تدريب الذكاء الاصطناعي متزامن ، لذلك ترتفع الآلاف من وحدات معالجة الرسومات أثناء الحوسبة وتتدلى أثناء الاتصال. مجمعة ، والتي تخلق تقلبات كبيرة وإيقاعية للطاقة يمكن أن تثير "الترددات السيئة" للشبكة. بدأت المرافق في وضع حد أقصى لكل من: (1) مدى سرعة / مدى تحرك الطاقة (المجال الزمني) ، و (2) مقدار الإيقاع في نطاق تردد حساس (مجال التردد). تظهر الأحداث السابقة أن التذبذبات منخفضة الهرتز يمكن أن تنتشر وتضغط على النباتات / الشبكات ؛ مع أحمال تدريب الذكاء الاصطناعي ، تكون وظيفة التأثير أكبر. لذلك تقوم المرافق بتعيين ترددات حرجة + حدود الحجم (على سبيل المثال ، نطاق حماية عريض من 0.1 إلى 20 هرتز مقابل 0.2-3 هرتز عبء عمل الذكاء الاصطناعي FFT) بحيث لا يمكن أن يهيمن الإيقاع الضيق لموقع واحد على الشبكة. الإصلاحات المحتملة للامتثال: توقع المقايضات: حرق الطاقة (الأولان الأولين) مقابل النفقات الرأسمالية / المساحة (الأخير). - تنعيم البرامج (إضافة عمل "حشو" متحكم فيه عندما تنخفض الطاقة) ، - تشكيل البرامج الثابتة لوحدة معالجة الرسومات (حدود المنحدر ، والحفاظ على الحد الأدنى من أرضية الطاقة) - تخزين على مستوى الرف لامتصاص / تزويد التذبذب. تعمل مراقبة FFT في الوقت الفعلي كدعم. لماذا البرامج الثابتة وحدها لا تكفي في كثير من الأحيان؟ في وحدات معالجة الرسومات الحالية ، يتصدر MPF ~ 90٪ من TDP (الحد الأقصى للطاقة) ولا يزال الحد الأدنى لإعداد الارتفاع القصير (EDP) ~ 1.1× TDP = على الأقل ~ 20٪ متأرجح. عادة ما تحتاج حدود المرافق الضيقة (على سبيل المثال ، ~ 10٪) إلى تخزين على مستوى الحامل بالإضافة إلى حلول البرامج الثابتة والبرامج (على سبيل المثال ، توقع إصلاحات مختلطة).