با توسعه سریع هوش مصنوعی و فناوریهای دادههای بزرگ، سرورهای هوش مصنوعی به عنوان دستگاههای پردازشی با کارایی بالا، وظایف حیاتی را در زمینههایی مانند رایانش ابری، یادگیری عمیق، خودروهای خودران و رباتهای هوشمند بر عهده دارند. عملکرد و پایداری سرورهای هوش مصنوعی تا حد زیادی به طراحی سیستمهای تغذیه آنها وابسته است. با افزایش همچنانی نیاز به قدرت پردازشی، معماریهای سنتی تغذیه به تدریج در تأمین نیازهای تأمین انرژی کارآمد و پایدار با مشکل مواجه شدهاند، که این امر منجر به ظهور تدریجی معماریهای پیشرفته تغذیه مانند تغذیه توزیعشده 48 ولتی، تبدیل کاهنده چندفازه و کنترل دیجیتال به عنوان راهحلهای اصلی شده است.

1- معماریهای اصلی تغذیه سرورهای هوش مصنوعی
1.1 معماری تغذیه متمرکز
منابع تغذیه متمرکز سنتی از یک واحد منبع تغذیه (PSU) برای تبدیل برق AC به برق DC 12 ولت استفاده میکنند که سپس از طریق مادربورد به بارهای مختلف توزیع میشود. این سیستمها دارای طراحی بالغ، هزینه پایین و قابلیت مدیریت یکپارچه آسان هستند. با این حال، با افزایش قدرت پردازشی سرورهای هوش مصنوعی، معایب آنها آشکار میشود: مسیر طولانی انتقال 12 ولت باعث افزایش قابل توجه تلفات هدایتی (I²R) میشود؛ عرض باند تنظیم ولتاژ محدود است و سرعت پاسخ دینامیکی را تحت تأثیر قرار میدهد؛ مقابله با تغییرات شدید نانوثانیهای بار در CPU/GPU دشوار است؛ قابلیت اطمینان سیستم ضعیف است و خرابی یک ماژول تغذیه ممکن است منجر به از کار افتادن کل سیستم شود و از پایداری لازم برخوردار نیست.
1.2 معماری توزیعشده توان (DPA)
معماری توزیعشده توان به انتخاب ترجیحی برای سرورهای بزرگ هوش مصنوعی تبدیل شده است. هسته این معماری، استفاده از یک باس میانی 48 ولتی است. منابع تغذیه (PSUs) خروجی 48 ولت مستقیم تولید میکنند و با بهرهگیری از ویژگیهای ولتاژ انتقال بالا و جریان انتقال پایین، اتلاف انرژی در مسیرهای توزیع را بهطور قابل توجهی کاهش میدهند. در نزدیکی بارهای اصلی مانند CPUها و GPUها، مبدلهای نقطهای بار (POLs) قرار داده میشوند تا ولتاژ 48 ولتی را مستقیماً به ولتاژهای پایین مورد نیاز (مثلاً 0.8V-1.8V) تبدیل کنند و تغذیه محلی و دقیق را فراهم آورند که این امر سرعت پاسخ گذرا و دقت تنظیم ولتاژ را بهشدت بهبود میبخشد.

معماری توان توزیعشده 48 ولتی (منبع تصویر: اینترنت)
1.3 معماری تبدیل باک چندفاز
این راهکار پیادهسازی خاصی برای POL جهت تغذیه بارهای بسیار پرقدرت (مانند CPU/GPU) است. با بهکارگیری متناوب چندین مدار بوک موازی همزمان برای تأمین توان یک پردازنده واحد، مزایای آن شامل موارد زیر میشود: کاهش تنش جریان و تلفات حرارتی در هر فاز پس از تقسیم جریان؛ هموارسازی مؤثر نوسان جریان خروجی از طریق عملکرد چندفازه متناوب، که وابستگی به خازنهای رفع اختلال را کاهش میدهد؛ و فعال یا غیرفعال کردن پویای تعداد فازها بر اساس مصرف توان پردازنده جهت بهینهسازی بازدهی در بار کم.
معماری کنترل دیجیتال توان 1.4
با جایگزینی برخی مدارهای آنالوگ با پردازندههای سیگنال دیجیتال (DSPs) یا ریزپردازندهها (MCUs)، این سیستم مدیریت هوشمند توان را فراهم میکند. این رویکرد نه تنها امکان پیادهسازی الگوریتمهای کنترلی پیچیدهتر و انعطافپذیرتری را برای بهینهسازی پاسخ دینامیکی و بازده انرژی فراهم میکند، بلکه از نظارت لحظهای، تنظیم پارامترها، پیشبینی خطا و مدیریت از راه دور (مانند بر اساس پروتکلهای PMBus/I2C) از طریق نرمافزار نیز پشتیبانی میکند. طراحیهای پیشرفته اغلب از حالت ترکیبی مدیریت دیجیتال + پاسخ سریع آنالوگ استفاده میکنند تا بین هوشمندی و سرعت تعادل برقرار شود.
1.5 منبع تغذیه ماژولار
بهطور گسترده در سرورهای هوش مصنوعی سطح مرکز داده استفاده میشود. ماژولهای برق استاندارد (مانند CRPS) از تعویض داغ، افزونگی N+1 و نگهداری آنلاین پشتیبانی میکنند و بدین ترتیب در دسترس بودن بسیار بالای عملیات تجاری را تضمین میکنند. عملکردهای هوشمند آنها امکان تنظیم پویای تعداد ماژولهای فعال را بر اساس شرایط بار فراهم میکند که از عملکرد ناکارآمد در بارهای کم جلوگیری کرده و بهطور قابل توجهی بازده کلی انرژی در مراکز داده را افزایش میدهد.
2- چالشهای اعمالشده به القاکنندهها توسط تکامل معماری منبع تغذیه سرور هوش مصنوعی
نوآوری در معماری توان سرور هوش مصنوعی الزامات عملکردی سختگیرانهتری را بر القاکنندهها تحمیل کرده و موجب شده تا فناوری القاکنندهها همگام با پیشرفتهای طراحی توان پیش رود. محصولات القاکننده باید به نیازهای زیر پاسخ دهند.
① مقاومت DC پایین: نیازهای فعلی سرورهای هوش مصنوعی با عملکرد بالا بهطور قابل توجهی افزایش یافته است و نیازمند القاگرهایی با ظرفیت حمل جریان قوی و عملکرد عالی در مدیریت حرارتی هستند. هنگامی که القاگرها جریانهای بزرگی را هدایت میکنند، گرما تولید میشود. تخلیه ضعیف گرما میتواند منجر به کاهش عملکرد یا حتی خرابی ماده القاگر شود و بر پایداری تغذیه توان تأثیر بگذارد. بنابراین، طراحی با مقاومت DC پایین (DCR) به پارامتری حیاتی برای القاگرها تبدیل شده است که بهطور مؤثر از تلفات انرژی و افزایش دما کاسته و امکان عملکرد قابل اعتماد القاگر در کاربردهای جریان بالا را فراهم میکند.
② فرکانس بالا، تلفات پایین: منابع تغذیه سرورهای مدرن هوش مصنوعی به بازدهی در سطح 97٪ یا حتی 99٪ نیاز دارند که ترانسفورماتورهای القایی سهم قابل توجهی از تلفات در سیستم را تشکیل میدهند. با افزایش مداوم فرکانسهای تبدیل توان، سیمپیچهای القایی باید عملکرد فرکانس بالا را با بازدهی بالا متعادل کنند و تلفات ناشی از جریانهای گردابی و هیسترزیس را به حداقل برسانند. تلفات افزایشیافته ناشی از جریانهای فرکانس بالا، لزوم بهینهسازی مداوم مواد و ساختارهای القایی را برای برآوردن الزامات دامنه وسیع فرکانسی و بازدهی بالا ضروری میسازد.
③ طرحریزی کوچکسازی و نازک سرورهای هوش مصنوعی فضای داخلی محدودی دارند و نیازمند کاهش بیشتر اندازه سیمپیچها هستند در حالی که عملکرد باید حفظ شود. کوچکسازی و طراحی با ضخامت کم، روندهای آینده در توسعه سیمپیچها محسوب میشوند. با استفاده از مواد هستهای مغناطیسی با چگالی بالا و تکنیکهای پیشرفته قالبگیری، میتوان سیمپیچها را کوچکتر و سبکتر ساخت، که این امر به نصب با چگالی بالا و صرفهجویی مؤثر در فضای ارزشمند برد مدار چاپی (PCB) کمک میکند. علاوه بر این، این طراحیها باید تعادل مناسبی بین استحکام مکانیکی و عملکرد حرارتی داشته باشند تا از کاهش عملکرد در محیطهای پیچیده جلوگیری شود.
④ قابلیت اطمینان بالا: سرورهای هوش مصنوعی معمولاً در محدوده دمایی وسیع و شرایط بار طولانیمدت کار میکنند. سیمپیچها باید دارای تطبیقپذیری خوب با دما و پایداری قابل اعتماد باشند و بتوانند بهطور مؤثر در برابر اثرات دمای بالا و تغییرات محیطی مقاومت کنند تا عملکرد پیوسته و پایدار تجهیزات تضمین شود.
⑤ عملکرد EMI: ساختار محافظ مغناطیسی میتواند بهطور مؤثر از آسیب ناشی از تداخل الکترومغناطیسی به قطعات یا خطوط سیگنال مجاور جلوگیری کند و پردازش دقیق سیگنالهای ضعیف توسط سرور را تضمین میکند. القاگرهای با عملکرد بالا در برابر EMI میتوانند آلودگی محیطی الکترومغناطیسی را کاهش داده و قابلیت مقاومت در برابر تداخل کل سیستم را افزایش دهند.
⑥ طراحی کمصدا: با افزایش نیاز به کنترل نویز سرور، صدای زوزه القاگرها نیز مورد توجه قرار گرفته است. این صدای زوزه که ناشی از ارتعاش خود القاگر است، بر محیط مرکز داده و تجربه کاربری تأثیر میگذارد. بهویژه در اتاقهای سرور مراکز داده ابری بزرگمقیاس، اهمیت طراحی کمصدا نمیتواند نادیده گرفته شود. فناوری القاگرهای قالبگیریشده و تنظیم فرکانس تشدید، راهحلهای مؤثری برای کاهش صدای زوزه فراهم میکنند و بهطور چشمگیری قابلیت سازگاری محیطی منابع تغذیه سرور را بهبود میبخشند.
در مجموع، سیمپیچها در سیستمهای تغذیه سرورهای هوش مصنوعی با چندین چالش از جمله جریان بالا، ابعاد کوچک، فرکانس بالا، مقاومت قوی در برابر تداخل، سازگاری با دما در محدوده وسیع و نویز پایین مواجه هستند. برای برآوردن الزامات سختگیرانه کاربردهای تحت روندهای جدید، پیشرفت مداوم از طریق نوآوری در مواد، بهینهسازی ساختار و ارتقاء فرآیندها ضروری است.
3- کاربرد و توصیههای انتخاب سیمپیچ در منابع تغذیه سرورهای هوش مصنوعی
سیمپیچها در منابع تغذیه سرورهای هوش مصنوعی وظایف متعددی از جمله فیلتر کردن، خاموشکننده (choke)، تثبیت ولتاژ و جریان و سرکوب نویز را انجام میدهند. با توجه به نیازهای عملکرد بالا و قابلیت اطمینان بالا در سرورهای هوش مصنوعی تحت روندهای جدید، انتخاب سیمپیچ مناسب امری حیاتی است. کدکا تمرکز خود را بر روی راهحلهای سلف با قابلیت اطمینان بالا قرار داده و محصولات متعددی از سلفهای با عملکرد بالا را برای سرورهای هوش مصنوعی و دستگاههای هوشمند مرتبط عرضه کرده است که شامل دستههای مختلفی از جمله سلفهای توان جریان بسیار بالا، سلفهای توان جریان بالا فشرده و سلفهای قالبگیریشده با اندوکتانس پایین و جریان بالا میشود.
در میان آنها، سری سلف قدرت جریان بالا فشرده CSBA از مغناطیس پودری خودتوسعهیافته کوداکا استفاده میکند که دارای اتلاف هسته بسیار پایین، مشخصههای عالی جریان اشباع نرم و خواص کماتلاف در فرکانس بالا است. طراحی نازک آن فضای نصب را صرفهجویی میکند و برای نیازهای نصب با چگالی بالا مناسب است. دامنه دمای کاری از -55℃ تا +170℃، امکان سازگاری با محیطهای کاری با دمای بالا را فراهم میآورد. سلفهای سری CSBA به نیازمندیهای عملکردی منابع تغذیه GaN از نظر سلفهای با کماتلاف در فرکانس بالا، چگالی توان بالا و دامنه دمای وسیع پاسخ میدهند و بهطور گسترده در ماژولهای اصلی مانند مبدلهای DC-DC و منظمکنندههای سوئیچینگ استفاده میشوند.

این سری سلفهای مولده CSHN ، که بهطور خاص برای کاربردهای هوش مصنوعی طراحی شدهاند، از ساختار مولد با نویز بوق بسیار پایین بهره میبرند. این محصولات دارای سلف بسیار پایین، مقاومت DC بسیار کم، مشخصه اشباع نرم عالی و ظرفیت حمل جریان بالا هستند. این محصولات از طراحی نازک استفاده میکنند تا به نیازهای کوچکسازی و بستهبندی با چگالی بالا برای تراشهها و ماژولهای توان هوش مصنوعی پاسخ دهند. دامنه دمای کارکرد از -40℃ تا +125℃ است و نیازهای سختگیرانه دستگاههای محاسبات هوشمند را برآورده میکند.

هنگام انتخاب قطعات، مهندسان باید مشخصات بار، جریان، ابعاد، فرکانس کاری و شرایط خنککنندگی سرور هوش مصنوعی را در نظر بگیرند تا مناسبترین مدل سلف را انتخاب کنند. به عنوان مثال، در شاسیهای سرور فشرده با فضای محدود، سری CSBA سلفهای توان با جریان بالا و فشرده انتخابی ایدهآل خواهد بود. برای برآوردن نیازهای کاربردهای هوش مصنوعی از نظر سلف پایین، جریان بالا و ابعاد کوچک، سلف مولد هوش مصنوعی سری CSHN میتوان انتخاب کرد. تطبیق مناسب محصولات سلف با عملکرد بالا میتواند بازده تبدیل توان و پایداری سیستم در سرورهای هوش مصنوعی را به حداکثر برساند.