Veri Merkezleri İçin GaN Güç Kaynağı

Yapay zekanın artan kullanımı, toplam küresel elektrik talebinin yalnızca %3 arttığı bir dünyada, yapay zeka odaklı veri merkezlerinden gelen elektrik talebinin 2025 yılında %50 artmasına neden oldu. Bu hızlı büyüme devam edecek ve bu veri merkezlerindeki güç kullanımının 2030 yılında 950 TWh'ye ulaşması bekleniyor (IEA, 2026).

Bu güç artışı sadece veri merkezlerinin sayısındaki artıştan kaynaklanmıyor: içlerindeki güç yoğunluğu da hızla artıyor. Yapay zeka için kullanılan en yeni grafik işlemci birimlerinin (GPU'lar) güç tüketimi, önceki neslin 500 W'ına kıyasla büyük bir artışla 1 kW'ın üzerinde. Bileşenlerin artan güç talepleri, raf başına GPU sayısını artırma baskısıyla birleştiğinde, bir rafın güç tüketimini bir megavata çıkarıyor.

Bu rafların güç yoğunluğu, büyük bir buzdolabı boyutunda olmalarına rağmen, 2027 yılına kadar tek bir rafın 65 hanenin tükettiği kadar enerji tüketmesinin beklendiğini fark ettiğinizde açıkça ortaya çıkıyor (IEA, 2026).

Bu enerji talebi, güç dağıtım ağında ve gerekli güç kaynaklarında bir değişime yol açmıştır. Nvidia, 48 V'luk bir güç hattı ile veri merkezinde AC güç dağıtımı yerine, artık veri merkezindeki yapay zeka sunucularına 800 V'luk DC güç dağıtmayı öneriyor. Bu, kayıpları azaltmak için daha küçük ve daha verimli yeni güç kaynağı tasarımları gerektiriyor.

Bu eğilimler, veri merkezindeki güç dağıtımı ve dönüşümü üzerinde büyük bir etkiye sahip. Gigawatt'larca güç dağıtılırken, kayıpları azaltmak ve güç kaynaklarının verimliliğini artırmak çok önemlidir. Verimliliği birkaç puan artırmak, %97'den %99'a çıkarmak, büyük miktarda enerji tasarrufu sağlayarak işletme maliyetlerinde ve çevresel faydalarda tasarruf sağlayabilir. Daha yüksek verimlilik, daha az soğutma gerektirdiği anlamına gelir; bu da gerekli su veya dielektrik malzemede maliyet tasarrufu sağlayarak daha küçük güç sistemlerine olanak tanır. Yeni paketleme teknolojisi, soğutma sisteminin tasarımını basitleştirmeye, güç kaynağını küçültmeye ve bir rafa daha fazla GPU sığdırmaya da yardımcı olabilir.

Galyum nitrür (GaN) teknolojisi, diğer yarı iletken teknolojilerine göre daha yüksek frekanslarda anahtarlama yapabilme özelliği sayesinde daha küçük bir alanda daha yüksek verimlilik sağlama yeteneği sunar.

Ancak bu teknolojiyi benimsemek, güç kaynaklarındaki silikon cihazların yerine doğrudan takılabilen bir çözüm kadar basit değildir. GaN, -3 V ile +6 V arasında değişen daha karmaşık bir kapı sürücüsü gerektirir. Bu, daha karmaşık zamanlama gereksinimlerine sahip farklı cihaz sürücülerine ihtiyaç duyulduğu anlamına gelir.

ICeGaN

Düşük açık dirençli (RDS(on)) 650 V GaN transistörüne bir kapı arayüzü eklemek, cihazın bir yapay zeka sunucu güç kaynağı tasarımında kullanımını önemli ölçüde basitleştirebilir. Bu, tipik olarak 12 V ila 15 V arasında bir önyargıya sahip standart bir MOS sürücü çipinin GaN'ı sürmek için kullanılmasına olanak tanır.

Cambridge GaN Devices (CGD) tarafından geliştirilen ICeGaN® teknolojisi, ayrı bir silikon MOSFET'i kaskad konfigürasyonunda veya birlikte paketlenmiş bir silikon IC kullanmak yerine, geliştirme modlu HEMT transistör ile aynı alt tabaka üzerinde böyle bir arayüzü uygulayan bir güç IC'sidir. Arayüzün aynı çip üzerinde uygulanması, kayıpları azaltmanın ve güç dönüştürücü verimliliğini artırmanın anahtarı olan düşük endüktanslı, optimize edilmiş, düşük profilli bir paket sağlar.

ICeGaN cihazları, harici kapı girişini sınırlayan ve ana e-modlu HEMT için kararlı bir dahili kapı önyargısı sağlayan yardımcı kapılı bir HEMT içerir. Bu, ICeGaN cihazlarının yaklaşık 9 V ila 20 V arasında kapı önyargılarıyla sürüldüğü ve daha yüksek geçici gerilimlere güvenli bir şekilde dayanabildiği anlamına gelir. Ayrıca, görünür eşik gerilimini (VTH) yaklaşık 3-4 V'a etkili bir şekilde ikiye katlayarak kapıdaki gürültü bağışıklığını iyileştirir.

ICeGaN cihazlarına ayrıca, HEMT açık olmadığında güçlü bir aşağı çekme sağlamak için bir Miller kelepçesi entegre edilmiştir; bu da tasarımcıların cihazın kapalı olması gerektiğinde kapalı tutmak için negatif kapı voltajları sağlamalarına gerek olmadığı anlamına gelir. Miller kelepçesi ayrıca daha geniş bir güvenli çalışma alanı (SOA) sağlar ve daha yüksek dV/dt eğimlerini emerek kapının güvenilirliğini artırır. Bu, ek negatif voltaj raylarına ihtiyaç duymadan hızlı çalışma sağlar ve açma kapı direnci değeriyle kontrol edilebilir; bu da tasarımcıların ICeGaN'ın açma anahtarlama hızını uygulamaya özgü ihtiyaçlara göre kontrol edebilecekleri ve EMI ile anahtarlama kayıpları arasında denge kurabilecekleri anlamına gelir.

Yapay zeka iş yükleri için dinamik GPU güç tüketimi, AC şebekesine yansıtılamayan büyük ve hızlı yük dalgalanmalarına neden olur. Bunu önlemek için, AC-DC dönüştürme zincirinin her aşaması geçici yük koşullarını ele almalı ve bu tür güç dalgalanmalarını düzeltmek için yeterli yerel enerji depolama içermelidir.

Bu, bileşenlerin ve termal tasarımın ortalama yükleme yerine tepe yükleme için boyutlandırılması gerektiği anlamına gelir; bu da 800 V DC/DC dönüştürücünün aşırı zorlanma veya regülasyon kaybı olmadan kısa süreli güç dalgalanmalarını sağlayabilmesini garanti eder.

Güç devresinin iç kapısı

HEMT'nin direnci, harici kapı gerilimi yaklaşık 1,5 V'u aştıktan sonra artmaya başlar. ICeGaN'ın, geleneksel ayrık e-mod GaN'den (2,9 V) daha yüksek bir eşik gerilimine sahip olmasını sağlayan da bu ek eşiktir.

GaN HEMT cihazlarının en önemli avantajlarından biri, çok düşük kapı yükü ve gövde diyotu olmaması nedeniyle anahtarlama performansının çok düşük olmasıdır; bu nedenle pratikte kapatma kayıpları yoktur. Miller kelepçesi cihazı 0 V'ta kapattığı için, ICeGaN cihazları diğer GaN bileşenlerinde olduğu gibi yüksek ters iletim kayıplarına karşı hassas değildir.

En önemlisi, cihazın toprağa bağlanmasıyla soğutma önemli ölçüde iyileştirilebilir, bu da daha küçük bileşenlerin kullanılmasına ve sistemin daha düşük sıcaklıklarda çalışmasına olanak tanır.

Paketleme

Paketlemenin termal direncini azaltmanın çeşitli avantajları vardır. Aynı RDS(on) değerinde daha fazla güç çıkışı elde edilirken, cihazlar aynı güç için daha düşük sıcaklıklarda çalışır, bu nedenle daha küçük ve daha hafif bir soğutucu kullanılabilir, bu da sistem maliyetlerini düşürür. Daha düşük çalışma sıcaklıkları ayrıca daha yüksek güvenilirlik, daha uzun ömür ve AI rafında daha küçük güç kaynaklarına yol açar.

CGD tarafından geliştirilen BHDFN-9-1 (alt ısı dağıtıcı DFN) paketi, kolay inceleme için ıslatılabilir yan yüzeylere sahip, alttan soğutmalı bir pakettir. Isıyı uzaklaştırmak için daha kalın bir kurşun çerçeve kullanır ve diğer cihazlarla eşleşen veya onları aşan 0,28 K/W'lık bir termal direnç sağlar. 10x10 mm'lik BHDFN, yaygın olarak kullanılan TOLL paketinden daha küçüktür ancak benzer bir ayak izine sahiptir, bu da kullanımını kolaylaştırır.

Ayrık GaN cihazlarından farklı olarak, ICeGaN'ın dahili devrelerini beslemek için pin 1 olarak ek bir pini vardır; kapı terminali pin 2 ve Kelvin Kaynağı (KS) terminali pin 3'tür. TOLL paketinde, kapı terminali pin 1'de, KS terminali ise pin 2'dedir. Bu, uyumluluk için ortak bir yerleşimin kolayca geliştirilebileceği anlamına gelir; burada bir TOLL cihazı, ICeGaN yerleşimindeki güç terminaline bağlanmaktan kaçınmak için yana kaydırılır. Bu, bir TOLL cihazının yerine ICeGaN'ın neredeyse doğrudan takılabilir bir şekilde kullanılabilmesi için fırsat sağlar.

GaN Cihazları Kullanarak 800V Güç Dönüştürme Sistemlerinin Tasarımı

Veri merkezi güç sistemleri için yaygın olarak kullanılan bir topoloji, giriş seri, çıkış paralel (ISOP) konfigürasyonunda yığılmış yarım köprü rezonans dönüştürücüdür. Bu, 650 V GaN cihazları kullanılarak 800 VDC girişlerinin dönüştürülmesini sağlar. Düzlemsel transformatörler ve gelişmiş manyetik entegrasyon, güç dönüştürme modüllerinin GPU ve CPU kartlarına yakın konumlandırılması gerektiğinde ihtiyaç duyulan düşük profilli, kompakt güç aşamalarını sağlamanın anahtarıdır.

800 V güç dağıtım ağları, yapay zeka sunucu uygulamaları için referans tasarımlarla 500-800 kHz aralığında anahtarlama frekansları kullanmaktadır. GaN teknolojisi daha geniş çapta benimsendikçe, verimlilik ve EMI'nin bu daha yüksek frekanslarda korunabilmesi koşuluyla, güç yoğunluğunu daha da artırmak ve manyetikleri küçültmek için 1 MHz ve ötesine doğru güçlü bir itki vardır.

Güvenlik

Güvenlik, 800 VDC DC/DC mimarileri için merkezi bir endişe kaynağıdır ve ek tasarım hususlarını beraberinde getirir.

800 VDC'de, daha düşük voltajlı bara mimarilerine göre daha yüksek açıklık ve kaçak mesafeleriyle güçlendirilmiş izolasyon gereklidir. ±400 VDC sistemleri, koruyucu toprağa yüksek dirençli veya katı orta nokta topraklaması kullanır ve tek uçlu 800 V sistemlerine göre daha az kaçak gerektirir.

Çalışırken değiştirme ve eFuse fonksiyonları, genellikle güç dağıtım panosundaki 800 VDC aşamasına entegre edilir, böylece ani akım, aşırı yük ve arıza izolasyonu, raf seviyesindeki beslemeye mümkün olduğunca yakın bir şekilde kontrol edilir.

800 V DC/DC dönüştürücüler ayrıca genellikle ikincil tarafta kontrolör ve sınırlı birincil taraf algılama ile açık döngü LLC aşamaları olarak uygulanır. Bu, giriş arızalarını güvenli bir şekilde ele almak için ani akım ve anormal durum tespiti gibi ek birincil taraf korumasına ihtiyaç duyulduğu anlamına gelir.

Arıza durumunda, 800 VDC DC/DC tasarımı, duman, yangın veya yanık hasarının GPU kartlarına veya diğer tepsi bileşenlerine yayılmasını önlemek için arıza enerjisinin sıkı bir şekilde kontrol edilmesini sağlamalıdır; böylece hem sistem çalışma süresi hem de donanım bütünlüğü korunur.

Sonuç

Güç kaynağı tasarımcıları, veri merkezi uygulamalarında GaN teknolojisini giderek daha fazla kullanmayı hedefliyor. Bununla birlikte, geleneksel GaN cihazlarıyla tasarım yaparken, optimum performansı elde etmek zor olabilir. Örneğin, gerekli negatif kapı voltajı, daha küçük güç dönüştürücü tasarımlarını mümkün kılan daha yüksek frekanslı çalışmayı elde etmede zorluklar yaratmaktadır.

Ancak, GaN güç cihazıyla aynı çip üzerinde akıllı bir arayüz eklemek, 800 V veri merkezi güç ağlarındaki güç kaynaklarının maliyetini, boyutunu ve ağırlığını önemli ölçüde azalttığı için yapay zeka veri merkezi güç kaynağı tasarımcıları için çeşitli avantajlar sağlamaktadır.

Works Cited
IEA . (2026). Key Questions on Energy and AI - https://www.iea.org/reports/key-questions-on-energy-and-ai.

Paris: IEA.