Discovered Materials चिप की थर्मल चुनौतियों को हल करने के लिए AI एजेंट्स का उपयोग करता है

जैसे-जैसे AI वर्कलोड डेटा सेंटरों को उनकी थर्मल सीमाओं तक धकेल रहे हैं, एक नया स्टार्टअप जेनरेटिव AI का उपयोग उसी समस्या को हल करने के लिए कर रहा है जिसे उसने खुद पैदा किया है। Discovered Materials का लक्ष्य स्वायत्त (autonomous) AI एजेंट्स का उपयोग करके नए, गर्मी सोखने वाले (heat-dissipating) पदार्थों की खोज करना और चिप्स को अधिक कुशल बनाना है।

AI स्वार्म्स और फिजिक्स मॉडल्स के साथ खोज का विस्तार

आधुनिक चिप निर्माण में बाधा डिज़ाइन नहीं है; बल्कि भारी कंप्यूटेशनल लोड से उत्पन्न होने वाली गर्मी है। Y Combinator के पूर्व छात्र, Discovered Materials, मानवीय अनुमानों (guesswork) को हाई-वेलोसिटी AI पाइपलाइनों से बदल देता है। संस्थापकों, अद्वैत श्रीधर और आकाश रामदास ने एक ऐसा सॉफ्टवेयर हार्नेस बनाया है जो जेनरेटिव इंटेलिजेंस को भौतिक वास्तविकता से जोड़ता है।

यह वर्कफ़्लो सामग्री के संभावित विकल्पों (material leads) को उत्पन्न करने के लिए Anthropic मॉडल्स को एक कस्टम वातावरण में फीड करता है। फिर स्टार्टअप उन विकल्पों को अपने प्रशिक्षित फिजिक्स मॉडल्स के माध्यम से चलाकर कठोर सिमुलेशन करता है। एक मानव शोधकर्ता प्रतिदिन केवल 20 अनुमान लगा सकता है; जबकि AI एजेंट्स क्लाउड में चौबीसों घंटे हजारों सिमुलेशन तैयार करते हैं।

मटेरियल इंजीनियरिंग की "Whack-a-Mole" चुनौती

एक उपयुक्त सामग्री खोजना केवल आधी लड़ाई है। कोई सामग्री थर्मल डिसिपेशन (ऊष्मा अपव्यय) में तो उत्कृष्ट हो सकती है, लेकिन इलेक्ट्रिकल स्थिरता या निर्माण क्षमता (manufacturability) में विफल हो सकती है। Lightspeed India Partners के पार्टनर हेमंत महापात्रा इस प्रक्रिया की तुलना परमाणु संरचनाओं के साथ "whack-a-mole" खेलने से करते हैं—थर्मल, इलेक्ट्रिकल और उत्पादन संबंधी बाधाओं का एक साथ मेल खाना आवश्यक है।

इस कठिनाई को मापने के लिए, कंपनी ने "Material Discovery Bench" जारी किया है, जो एक ऐसा टूल है जो ट्रैक करता है कि अत्याधुनिक AI मॉडल्स बहुआयामी मटेरियल-साइंस समस्याओं से कैसे निपटते हैं। MatNex, SandboxAQ और CuspAI जैसे प्रतिस्पर्धी भी इसी क्षेत्र में काम कर रहे हैं, लेकिन Discovered Materials उन थर्मल बाधाओं पर ध्यान केंद्रित करता है जो सेमीकंडक्टर के प्रदर्शन को बाधित करती हैं।

डिजिटल सिमुलेशन से पेटेंट योग्य हार्डवेयर तक

स्टार्टअप अब डिजिटल खोज से भौतिक सत्यापन (physical validation) की ओर बढ़ रहा है। इसने कई ऐसी सामग्रियों की पहचान की है जो प्रमुख चिप निर्माताओं द्वारा उपयोग की जाने वाली सामग्रियों के गुणों से मेल खाती हैं, और अब वे उन्हें वेट-लैब (wet-lab) प्रयोगों में परख रहे हैं।

Discovered Materials अपना व्यवसाय बौद्धिक संपदा (intellectual property) पर आधारित करता है। एक बार जब कोई सामग्री सत्यापन पास कर लेती है, तो टीम GPUs में उस सामग्री के उपयोग या उसे चिप्स में एकीकृत करने के लिए आवश्यक निर्माण प्रक्रिया का पेटेंट करा लेती है। इन पेटेंटों को सेमीकंडक्टर दिग्गजों को लाइसेंस देने से यह कंपनी अगली पीढ़ी के उच्च-दक्षता वाले AI हार्डवेयर में एक आधारभूत परत (foundational layer) बन सकती है।

मुख्य बातें

  • AI-संचालित गति: Anthropic मॉडल्स और फिजिक्स-आधारित सिमुलेशन सामग्री की खोज को प्रतिदिन 20 अनुमानों से बढ़ाकर हजारों तक ले जाते हैं।
  • थर्मल ऑप्टिमाइज़ेशन पर ध्यान: अन्य व्यापक मटेरियल-डिस्कवरी स्टार्टअप्स के विपरीत, यह फर्म उन हीट-डिसिपेशन (ऊष्मा अपव्यय) समस्याओं को लक्षित करती है जो आधुनिक AI चिप्स और डेटा सेंटरों को प्रभावित करती हैं।
  • IP-केंद्रित मॉडल: यह नए पदार्थों और प्रक्रियाओं का पेटेंट कराकर और फिर उन्हें प्रमुख चिप निर्माताओं को लाइसेंस देकर अपनी खोजों से मुद्रीकरण (monetize) करने की योजना बना रहा है।

जोखिम और प्रति-तर्क

(विश्लेषक इनपुट के लिए यह अनुभाग जानबूझकर खाली छोड़ा गया है)

आगे क्या देखें

  • बेंचमार्क अपनाना –
  • प्रायोगिक सफलताएं –
  • फैब्स (fabs) के साथ साझेदारी –
  • नियामक या IP चुनौतियां –

निष्कर्ष

Discovered Materials का मानना है कि अधिक शक्तिशाली AI चिप्स को ठंडा करने की दौड़ में स्वायत्त AI एजेंट्स मानवीय अंतर्ज्ञान (intuition) से आगे निकल सकते हैं। जेनरेटिव लैंग्वेज मॉडल्स को फिजिक्स-आधारित सिमुलेशन के साथ जोड़कर, स्टार्टअप का दावा है कि वह एक धीमी, 'अनुमान और जांच' (guess-and-check) वाली प्रक्रिया को एक हाई-थ्रूपुट खोज में बदल सकता है, जिससे पेटेंट योग्य और निर्माण योग्य हीट-डिसिपेटिंग सामग्रियां प्राप्त हो सकें। क्या यह दृष्टिकोण वेट-लैब सत्यापन और सेमीकंडक्टर जगत के सतर्क अपनाव (adoption curves) को झेल पाएगा, यही तय करेगा कि यह ठंडे और अधिक कुशल AI हार्डवेयर के लिए एक गुप्त उत्प्रेरक (catalyst) बनेगा या AI-संचालित रसायन विज्ञान में केवल एक और महत्वाकांक्षी प्रयोग बनकर रह जाएगा।