Desarrollo de un modelo de diagnóstico usando V-Nets para el monitoreo del consumo de la energía en el HPC de Guatiguará

Abstract

En un mundo digitalizado y altamente dependiente de tecnologías avanzadas, la demanda energética ha crecido de manera exponencial, generando una preocupación crítica en cuanto a sostenibilidad y costos operativos. Los sistemas de High Performance Computing (HPC), fundamentales para la investigación académica y empresarial, requieren un monitoreo eficiente de su consumo energético. En este contexto, el Centro de Innovación y Desarrollo Tecnológico de Guatiguará enfrenta el desafío de optimizar el uso de energía en su infraestructura HPC, lo que motivó el desarrollo de un modelo de diagnóstico basado en redes de verificación (V-Nets). Este modelo aprovecha la capacidad de las V-Nets para manejar simultaneidad y secuenciación de eventos, permitiendo detectar y diagnosticar fallos energéticos con alta precisión.

La metodología incluyó la recopilación y procesamiento de datos históricos de tensión, corriente, potencia y temperatura, que fueron transformados en eventos discretos sujetos a umbrales de validación. Posteriormente, se construyó una V-net con restricciones temporales y lógicas, complementada con un modelo de aprendizaje profundo tipo LSTM, lo que incrementó la capacidad predictiva del sistema. Los resultados obtenidos en las simulaciones mostraron métricas de exactitud y precisión superiores al 95 %, validando la efectividad del modelo. Este enfoque no solo favorece una gestión energética más eficiente y sostenible, sino que también sienta las bases para futuras aplicaciones en otros entornos de HPC. En conclusión, el modelo propuesto constituye una herramienta innovadora que contribuye a la optimización del consumo energético en centros de supercómputo, alineándose con las tendencias actuales de sostenibilidad y responsabilidad social en la era de la Industria 4.0.