В центре разработки представлена технология DIDACT (Digital Data Center Twin), основанная на машинном обучении и предназначенная для выявления аномалий в работе серверов.
Эта программа осуществляет анализ данных в реальном времени, отслеживает ошибки и уведомляет администраторов о возможных сбоях, что позволяет предотвращать значительные проблемы заранее.

Используя метод непрерывного обучения, нейросети системы адаптируются к меняющимся условиям.
В рамках проекта применяется соревновательная модель: несколько алгоритмов обучаются на свежих данных, после чего выбирается наиболее точный, который становится «чемпионом» дня.
Это способствует постоянному улучшению предсказаний и надежности серверного оборудования.
Дата-центры, такие как в лаборатории Джефферсона, обрабатывают огромные объемы информации, ведь физические эксперименты в ускорителях частиц могут генерировать десятки петабайт данных в год.
Надежность работы серверов является критически важной для ученых, и автоматизированный мониторинг позволяет избежать задержек в исследованиях.
Разработчики DIDACT также планируют оптимизацию энергопотребления дата-центров.
В будущем система сможет управлять охлаждением серверов и регулировать нагрузку процессоров, снижая потребление ресурсов без ущерба для производительности.