Visual Intelligence· 2026Q1
PIGNN3D: Veri Merkezleri için Hızlandırılmış 3D Termal Simülasyon
PIGNN3D: an accelerated physics-informed graph neural network for 3D thermal field simulation in data centers
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
Fizik bilgili bir graf sinir ağı olan PIGNN3D, mimariyi basitleştirerek ve mesaj geçişini optimize ederek veri merkezlerindeki 3D termal alan simülasyonunu hızlandırır, daha az VRAM kullanımı ve daha hızlı yakınsama ile diğer yöntemlerle karşılaştırılabilir doğruluk elde eder.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- PIGNN3D, veri merkezlerinde 3D termal alan simülasyonu için fizik bilgili bir graf sinir ağıdır.
- Daha hızlı eğitim ve daha az bellek kullanımı için mimari basitleştirmeler ve optimize edilmiş mesaj geçişi içerir.
- Deneysel sonuçlar, VRAM'de önemli azalmalar ve daha hızlı yakınsama ile diğer yöntemlere kıyasla karşılaştırılabilir doğruluk göstermektedir.
- Yöntem, yapay zeka güdümlü termal simülasyonun veri merkezi yönetimi için pratik olarak uygulanmasını amaçlamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract Efficient thermal management is critical in data centers, where computational fluid dynamics (CFD) simulations provide high-fidelity airflow and temperature predictions but remain computationally demanding and time-intensive. While data-driven methods have emerged as promising alternatives, most existing works are limited to small-scale or 2D flow simulations and face challenges when extended to complex 3D domains. To overcome these challenges, we present PIGNN3D, a physics-informed graph neural network designed for fast and efficient 3D thermal field simulation in data centers. PIGNN3D introduces architectural simplifications and optimized message passing to significantly accelerate training and reduce memory usage, while preserving the physical consistency of CFD-based modelling. Experimental results demonstrate significant reduction in video random access memory (VRAM) usage and faster convergence while maintaining accuracy comparable to other methods. This advancement brings artificial intelligence (AI)-driven thermal simulation closer to practical deployment for speedy and sustainable data center management.
Yazarların özeti; kaynağından alınmıştır. Visual Intelligence, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Makine Mühendisliği
Mechanical EngineeringEngineering