تطبيق نموذج السلاسل الزمنية متعدد المتغيرات للتنبؤ بأعطال الحوسبة عالية الأداء

تتجه أنظمة الحوسبة الفائقة إلى أحجام أكبر وتعقيد أشد باطراد، وهو ما يرفع متطلبات الاعتمادية عليها بدرجة كبيرة، إذ إن أي عطل في عقدة من عقد الحاسوب الفائق قد يعطل مهام حسابية ضخمة ويهدر موارد معالجة ثمينة، ومن هنا يغدو التنبؤ المبكر بالأعطال، من حيث زمن حدوثها وموضع العقدة التي ستقع فيها، ضرورة لرفع جاهزية هذه الأنظمة وتقليل زمن توقفها، غير أن سجلات الأعطال السابقة تتضمن سمات مكانية وزمانية متداخلة يصعب استخراجها بالطرق التقليدية، كما أن تصنيف بياناتها يحتاج إلى معالجة تجميعية مسبقة رصينة، وتستجيب هذه الدراسة لهذه التحديات باقتراح نموذج تنبؤ متعدد الأبعاد يدمج بين التجميع والشبكات العصبية وآلية الانتباه لاستخراج السمات المكانية والزمانية من سجلات الأعطال والتعلم منها بفعالية، فالتنبؤ الدقيق بزمن العطل وموضعه يتيح جدولة الصيانة الوقائية وترحيل المهام الحسابية بعيدًا عن العقد المهددة قبل وقوع العطل، ويحول إدارة الحواسيب الفائقة من رد الفعل اللاحق للعطل إلى استباق مخطط له يقلل زمن التوقف غير المنتج ويرفع نسبة الاستفادة من الموارد الحسابية الضخمة

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى بناء نموذج دقيق للتنبؤ بأعطال أنظمة الحوسبة عالية الأداء يلبي متطلبات الاعتمادية العالية للحواسيب الفائقة المتزايدة الحجم والتعقيد، وقد اقترحت الدراسة نموذجًا للدمج متعدد الأبعاد أطلقت عليه شبكة سي بي إيه، يقوم على الشبكة العصبية الالتفافية وشبكة الذاكرة الطويلة قصيرة المدى ثنائية الاتجاه وآلية الانتباه، مع معالجة مسبقة لتصنيف البيانات بطريقة التجميع الهرمي القائم على الكثافة إتش دي بي سكان، بحيث يستخرج النموذج السمات المكانية والزمانية الكامنة في سجلات الأعطال السابقة ويتعلمها، مستفيدًا من حساسيته العالية لسمات السلاسل الزمنية وقدرته الكافية على استخراج السمات المحلية الدقيقة

ثانيًا: أبرز النتائج

النتيجة الأولى: حقق النموذج المقترح في التنبؤ بزمن حدوث الأعطال جذر متوسط مربع خطأ بلغ 0.031 فقط، وهو مستوى خطأ منخفض يدل على دقة عالية في تقدير توقيت وقوع العطل، بما يمنح إدارات الحواسيب الفائقة هامشًا زمنيًا كافيًا لاتخاذ إجراءات وقائية كترحيل المهام أو صيانة العقد المهددة قبل توقفها الفعلي

النتيجة الثانية: بلغت دقة النموذج في التنبؤ بموضع العقدة التي سيحدث فيها العطل 93 في المئة في المتوسط، وهو ما يجعل التنبؤ دقيق الحبيبات لا يكتفي بتقدير الزمن بل يحدد المكان المستهدف للتدخل، ومن ثم يختصر زمن التشخيص والإصلاح ويرفع كفاءة إدارة الموارد في أنظمة الحوسبة الفائقة واسعة النطاق

النتيجة الثالثة: أظهرت التجارب أن النموذج يحقق تقاربًا سريعًا أثناء التدريب، وهو ما يعني كفاءة حسابية في بناء التنبؤات وتحديثها، ويعزز قابليته للتطبيق العملي في بيئات الحوسبة الفائقة التي تتولد فيها سجلات أعطال ضخمة ومتجددة باستمرار وتحتاج إلى معالجة آنية

النتيجة الرابعة: أكدت النتائج مزايا بنية النموذج المقترح ذاتها، إذ تجمع بين الحساسية العالية لسمات السلاسل الزمنية عبر شبكة الذاكرة ثنائية الاتجاه، والاستخراج الكافي للسمات المحلية عبر الشبكة الالتفافية، وترجيح السمات الأهم عبر آلية الانتباه، بعد معالجة مسبقة تصنف بيانات سجلات الأعطال بالتجميع الهرمي القائم على الكثافة، وهو تكامل يجعل النموذج قادرًا على استخراج السمات المكانية والزمانية الكامنة في سجلات الأعطال السابقة والتعلم منها بكفاءة تفوق النماذج الأحادية البنية

ثالثًا: دلالات الدراسة وتطبيقاتها

تشير دلالات الدراسة إلى أن الدمج بين التجميع القائم على الكثافة والشبكات الالتفافية وشبكات الذاكرة ثنائية الاتجاه وآلية الانتباه يقدم وصفة فعالة لمعالجة بيانات سجلات الأعطال المعقدة، ويمكن لمراكز الحوسبة الفائقة توظيف هذا النموذج في بناء أنظمة إنذار مبكر ترفع اعتمادية خدماتها وتقلل الخسائر الناجمة عن التوقفات المفاجئة، كما يفتح النموذج الباب أمام تطوير أدوات تنبؤ أدق للأعطال في الأنظمة واسعة النطاق عمومًا كلما توافرت سجلات زمنية غنية بالسمات المكانية والزمانية

وخلاصة القول إن نموذج شبكة سي بي إيه المقترح يمثل تقدمًا ملموسًا في التنبؤ بأعطال الحوسبة عالية الأداء، بدقته العالية في زمن العطل وموضعه وسرعة تقاربه، بما يدعم تشغيل الحواسيب الفائقة باعتمادية أعلى وكفاءة أفضل في إدارة مواردها الحسابية الضخمة