CryptoBlox Technologies Inc.(“회사" 또는 "크립토블록스”) (CSE: BLOX)는 모듈형 데이터 센터(“데이터 센터" 아니면 그 "시설") True North Data Systems Ltd.("민사책임”) 전액 출자 자회사인 Red Water Acquisition Corp.(“레드워터 "). 데이터 센터에는 최대 300개의 ASIC 채굴 기계를 수용할 수 있는 용량이 있습니다. 이 중요한 성과는 암호화폐 채굴 산업에 효율적이고 비용 효율적인 솔루션을 제공하려는 CryptoBlox의 변함없는 헌신을 강조합니다. CryptoBlox는 인공 지능(AI) 기능을 활용하기 위해 Lavrium과 협력함으로써 모듈식 데이터 센터의 기술 및 자동화 측면을 혁신하여 투자자에게 전례 없는 발전과 탁월한 기회의 문을 열어줄 수 있는 위치에 있습니다.

AI 알고리즘의 통합을 통해 데이터센터는 운영을 대폭 최적화할 수 있는 능력을 기대합니다. AI 알고리즘은 배전 장치(PDU) 및 연결 포트의 실시간 데이터를 분석함으로써 전력을 효율적으로 할당하고, 네트워크 성능을 향상시키며, 컴퓨팅 시스템에 안정적인 전원 공급을 보장하여 정전 위험을 완화하고 전반적인 효율성을 높일 수 있습니다. Redwater 데이터 센터의 신뢰성.

라브리엄의 AI 기술 개발은 50개 연결 포트의 데이터를 분석해 네트워크 연결을 최적화하는 데 도움이 될 것으로 기대된다. 이러한 알고리즘은 네트워크 트래픽을 면밀히 모니터링하고, 병목 현상이나 혼잡을 식별하고, 네트워크 설정을 동적으로 조정하여 원활하고 효율적인 데이터 전송을 보장하도록 설계되었습니다.

이 시설의 눈에 띄는 특징은 HVAC 매개변수 및 건물 배기 팬 자동화를 위한 인간-기계 인터페이스(HMI)를 통합한 고급 자동 WAGO 기반 제어 패널입니다. 가변 주파수 구동(VFD) 기술과 전략적으로 배치된 센서를 통해 배기 시스템은 건물 내 세 지점에서 내부 온도를 효율적으로 모니터링하고 제어하여 최적의 조건을 보장하고 작동 제어를 극대화합니다.

성능을 더욱 향상시키기 위해 건물의 공기 흡입구 루버는 열 추적 처리되어 겨울철 성에와 공기 흡입구 막힘을 효과적으로 방지합니다. 이 세심한 디자인은 중단 없는 공기 흐름을 보장하여 최적의 기능을 가능하게 합니다. 히트 트레이스 작동은 로컬 건물 제어판을 통해 효율적으로 관리되어 향상된 제어 및 운영 유연성을 제공합니다.

CryptoBlox의 모듈형 데이터 센터는 원격 관리 기능을 갖춘 완전 자동화된 시설로 설계되어 중앙 집중식 모니터링 및 제어 기능을 제공합니다. CryptoBlox는 Lavrium의 개발 중인 최첨단 AI 기능을 활용하여 모듈식 데이터 센터 내에서 비교할 수 없는 수준의 운영 효율성, 비용 효율성 및 환경 지속 가능성을 달성하는 것을 목표로 합니다. 특히 전략적으로 중점을 두는 영역은 다음과 같습니다.

예측 유지 관리: 일단 개발된 AI 알고리즘은 데이터 센터의 시스템을 지속적으로 모니터링하여 잠재적인 장비 오류를 암시할 수 있는 패턴과 이상 현상을 사전에 감지합니다. 이러한 사전 예방적 접근 방식을 통해 시기적절한 유지 관리, 가동 중지 시간 최소화, 운영 효율성 최적화를 통해 궁극적으로 수익성을 높일 수 있을 것으로 기대됩니다.

에너지 최적화: CryptoBlox의 데이터 센터는 전력 사용량, 온도 및 작업 부하 패턴에 대한 실시간 데이터를 분석합니다. 이를 통해 시설은 컴퓨팅 리소스 할당을 최적화하고 HVAC 매개변수를 조정하여 성능 저하 없이 뛰어난 에너지 효율성을 달성할 수 있습니다. 이에 따라 상당한 비용 절감과 수익성 개선이 기대된다.

워크로드 최적화: CryptoBlox는 Lavrium과 협력하여 개발된 AI 알고리즘의 도움으로 데이터 센터 내 컴퓨팅 리소스 할당을 최적화하여 ASIC 채굴 기계의 효율적인 활용을 보장하는 것을 목표로 합니다. 이러한 동적 작업량 관리는 채굴 성능을 극대화하는 동시에 에너지 낭비를 최소화하여 궁극적으로 수익성을 향상시킬 것으로 기대됩니다.